DeepSeek Vision: как анализировать изображения, скриншоты и графики

Современные модели DeepSeek работают с текстом и изображениями. Модель deepseek-flash принимает изображения и может описывать их, читать текст со скриншотов, анализировать графики и отвечать по визуальному содержимому.

Главное — понимать разницу между анализом изображения и генерацией картинки. DeepSeek Vision нужен прежде всего для понимания того, что уже изображено.

Что можно анализировать

• скриншоты интерфейсов;
• графики и диаграммы;
• фотографии документов;
• таблицы в виде изображения;
• схемы и чертежи;
• ошибки на экране;
• несколько изображений в одном запросе, если интерфейс или API это позволяет.

Как попросить разобрать скриншот

Проанализируй только то, что видно на скриншоте. Найди ошибки интерфейса, обрезанный текст, пересечения элементов и проблемы с выравниванием. Для каждой проблемы укажи область экрана. Не предполагай состояние скрытых меню.

Последняя фраза важна: визуальная модель может делать правдоподобные предположения о том, чего на изображении нет.

Как анализировать график

Опиши тренд на графике, найди максимумы и минимумы и перечисли точки резкого изменения. Если подпись оси или значение невозможно прочитать уверенно, отметь это вместо догадки.

Фото документа

Если у вас фотография страницы, сначала попросите извлечь ключевые поля, а затем анализировать их. Для важных цифр полезно отдельно попросить повторно сверить значение по изображению.

Если документ можно загрузить как обычный PDF, чаще удобнее использовать работу с файлами DeepSeek.

Vision в API

В API визуальный ввод поддерживает deepseek-flash. Изображение можно передать как URL, base64 или загрузить через Files API и затем сослаться на file_id.

Files API принимает JPEG, PNG, GIF и WebP. Один файл может быть до 64 MiB. Это полезно, когда изображение нужно использовать повторно и не хочется каждый раз отправлять его заново.

Когда Vision ошибается

• очень мелкий текст;
• размытая фотография;
• сложная таблица с объединёнными ячейками;
• график без подписей осей;
• схема, где линии накладываются друг на друга;
• задача требует информации за пределами кадра.

В таких случаях не просите сразу итоговый вывод. Сначала проверьте, что модель правильно прочитала исходные данные.

Vision и режим Thinking

Сложное рассуждение не исправляет плохое изображение. Если исходник нечитаемый, max reasoning не восстановит отсутствующие детали. Лучше загрузить более качественную версию или вырезать нужную область.

О выборе режима — в отдельном гайде.

Практика: как проверить качество распознавания скриншота

1. Подготовьте демонстрационный скриншот без личных данных: таблицу с суммами, график с подписями осей или интерфейс с заведомо обрезанным текстом.
2. Если в вашем режиме доступна загрузка изображения, прикрепите оригинал в JPEG, PNG или WebP; для API используйте deepseek-flash.
3. Запросите: «Выпиши только видимые надписи и числа. Для каждого сомнительного значения пометь низкую уверенность. Не восстанавливай то, чего не видно».
4. Сверьте данные с оригиналом, затем дайте отдельный вопрос об ошибках или тенденциях. Не смешивайте распознавание, вывод и рекомендации в одну проверку.

Минимальный запрос к Vision API

Документация разрешает передачу изображения по общедоступной HTTP(S)-ссылке. Пример ниже иллюстрирует структуру запроса; замените адрес на своё тестовое изображение. Для чувствительных данных публичную ссылку создавать нельзя.

curl https://api.deepseek.com/chat/completions \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-flash","messages":[{"role":"user","content":[{"type":"text","text":"Опиши только видимые элементы изображения"},{"type":"image_url","image_url":{"url":"https://example.com/test.png"}}]}]}'

Здесь example.com/test.png — заполнитель, а не действительное изображение и не проверенный результат запроса. У публичного URL должна быть прямая доступность. Поддерживаются JPEG, PNG, GIF, WebP; модель ограничивает размеры файлов и может ошибаться при чтении мелких подписей. Официальные правила Vision и лимиты.

Критерии качества

Для проверки возьмите 10 читаемых чисел со скриншота и подсчитайте, сколько модель указала правильно. Отдельно оцените ложные утверждения об элементах, которых на изображении нет.

Коротко

DeepSeek Vision особенно полезен для скриншотов, графиков и визуальной проверки. Формулируйте задачу так, чтобы модель отличала наблюдение от предположения, и перепроверяйте критичные цифры по оригиналу.