DeepSeek Vision:
multimodal
через Gateway
DeepSeek научился разбирать картинки в чате — разрыв с GPT сужается. Как встроить vision в корпоративный стек через IRI Gateway и multi-vendor.
На vc.ru и Hacker News обсуждают: в веб-чате DeepSeek появилась загрузка картинок и разбор изображений. Раньше главный аргумент «беру ChatGPT, а не DeepSeek» — multimodal. Теперь этот разрыв сужается.
Источник: vc.ru · DeepSeek Vision (18 июня 2026). Официального пресс-релиза мало — функция уже в проде у пользователей.
Что умеет Vision в чате
- Загрузка скриншотов, диаграмм, фото документов.
- Описание и комментарий «что на картинке».
- Сравнение с GPT/Claude по качеству — в обсуждениях отзывы в целом положительные.
Для разработчиков вопрос не в чате, а в API: можно ли гонять vision-запросы в своём продукте, RAG по сканам, поддержке с фото.
DeepSeek в модельном миксе
Текст и код DeepSeek уже давно — слой экономии в стеке: дешёвый input/output, сильный coding. Vision добавляет сценарии:
- разбор скринов UI и баг-репортов;
- OCR-lite по счетам и накладным (с проверкой человеком);
- превью в мультимодальном RAG.
Обзор текстового API — DeepSeek API в России. Модели в каталоге: V4 Pro, R1.
Через IRI Gateway
- Один ключ и рублёвый баланс на текст + vision (по мере появления в API upstream).
- Failover: vision-задача на DeepSeek, финальный ответ — Claude/GPT при необходимости.
- Лимиты на ключ — чтобы пилот по сканам не съел квартальный бюджет.
- Endpoint:
https://api-ru.agi-iri.ru/v1/— документация.
Ограничения
Vision ≠ юридически значимый OCR. Медицина, бухгалтерия, персональные данные — нужны политики и человек в контуре. Для РФ — оплата по р/с через счёт на юрлицо, не карта физлица.
Итог
DeepSeek Vision — ещё один аргумент за multi-vendor стек: не платить flagship за каждый скриншот. Gateway сводит модели в один контракт и один биллинг для команды.
Подключить LLM API для команды?
Запросите счёт на р/с: после оплаты — ключ, баланс и каталог моделей в одном endpoint.