返回博客

token贵，我替你省了：DeepSeek 没眼睛，两条免费路

·4 分钟阅读·DeepSeek视觉模型免费方案OCR讯飞星辰

远舟笔记·第13篇

你有没有遇到过这种情况：跟AI聊一个问题，想说"你看这张图就明白了"，结果发现图发过去它看不见。我原来也觉得没什么大不了——文字描述也能说清楚。直到有一天，我真想让它帮我读一张表格截图……

痛点

我的 AI 助手跑的是 DeepSeek——便宜、按量计费、国内直连，一个月十几块钱就够了。

但它有一个硬伤：没有视觉。

日常聊天、写文章、整理资料，它都干得很好。但遇到截图、表格、拍摄的文档，我就只能手打文字描述给它。明明一张图就能说清楚的事，非要拆成一行行字打过去，又慢又容易出错。

我在等 DeepSeek 的全模态版本上线——据说6月要出。但在这之前，我需要一个过渡方案。

两条免费的路

找了一圈，发现两条路可以走，而且两条都免费。

方案一：给便宜模型配一双"眼睛"（长期免费）

逻辑很简单：模型负责想，另一个专门的"眼睛"负责看。

就像你请了一个翻译，他不会开车，但你给他配个司机，他照样能去任何地方。

那个"眼睛"叫 PaddleOCR-VL-1.6，是讯飞星辰模型集市里的图像理解模型。给一张图，它读文字、识别内容，然后返回文字描述给 DeepSeek。

工作流程：

我发图片 → PaddleOCR-VL(看图) → 返回文字 → DeepSeek(理解和回答)

对我来说就一步：发图。背后的切换是自动的。

DeepSeek 走官方 API，看图走讯飞星辰——两边各走各的路。看图走的是讯飞星辰的免费 token，不消耗 DeepSeek 的 token。返回的文字描述只多占几十到几百个对话 token，几乎可以忽略。

方案二：羊毛时间，直接换带眼睛的模型（短期免费，更好用）

就在我配好 PaddleOCR-VL 之后，发现讯飞星辰集市里还有一个好东西——Qwen3.6-35B-A3B，阿里通义千问的模型。

这个模型本身就能看图，不需要额外配视觉工具。而且它到6月底都是免费的这两个模型在讯飞星辰上都有免费额度。

这意味着什么？6月之前，我直接把主模型从 DeepSeek 切到 Qwen3.6——它既会思考、又能看图，一个模型全包了。

切换只需要一行配置。想换回来也随时可以。

具体怎么做

第一步：找到模型

打开讯飞开放平台 → 模型集市，找到你要的免费模型：

  • PaddleOCR-VL-1.6
  • Qwen3.6-35B-A3B

点击 API调用。

第二步：选择或创建应用

如果已经有应用了就直接选，没有的话点"创建应用"，名字随意（比如"AI看图"），创建完再回来选它。

第三步：复制关键数据

页面上会生成三样东西：

  1. Model ID — 就是模型名称那串字符
  2. 接口地址 — https://maas-api.cn-huabei-1.xf-yun.com/v2
  3. API Key — 页面上生成的密钥

第四步：交给 AI

把这三样直接发给你的 AI 助手，剩下的事它自己搞定。重启一次对话就能看图了。

方案适用期费用看图方式
Qwen3.6 做主模型6月底前免费自带视觉，直接发图
DeepSeek + PaddleOCR-VL6月后长期免费视觉工具辅助识别

所以我的策略很明确：6月之前用 Qwen3.6，又聪明又能看图，还不要钱。6月之后等 DeepSeek 全模态上线，或者切回 DeepSeek 配上 PaddleOCR-VL 继续免费看图。

实测效果

我用同一张公众号后台数据截图，分别试了两个方案：

PaddleOCR-VL 识别结果：

一张表格，四行数据，读得清清楚楚：

标题阅读
微信聊天里的文件，我用这个工具做了一次"永久归档"5,630
把各平台的内容统一收进Obsidian1,608
腾讯给Windows用户配了6个AI牛马1,386
我用Obsidian+WorkBuddy搭建AI知识库1,206

数字一个没漏，列对齐也没乱。

Qwen3.6 识别结果（更详细）：

它不仅读出了表格数据，还自动做了分析——总阅读量约9,830、占比加起来91.54%、剩余8.46%可能是其他未列出内容。甚至分析了目标受众和内容定位。

而且 Qwen3.6 看图不需要先经过视觉工具——我直接把图丢过去，它自己就看到了。

唯一翻车的：有张国际新闻的截图被内容审核拦了，不过日常的工作截图、公众号文章、表格都没问题。

这个方案最打动我的几个点

1. 不浪费 DeepSeek 的便宜

DeepSeek 按量计费确实划算，我习惯用它做主模型。配上 PaddleOCR-VL，走的是讯飞星辰上模型的免费额度，不用另外付费，就补上了它没视觉的短板。

2. 国产、直连、免费

讯飞星辰的接口在国内，速度稳定，上面的视觉模型有免费 token 可以用，不用折腾网络。

3. 门槛低，启动快

配好之后发截图、发照片、拍文档，它都能识别。不用手打"这张图里有……第一行写着……"。

几句话总结

DeepSeek 便宜好用，就是缺双眼睛。

在它全模态上线之前，我找到了两条免费的路：要么挂个 PaddleOCR-VL 当它的眼镜，要么趁6月底前直接换 Qwen3.6，一个模型全包了。

怎么都不亏。

方法很简单，注册讯飞星辰，找到免费模型开通，配好就能用。试过的来评论区说说你的体验。

📌 你的 AI 助手现在能看图吗？是怎么解决的？评论区聊聊。

我是远舟，在AI时代摸索成长的一名文案写手。
人生并不是轨道，而是旷野。