DeepSeek-V4-Flash-Vision-Exp يصدر أوزانه المفتوحة: بنفس سعر V4-Flash، والآن قابل للاستضافة الذاتية.

DeepSeek-V4-Flash-Vision-Exp، النموذج التجريبي متعدد الوسائط الذي أُطلق على واجهة برمجة تطبيقات DeepSeek في 21 أغسطس، أصدر أوزانه على Hugging Face في 31 أغسطس بموجب ترخيص MIT. بعد عشرة أيام من إطلاق الواجهة البرمجية، أصبح العقل نفسه الذي يُفوتر بأسعار رموز DeepSeek-V4-Flash تمامًا قابلًا للتنزيل بالكامل — ملفات النموذج، والمُرمِّز (tokenizer)، ومرجع ترميز المطالبات، ومسار استدلال بسيط عبر PyTorch، ودعم خدمة vLLM منذ اليوم الأول، وهو ما أعلن عنه مشروع vLLM في اليوم نفسه. وهذا يجعل أرخص وكيل بذاكرة سياق تبلغ مليون رمز وبقدرات رؤية هو أيضًا الأرخص من حيث الاستضافة الذاتية، ويعني أن التنفيذ المرجعي لم يعد الطريقة الوحيدة لتشغيله. الادعاء الجديد الوحيد الذي يستحق الإشارة إليه مقدمًا: المحلل Teortaxes، وهو يقرأ بيان الإصدار على منصة X، قال إن إصدار الأوزان المفتوحة يحقق تكافؤًا في الميزات مع نماذج الرؤية من Moonshot وGLM. الأوزان المفتوحة حقيقة مؤكدة؛ أما ذلك التكافؤ فهو قراءة طرف ثالث لم يتمكن أحد من إعادة إنتاجها بعد.

ما الذي تم شحنه فعليًا

DeepSeek-V4-Flash-Vision-Exp هو نموذج متعدد الوسائط تجريبي، ويُستدعى بمعرّف النموذج deepseek-v4-flash-vision-exp. من الناحية المعمارية، يتكوّن من مشفّر رؤية ووحدة محاذاة فوق البنية الأساسية V4-Flash MoE — وهو نموذج النصوص نفسه الذي يبلغ حجمه نحو 284 مليار معامل، منها 13 مليار معامل نشط، مع إضافة وحدات بصرية إليه. يستقبل النص والصور معًا كمدخلات ويُخرج نصًا، عبر نافذة سياق تبلغ مليون توكين وبحد أقصى 384 ألف توكين للمخرجات، وذلك في وضعي التفكير وعدم التفكير. وهو يدعم صيغة Chat Completions وصيغة Messages بنمط Anthropic وصيغة Responses، وهي الصيغ الثلاث التي يحتاجها إطار عمل الوكلاء (agent framework) لدمجه دون الحاجة إلى محوّل (adapter) مخصص.

عند إدخال الصور، يقبل DeepSeek تنسيقات JPEG وPNG وGIF وWebP، ويتم تمريرها بثلاث طرق: base64 مضمّن، أو عنوان URL خارجي، أو ملف مرفوع عبر واجهة برمجة تطبيقات الملفات (Files API). لا يوجد حتى الآن إدخال فيديو أو صوت — "الرؤية" هنا تقتصر على الصور الثابتة فقط.

في بيان الإصدار، يضع DeepSeek نفسه على النحو التالي: القدرات النصية البحتة — الوكلاء، والاستدلال، والمعرفة العالمية — على قدم المساواة مع الإصدار الرسمي DeepSeek-V4-Flash، بينما تشهد قدرة الوكلاء متعددي الوسائط قفزة كبيرة وتقترب من Opus-4.8. هذا ادعاء من المورّد، غير مُعاد إنتاجه، ويستحق القراءة بعناية، لأن التفاصيل المعيارية التي تقف خلفه أكثر إثارة للاهتمام من العنوان الرئيسي.

ما الذي يتضمنه إصدار الأوزان المفتوحة فعليًا؟

إصدار اليوم يجيب على السؤال الذي تركته تدوينة الإطلاق مفتوحًا. مستودع Hugging Face — deepseek-ai/DeepSeek-V4-Flash-Vision-Exp — يحمل رخصة MIT ويشحن الأوزان الكاملة (نحو 285 مليار معامل — العمود الفقري V4-Flash MoE بالإضافة إلى مشفّر رؤية ومحاذٍ — نحو 13 مليارًا نشطًا لكل توكن، موزعة على 48 شريحة)، والـ tokenizer، وتنفيذًا مرجعيًا لتشفير المطالبات بنمط OpenAI، ومسار استدلال بسيط في PyTorch يغطي مشفّر الرؤية والمحاذي وانتباه DFlash وMoE وHyper-Connections والتمرير الأمامي DSpark. لا تزال DeepSeek تسمي كود PyTorch تنفيذًا مرجعيًا لا محرك خدمة إنتاجيًا — لكنه لم يعد مضطرًا ليكون مسار الخدمة، لأن vLLM أعلنت دعمها من اليوم الأول في اليوم ذاته.

بيان مشروع vLLM نفسه هو أنه يخدم النموذج الآن. ما يعنيه ذلك عمليًا، بعد التحقق من مستودع vLLM وبطاقة النموذج، هو صورة دوكر مثبّتة لليوم صفر (vllm/vllm-openai:deepseekv4-flash-vision) ووصفة رسمية مرتبطة بطلب سحب upstream لا يزال مفتوحًا (#54566). دعم الرؤية غير موجود في حزمة vLLM المُصدَرة (wheel) — فالحزمة العادية توجّه نقطة التحقق إلى مسار النص فقط وتفشل عند موترات الرؤية — لذا فإن "اليوم صفر" هنا يعني صورة تثبّتها، وليس ترقيةً لتثبيت vLLM موجود. على تلك الصورة، يبلغ vLLM عن مسار رؤية يعمل على NVIDIA GB200 ودرجة OCRBench تبلغ 835 (83.5%) في تهيئته المرجعية. لقد انتقل السقف العملي من "انتظار إصدار مستقر" إلى "نزّل، وقدّم، وقِس بنفسك".

على منصة إكس، أطر المحلل Teortaxes الإصدار في إطار تنافسي: فالأوزان المفتوحة تمنح الآن شركة DeepSeek بعض التكافؤ في الميزات مع نماذج الرؤية من Moonshot وGLM. وهذه قراءة من طرف ثالث — ليست بيانًا من DeepSeek ولا نتيجة مُقاسة — لكنها قابلة للاختبار بطريقة لم تكن متاحة قبل هذا الإصدار، لأن الإصدار نفسه يمنح أي شخص الملفات اللازمة لإجراء المقارنة.

لماذا قفزة المعيار أكبر مما تبدو

جميع الأرقام الواردة أدناه هي أرقام DeepSeek الخاصة، نُشرت في ملاحظة الإطلاق، ولم يتم التحقق منها بشكل مستقل. في اختبارات الأداء الخاصة بالوكلاء التي تتضمن لقطات شاشة وصورًا، لا يقرأها نموذج DeepSeek-V4-Flash النصي فقط — بل إنه يتجاهل ببساطة الأجزاء متعددة الوسائط من المهمة. أما DeepSeek-V4-Flash-Vision-Exp فإنه ينظر فعليًا إلى تلك العناصر، ولهذا تكون الفروقات كبيرة جدًا:

• ApexBench Pass@1 — Vision-Exp 36.5 مقابل V4-Flash 26.2 (Opus-4.8 39.4)

الاختبار الأخير للوكلاء — Vision-Exp 27.3 مقابل V4-Flash 25.2 (Opus-4.8 25.7)

• Terminal-Bench 2.1 — Vision-Exp 83.9 مقابل V4-Flash 82.7 (Opus-4.8 85.0)

• NL2Repo — Vision-Exp 57.7 مقابل V4-Flash 54.2 (Opus-4.8 69.7)

• DeepSWE — Vision-Exp 59.3 مقابل V4-Flash 54.4 (Opus-4.8 58.0)

• رسم الخرائط — Vision-Exp 64.3 (إصدار V4-Flash النصي فقط لا يمكنه محاولة ذلك)

• ZeroBench Pass@5 — Vision-Exp 35.0 (لا يمكن لإصدار V4-Flash النصي فقط خوضه)

رقمان من تلك الأرقام يستحقان نظرة ثانية. في اختبار Agents' Last Exam، يتفوق Vision-Exp (27.3) على Opus-4.8 (25.7) بهامش ضئيل، وكذلك في DeepSWE يتغلب على Opus-4.8 (59.3 مقابل 58.0). وهذا هو ما تستند إليه فعليًا عبارة "قريب من Opus-4.8" — ليس نتيجة بارزة واحدة، بل مجموعة من معايير الوكلاء حيث تؤدي رؤية الشاشة إلى سد معظم الفجوة مع النموذج متعدد الوسائط الرائد، بينما يقل سعره عنه بمقدار عشرة أضعاف تقريبًا.

كم تبلغ تكلفة الصورة، حتى الخانة العشرية.

يتم تحويل الصور إلى رموز من أجل الفوترة — حتى 384 رمزًا لكل صورة — ثم يتم تحصيلها بنفس معدلات كل رمز الخاصة بـ DeepSeek-V4-Flash. وبما أن DeepSeek نقل جميع نماذجه إلى التسعير حسب فترات الذروة وخارجها في 16 أغسطس 2026، فإن الأرقام الدقيقة تعتمد على وقت اتصالك:

الإدخال، خطأ الكاش — $0.22 لكل مليون توكن خارج أوقات الذروة، $0.44 في أوقات الذروة

• الإدخال، إصابة ذاكرة التخزين المؤقت — 0.007 دولار لكل مليون رمز خارج أوقات الذروة، و0.014 دولار في الذروة

الإخراج — 0.66 دولار لكل مليون توكن خارج أوقات الذروة، 1.32 دولار في أوقات الذروة.

ساعات الذروة — 01:00–04:00 و06:00–10:00 UTC (جميع الساعات الأخرى خارج الذروة)

قم بالحساب وستجد أن تكلفة الرؤية تختفي تقريبًا. صورة واحدة عند حدها الأقصى البالغ 384 رمزًا تكلّف حوالي 0.0085 سنتًا خارج أوقات الذروة و0.017 سنتًا في أوقات الذروة، كمدخلات. وكيل يقرأ 50 لقطة شاشة في تشغيل واحد يضيف ما يقارب نصف سنت من رموز الإدخال — قبل أن يكتب النموذج حتى أول رمز إخراج. كما يضبط DeepSeek الدقة قبل الاستدلال: مستوى التفاصيل المنخفض يعيد تغيير الحجم إلى 512×512، والمستوى العالي/الأصلي يقوم بقياس مسبق للصورة (الصغيرة حتى حوالي 384×384، والكبيرة إلى حوالي 800×800)، لذلك لا يتم إدخال صورة أصلية عالية الدقة إلى النموذج بعدد وحدات البكسل الأصلي أبدًا.

أصبحت هذه الأسعار سقفًا وليست الخيار الوحيد. ومع نشر الأوزان، فإن الاستضافة الذاتية تكلف بقدر تكلفة وحدات معالجة الرسومات لديك بدلًا من سعر القائمة لكل توكين — يستحق الأمر حساب التكاليف إذا كنت تشغّل بالفعل أجهزة استدلال، وغير ذي صلة إذا لم تكن كذلك.

طاقم الدعم: واجهة برمجة تطبيقات Files مجانية و Harness 0.1.1

صدرت قطعتان من البنية التحتية بالتزامن مع إطلاق واجهة البرمجة. واجهة Files API متاحة الآن ومجانية: ارفع صورة مرة واحدة، ثم أشر إليها عبر file_id، وأعد استخدامها في طلبات متعددة دون إعادة إرسال البايتات — وهذا أمر بالغ الأهمية لوكيل تصفح يُبقي الصفحة في السياق عبر عدة تفاعلات. وفي اليوم نفسه، صدرت DeepSeek Harness 0.1.1 مع دعم جاهز للنموذج الجديد، ما يتيح لأداة الاختبار والتشغيل التي تقيس وتدفع مهام DeepSeek الوكيلة استهدافه فورًا. ومع ترخيص الأوزان بموجب MIT، أصبحت حزمة النموذج والأدوات مفتوحة بالكامل من طرف إلى طرف.

تحذير الإنتاج، بعبارات صريحة

هذا نموذج تجريبي. تصنّفه DeepSeek صراحةً على هذا النحو، ولم تعلن عن أي موعد للإتاحة العامة (GA)، وتوصي بعدم تشغيله مباشرة في بيئات الإنتاج؛ الخطة المعلنة هي التكرار انطلاقًا من الملاحظات وإصدار نسخة مستقرة لاحقًا. النتيجة العملية هي أن العقل النصي مُثبت — فهو ينتمي إلى نفس عائلة الأوزان التي تشغّل V4-Flash — لكن مسار الرؤية كود جديد. صورة vLLM ليوم الإطلاق تجعله قابلًا للتشغيل اليوم، غير أن تلك الصورة صريحة في كونها نسخة ما قبل الإصدار: تنفيذ الرؤية موجود في طلب سحب (Pull Request) مفتوح، وليس في إصدار مستقر، والعتاد الوحيد الذي نُشر له تشغيل رؤية حتى الآن هو NVIDIA GB200. لذا فإن الموجة الأولى من اختبارات التحمل المستقلة لم تبدأ بعد إلا هذا الأسبوع — لكنها تبدأ بمحرك خدمة فعلي، وليس فقط بالكود المرجعي من DeepSeek.

هذا هو بالضبط الموقف الذي تُثبت فيه طبقة التوجيه جدارتها. على OrcaRouter، يعمل كل من deepseek/deepseek-v4-flash-vision-exp و deepseek/deepseek-v4-flash خلف واجهة API واحدة، بسعر DeepSeek الرسمي دون أي زيادة. يمكنك توجيه حركة المرور الحاملة للصور إلى النموذج التجريبي، وفي الإعداد نفسه، ضبط تبديل تلقائي إلى نموذج احتياطي فور حدوث خطأ أو انتهاء المهلة — وهو ما يزيل المخاطر عن مشكلة «الكود الجديد» بالكامل. كما تتيح لك لغة التوجيه DSL إرسال المكالمات التي تحتوي صورًا فعليًا فقط إلى نموذج الرؤية، مع إبقاء حركة النصوص الصرفة على DeepSeek-V4-Flash، لتحقيق مكاسب المعايير حيثما وُجدت، دون دفع أي شيء إضافي حيثما لم توجد.

رخصة MIT تعني أيضًا أن مسار الاستضافة الذاتية أصبح متاحًا الآن للفرق التي تريده — يتضمن الإصدار كود استدلال مرجعي، وصورة vLLM المتاحة من اليوم الأول تضيف خيار تقديم بجودة الإنتاج، لذا لن تكون مقيدًا بواجهة API. أما لمن لا يرغب في تشغيل نموذج MoE يضم نحو 285 مليار معامل فقط لتقييم نموذج، فإن واجهة API للتوجيه هي المدخل الأكثر سلاسة.

ماذا تشاهد بعد ذلك

قلّت الأسئلة المفتوحة منذ إطلاق الواجهة البرمجية. هل يصل DeepSeek-V4-Flash-Vision-Exp إلى مرحلة الإتاحة العامة (GA)، وهل يبقى السعر على حاله؟ هل تأتي مدخلات الفيديو أو الصوت لاحقًا — فالنموذج اليوم يقتصر على الصور الثابتة فقط، ما يترك نماذج الحدود متعددة الوسائط الكبرى بلا منافس في الوسائط المتحركة؟ متى يتخرج مسار الرؤية في vLLM من صورة اليوم الأول المثبّتة إلى إصدار مستقر، ثم إلى عتاد يتجاوز GB200؟ وهل تعيد التقييمات المستقلة — أول تشغيل من طرف خارجي على ApexBench أو Terminal-Bench، وهو أمر أصبح ممكنًا الآن لأي شخص يملك وحدات معالجة رسومية — إنتاج الأرقام المنشورة؟

تغيّر أمر واحد منذ صدور ملاحظة الإصدار. في 8 سبتمبر، أفاد Teortaxes — المحلل الذي يظهر تأطيره للتكافؤ أعلاه — استنادًا إلى اختبارات عملية أن DeepSeek يبدو الآن يشغّل ما لا يقل عن نموذجين حديثين من V4-Flash-Vision. النموذج الذي وصل إليه عبر الاختبار الرمادي كان، في اختباره، الأقوى بين الاثنين، وكان يعمل بالسرعة نفسها التي يعمل بها DeepSeek-V4-Flash-Vision-Exp، وهو ما فسّره على أنه قاعدة مشتركة؛ بينما إصدار أحدث أسرع لكنه أضعف. هذه ملاحظة اختبار رمادي من باحث واحد، وليست تصريحًا من DeepSeek ولا معيارًا مستقلًا. وقد جاءت في اليوم نفسه الذي فتحت فيه DeepSeek نسخة تجريبية من API لمدة يومين لـ«نسخة وسيطة» تصفها بأنها أصلية متعددة الوسائط وأسرع — بدأ معرّف النموذج deepseek-v4.1-flash-expires-on-0910 يقدّم الخدمة في 8 سبتمبر — لذا فالسؤال العملي للمشتري هو أين يقع إصدار الإطلاق في مقايضة السرعة مقابل القوة: هل تحافظ الطبقة الأسرع على ملف معايير الوكلاء الذي جعل الإصدار مفتوح الأوزان مثيرًا للاهتمام، أم تقايضه بالإنتاجية.

مسألة التكافؤ بين Moonshot وGLM هي الأخرى التي يجب متابعتها. صياغة Teortaxes هي النسخة القابلة للاختبار من مقولة البائع "قريب من Opus-4.8": مع فتح الأوزان، يمكن لأي شخص الآن إجراء مقارنة مباشرة بين نماذج الرؤية من Moonshot وGLM على معاييره الخاصة. وإلى أن يقوم أحد بذلك، تبقى مجرد ادعاء. أما ما لا يحتاج إلى إعادة إنتاج فهو حقيقة التسعير التي تقع تحت الإصدار بأكمله — الرؤية بأسعار النصوص هي رقم فوترة، لا معيار، ومع فتح الأوزان أصبح لها بديل مجاني مرفق.