DeepSeek-V4-Flash 什么都好：聪明，快，价格便宜到不像话。
然后你截了一张图贴给它。
你等它回答。它回了五个字：暂不支持图片。
你换个姿势再试，把图片拖进去。五个字。你把图片下载下来换个格式再贴。五个字。你开始怀疑问题出在自己身上，打开搜索引擎查「DeepSeek 看图」，搜到的每一条结果都在告诉你同一件事：它是个纯文本模型，只认字，不认图。跟一个人打电话差不多，你把图举到话筒前面，他只会说「我听不到颜色」。
能不能给它装一双眼睛？能。还免费。
我做了个工具叫 ModLens。装进你的 AI 工具，模型就能看图了。模型本身不用动。
装上之后能看什么
截图、照片、流程图、数据表，只要是图它都读。图上有字，字一句不落。图上有版面结构，上下左右不乱。128 个点挤在一张散点图里？后面有实测，它照样把目标点揪出来。
喂图的方式也随你：把图片文件拖进对话，或者最顺手的复制粘贴。
装好之后不用操心什么时候该叫它。对话里一出现图片，模型自己知道该找谁帮忙。
两步装好
第一步，领一个免费的看图引擎。 到 Google AI Studio 领一个免费的 Gemini api key（一串当通行证用的字符），三分钟，不用绑信用卡。连 key 都不想申请的话，装 Google 家的 Antigravity CLI 也行，拿现成的 Google 账号登录一次就能用，只是慢一些，后面细说。
第二步，剩下的全交给你的 AI。 把这句话发给它，领了 Gemini api key 的话，把 key 一起发：
按 https://github.com/liustack/modlens 的 INSTALL.md 安装并配置 modlens skill，完成后运行体检并把结果告诉我。它会自己安装、自己配置、自己跑一遍体检，最后把结果汇报给你。你全程一行命令都不用敲，之后往对话里丢图就行。
装完是什么体验
以下全是原样实录，干活的都是纯文本的 DeepSeek-V4-Flash。
丢一张工作流程图进去，问图上画了什么。它先老实交代「我本身看不到图片」，然后自己调 ModLens 读图：四个节点、颜色、箭头方向，全部答对，25 秒。一个看不见图的模型，自己翻出放大镜把图看了。
一次贴三张水彩插画进去，想看它会不会乱。它回一句「三张图我逐张读取，稍等」，21 秒后逐张交卷：每张的画面、配色、风格一条条列清，连第一张「写作和终端两个意象放在一起」的设计意图都点了出来。
一张哈兰德和乔丹合影的推文截图。它读出的远不只「两个人在沙滩合影」：配文、发布时间、回复 2.9K、点赞 270K、浏览量 5M，连乔丹手腕上那块表都进了描述。表的品牌呢？分辨率不够，它写「无法确认品牌」。不瞎编，这一点我比什么都在意。
最后上压力测试。一张 128 个模型的智能对成本散点图，点密得看着眼晕。它读出标题、双轴、刻度，把高亮的 DeepSeek V4 Flash 从点堆里精准拎出来，坐标都对（成本约 $0.028，智能指数 50）。密集图表是识图最容易翻车的场景，这一关过了，日常截图更不在话下。
粘贴图片也行
最值得单独说的是粘贴图片。有些工具（比如把模型换成 DeepSeek 的 Claude Code）会在中间把图剥掉，界面只剩一个「不支持的图片」占位符，图没了。
ModLens 能把它找回来。下图是真实一幕：粘了两张图，界面只剩占位符，模型自己把图找了回来逐张读出，连 PPT 封面的配色色值都读对了。
这条路是怎么走通的，从「走不通」到翻盘的全过程，单独写了一篇：《在 Claude Code 用 DeepSeek-V4-Flash，真的没办法粘贴图片识图吗？》。万一哪天这条路不通了，把图片文件拖进对话窗口，永远是保底做法。
免费的底气：五条路，倒了就换
免费的东西，最怕哪天说没就没。所以 ModLens 不把命押在任何一家身上：看图的引擎有五家可选，随时能换。推荐的免费 Gemini api key，一张图 5 到 10 秒。免申请的 Antigravity CLI 慢一些（15 到 40 秒），额度按周发放，胜在什么都不用注册。此外通义千问、GLM4.7v 这类兼容 openai 接口的平台、Claude Code 也都支持。哪家出了问题，换一家接着用，你这边什么都不用改。
它不擅长什么
三件事先说清楚。说清楚了你反而敢用。
得装在电脑上的 AI 工具里。 Claude Code、Codex、Pi、OpenCode 这四款实测可用，同类工具原理相通。DeepSeek 官网那种网页聊天框，装不了。
速度够用，不算快。 一张图几秒到几十秒，日常问答够了。想做实时应用，不行。
读不准的地方会明说。 分辨率不够、内容拿不准，它标出来交给你判断，不会编一个像样的答案糊弄过去。
同一招也能给纯文本模型加上联网搜索能力：搜网页、读链接、查推特，写在姊妹篇《免费给你的 DeepSeek-V4-Flash 加上联网搜索能力》里。
按 https://github.com/liustack/modlens 的 INSTALL.md 安装并配置 modlens skill，完成后运行体检并把结果告诉我。ModLens 这次重构，从想清楚到写完，用的也是我自己那套工作流 liustack：动手前用 shaping 把方向捋清楚，写代码时用 coding 守纪律。
一双眼睛，一句话装好，五条路随时能换。你的模型从此看得见。