同一個產品名稱底下，藏著兩種完全不同的能力。OpenRouter 在 2026 年 9 月 16 日的說明裡把這件事講得很直白：DeepSeek V4 不是一個模型，而是一個家族，包含 V4.1 Flash、V4 Pro 0813、V4 Flash 0731、V4 Flash Vision Exp、兩個 0423 checkpoint，以及一個 Flash 的 latest alias。名字只告訴你等級與版本，不告訴你它收不收圖片。
送圖會失敗，不是降級
在 OpenRouter 目錄上，只有兩個 V4 slug 接受圖片：deepseek/deepseek-v4.1-flash 原生讀圖，deepseek/deepseek-v4-flash-vision-exp 也讀圖但被 DeepSeek 標為 experimental。其餘全部是 text in、text out，包括 V4 Pro 0813、V4 Flash 0731、兩個 0423 checkpoint，以及 ~deepseek/deepseek-v4-flash-latest alias。
這裡有個容易誤判的地方：把 image_url 送給純文字模型，請求會失敗，因為該模型沒有把 image 列在 input modalities。它不會自動幫你換一個看得懂的模型。OpenRouter 特別提醒，provider routing 只在你指定的模型底下挑供應商，不會切換到別的模型，所以它救不了這種請求。
兩條路，成本差在呼叫次數
第一條路最單純：圖片直接送進 deepseek/deepseek-v4.1-flash，一次呼叫完成。OpenRouter 說明它是第一個建立在 Causal Encoder-Decoder 架構上的模型，輸入端啟動 8B 參數、輸出端 16B，背後是 552B 參數的主幹，視覺與文字 embedding 從預訓練開始就一起訓練。它支援 tool calling、response_format 與 structured outputs，context 為 1,048,576 tokens。
第二條路是給純文字 V4 模型用的：先讓一個看得懂圖的模型讀圖，把它輸出的文字描述餵給 V4。OpenRouter 舉的例子是 qwen/qwen3.8-27b 或 moonshotai/kimi-k3 先讀圖，再把描述交給 deepseek/deepseek-v4-pro-0813 推理。代價是兩次呼叫。以 2026 年 9 月 11 日的目錄價來說，Qwen3.8 27B 是每百萬 input tokens 0.42 美元、output 3.00 美元，Kimi K3 是 2.10 與 10.53，V4 那一段的費用還要另外加上去。
值得注意的是，這條路徑裡 V4 從頭到尾沒看到像素，它讀的是描述。描述漏掉什麼，後面的推理就跟著漏掉什麼。
影片與 Pro 等級的現實
沒有任何 V4 模型把 video 列為輸入模態。想在影片上跑 V4，只能先經過支援影片的模型，再把文字結果往後傳。Pro 等級也一樣：沒有 V4 Pro 模型接受圖片，要 Pro 推理就得走兩段式。
決策其實可以收斂成幾句話。靜態圖片、Flash 等級夠用，就一次呼叫 deepseek/deepseek-v4.1-flash。想試 experimental，就明確 pin 住 deepseek/deepseek-v4-flash-vision-exp，不要靠 alias。需要 Pro 推理或影片，就走前處理模型加文字轉交。文字與圖片混流時，讓純文字請求留在原本的模型，圖片請求單獨導向 V4.1 Flash。
把模態檢查放進流程
OpenRouter 建議的自我檢查方式很實際：模型頁面與 models API 才是 slug 能力的最終依據，API 會把同樣的資訊放在 architecture.input_modalities。
curl -s https://openrouter.ai/api/v1/models \
| jq -r '.data[] | select(.id | startswith("deepseek/deepseek-v4")) | "\(.id)\t\(.architecture.input_modalities | join(","))"'如果你的服務會收到沒有預警的圖片，就在自己的程式碼裡檢查 message content，在送出請求前決定模型。這件事跟工具呼叫迴圈裡要先講清楚停損條件是同一種工程習慣——把判斷放在流程裡，而不是等失敗再補救，可參考我們先前談 工具呼叫迴圈的四個停損點 的整理。
價格與模態會隨供應商與 checkpoint 變動，OpenRouter 也提醒在把 slug 寫進 production 之前重讀模型頁面。alias 尤其危險：它在撰寫當下指向 Flash 0731，只列 text 為輸入模態。要讀圖，就 pin 明確的 slug。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。