Vercel AI Gateway、画像入力対応の DeepSeek V4 Flash Vision を追加
Vercel AI Gateway に実験版のマルチモーダルモデル「DeepSeek V4 Flash Vision Exp」が追加された。100万トークンの共有コンテキストと画像入力に対応し、AI SDK のほか OpenAI／Anthropic 互換 API からも呼び出せる。複数プロバイダ経由で自動フェイルオーバーする。
何が発表されたか
Vercel は 2026年8月21日、AI Gateway で DeepSeek V4 Flash Vision Experimental が利用可能になったことを公開した。画像入力に対応し、100万トークンのコンテキストウィンドウを持つ実験的なモデルとして案内されている。
Vercel のモデルドキュメントでは、このモデルを「DeepSeek-V4-Flash が持つエージェント的な推論・コーディング・世界知識の能力に、高度な視覚理解を組み合わせた実験的マルチモーダルモデル」と説明している。
主な仕様は次の通り。
- プロンプトと応答で共有する 100万トークンのコンテキストウィンドウ
- 出力は最大 384,000 トークン
- 画像入力に対応（URL、base64、Uint8Array の各形式）
- ツール呼び出し（tool calling）に対応
- 推論モードを none / minimal / low / medium / high / xhigh から選択可能
- 暗黙的キャッシュ（implicit caching）に対応
開発者への影響
呼び出し方の選択肢が広いことが実務上のポイントになる。AI SDK の generateText / streamText に加えて、OpenAI Chat Completions、OpenAI Responses、Anthropic Messages の各 API 形式からも利用できる。AI Gateway 側が認証とプロバイダのルーティングを引き受けるため、既存コードのインターフェースを大きく変えずに試せる形になっている。
プロバイダ構成についても、複数のプロバイダがこのモデルを提供しており、自動フェイルオーバーが働く。ルーティング先を限定する、プロバイダの優先順位を指定する、あるいはコスト・TTFT（最初のトークンまでの時間）・1秒あたりのトークン数でソートする、といった制御も可能とされている。
なお、名称のとおり本モデルは実験的（Experimental）な位置づけで提供されている点は考慮しておきたい。