DeepSeek 图片理解 - 黑胡子AI便利店

实测日期：2026-09-19。本页使用 deepseek-flash，通过三种协议发送同一张 PNG 参考图，三次均识别出蓝色杯子，并收到正常完成标记。先下载参考图 reference.png到代码运行目录。它是一张 1024×1024 的蓝色杯子图片。代码从本地文件编码图片内容，测试没有把杯子的颜色或物体名称写进问题。

Chat Completions

图片放在 image_url.url 中，使用完整 Data URL。

import os
from openai import OpenAI
client = OpenAI(api_key=os.environ['HEIHUZI_API_KEY'], base_url='https://code.heihuzi.ai/v1', timeout=120.0, max_retries=0)
import base64
from pathlib import Path
encoded = base64.b64encode(Path('reference.png').read_bytes()).decode('ascii')
result = client.chat.completions.create(model='deepseek-flash', messages=[{'role': 'user', 'content': [{'type': 'text', 'text': 'What is the main object and its color? Answer briefly in English.'}, {'type': 'image_url', 'image_url': {'url': f'data:image/png;base64,{encoded}'}}]}], max_tokens=1024)
text = result.choices[0].message.content
print(text)
assert result.choices[0].finish_reason == 'stop'
assert 'blue' in text.lower() and ('cup' in text.lower() or 'mug' in text.lower())

Responses

图片使用 input_image.image_url，文本使用 input_text。

import os
from openai import OpenAI
client = OpenAI(api_key=os.environ['HEIHUZI_API_KEY'], base_url='https://code.heihuzi.ai/v1', timeout=120.0, max_retries=0)
import base64
from pathlib import Path
encoded = base64.b64encode(Path('reference.png').read_bytes()).decode('ascii')
result = client.responses.create(model='deepseek-flash', input=[{'role': 'user', 'content': [{'type': 'input_text', 'text': 'What is the main object and its color? Answer briefly in English.'}, {'type': 'input_image', 'image_url': f'data:image/png;base64,{encoded}'}]}], max_output_tokens=1024)
print(result.output_text)
assert result.status == 'completed'
assert 'blue' in result.output_text.lower() and any((x in result.output_text.lower() for x in ('cup', 'mug')))

Messages

图片使用 source.type="base64"、media_type="image/png" 和不带 Data URL 前缀的 base64 数据。客户端只提取 text 块。

import os
from anthropic import Anthropic
client = Anthropic(api_key=os.environ['HEIHUZI_API_KEY'], base_url='https://code.heihuzi.ai', timeout=120.0, max_retries=0)
import base64
from pathlib import Path
encoded = base64.b64encode(Path('reference.png').read_bytes()).decode('ascii')
result = client.messages.create(model='deepseek-flash', max_tokens=1024, messages=[{'role': 'user', 'content': [{'type': 'image', 'source': {'type': 'base64', 'media_type': 'image/png', 'data': encoded}}, {'type': 'text', 'text': 'What is the main object and its color? Answer briefly in English.'}]}])
answer = ''.join((block.text for block in result.content if block.type == 'text'))
print(answer)
assert result.stop_reason == 'end_turn'
assert 'blue' in answer.lower() and any((x in answer.lower() for x in ('cup', 'mug')))

范围

本页通过的组合为 Flash、单张 1024×1024 PNG、base64 编码输入及上述三种协议。请求文本只询问物体和颜色，实际结果识别出蓝色杯子。官方视觉格式参考此接口用于理解图片。生成或编辑图片请使用 GPT Image 文档。