DeepSeek-V4-Flash-Vision-Exp wird als Open Weights veröffentlicht: Gleicher Preis wie V4-Flash, jetzt selbst hostbar

DeepSeek-V4-Flash-Vision-Exp, das experimentelle multimodale Modell, das am 21. August auf der DeepSeek-API gestartet wurde, hat seine Gewichte am 31. August unter der MIT-Lizenz auf Hugging Face veröffentlicht. Zehn Tage nach dem API-Start ist dasselbe Gehirn, das zu exakt den Token-Preisen von DeepSeek-V4-Flash abgerechnet wird, vollständig herunterladbar – Modelldateien, Tokenizer, Prompt-Encoding-Referenz, ein minimaler PyTorch-Inferenzpfad und vLLM-Serving ab Tag null, was das vLLM-Projekt am selben Tag ankündigte. Damit ist der günstigste Agent mit 1M-Kontext und Augen auch der günstigste, um ihn selbst zu hosten, und es bedeutet, dass die Referenzimplementierung nicht mehr der einzige Weg ist, ihn auszuführen. Die eine neue Behauptung, die man gleich zu Beginn hervorheben sollte: Der Analyst Teortaxes sagte auf X, dass die Open-Weights-Veröffentlichung Feature-Parität mit den Vision-Modellen von Moonshot und GLM bringe. Die offenen Gewichte sind eine verifizierte Tatsache; diese Parität ist eine Drittmeinung, die noch niemand reproduziert hat.

Was tatsächlich ausgeliefert wurde

DeepSeek-V4-Flash-Vision-Exp ist ein experimentelles multimodales Modell, das über die Modell-ID deepseek-v4-flash-vision-exp aufgerufen wird. Architektonisch handelt es sich um einen Vision-Encoder und einen Aligner auf dem V4-Flash-MoE-Backbone – dasselbe Textmodell mit etwa 284 Milliarden Parametern und 13 Milliarden aktiven Parametern, erweitert um visuelle Module. Es nimmt Text und Bilder als Eingabe und erzeugt Text als Ausgabe, über ein Kontextfenster von 1M Token mit einer maximalen Ausgabe von 384K, sowohl im Denk- als auch im Nicht-Denk-Modus. Es unterstützt das Chat-Completions-Format, Messages im Anthropic-Stil und das Responses-Format – das Trio, das ein Agent-Framework benötigt, um es ohne benutzerdefinierten Adapter anzubinden.

Bei Bildeingabe akzeptiert DeepSeek JPEG, PNG, GIF und WebP, die auf drei Arten übergeben werden können: als Inline-Base64, als externe URL oder als Datei, die über die Files API hochgeladen wurde. Es gibt noch keine Video- oder Audioeingabe – die „Vision“ hier beschränkt sich auf Standbilder.

DeepSeeks eigene Positionierung in den Release-Notes: Die reine Textfähigkeit – Agenten, Reasoning, Weltwissen – ist auf dem Niveau der offiziellen DeepSeek-V4-Flash-Version, während die multimodale Agentenfähigkeit einen großen Sprung macht und nahe an Opus-4.8 herankommt. Das ist eine unbelegte Herstellerangabe, die man genau lesen sollte, denn die Benchmark-Details dahinter sind interessanter als die Schlagzeile.

Was die Open-Weights-Veröffentlichung tatsächlich enthält

Das heutige Release beantwortet die Frage, die der Einführungsbeitrag offen ließ. Das Hugging-Face-Repository — deepseek-ai/DeepSeek-V4-Flash-Vision-Exp — ist unter der MIT-Lizenz verfügbar und liefert die vollständigen Gewichte (etwa 285 Milliarden Parameter — das V4-Flash-MoE-Backbone plus einen Vision-Encoder und Aligner — etwa 13 Milliarden aktive Parameter pro Token, verteilt auf 48 Shards), den Tokenizer, eine Referenzimplementierung für die Prompt-Encodierung im OpenAI-Stil sowie einen minimalen PyTorch-Inferenzpfad, der den Vision-Encoder, den Aligner, die DFlash-Attention, das MoE, Hyper-Connections und den DSpark-Forward-Pass abdeckt. DeepSeek bezeichnet den PyTorch-Code weiterhin als Referenzimplementierung und nicht als Produktions-Serving-Engine — aber er muss nicht länger der Serving-Pfad sein, denn vLLM kündigte noch am selben Tag Day-0-Support an.

Das vLLM-Projekt gibt selbst an, das Modell jetzt zu servieren. Was das in der Praxis bedeutet, geprüft am vLLM-Repository und an der Modellkarte, ist ein festgepinntes Day-0-Docker-Image (vllm/vllm-openai:deepseekv4-flash-vision) und ein offizielles Rezept, das an einen noch offenen Upstream-Pull-Request (#54566) gebunden ist. Die Vision-Unterstützung ist nicht in einem veröffentlichten vLLM-Wheel enthalten – das reguläre Wheel leitet den Checkpoint an den Text-only-Pfad weiter und scheitert an den Vision-Tensoren – Day-0 bedeutet hier also ein Image, das man pinnt, und kein Upgrade einer bestehenden vLLM-Installation. Auf diesem Image meldet vLLM einen funktionierenden Vision-Pfad auf NVIDIA GB200 und einen OCRBench-Score von 835 (83,5 %) in seiner Referenzkonfiguration. Die praktische Obergrenze hat sich von „auf ein stabiles Release warten“ zu „selbst herunterladen, servieren und messen“ verschoben.

Auf X stellte der Analyst Teortaxes die Veröffentlichung in Wettbewerbsbegriffen dar: Die offenen Gewichte verleihen DeepSeek nun eine gewisse Feature-Parität mit den Vision-Modellen von Moonshot und GLM. Das ist eine Einschätzung von dritter Seite – keine Aussage von DeepSeek und kein gemessenes Ergebnis –, aber sie ist testbar, anders als vor dieser Veröffentlichung, denn dieselbe Veröffentlichung gibt jedem die Dateien an die Hand, um den Vergleich durchzuführen.

Warum der Benchmark-Sprung größer ist, als er aussieht

Alle folgenden Zahlen stammen von DeepSeek selbst und wurden im Startbeitrag veröffentlicht, nicht unabhängig verifiziert. Bei den Agent-Benchmarks, die Screenshots und Bilder einbetten, liest das reine Textmodell DeepSeek-V4-Flash diese nicht – es ignoriert einfach die multimodalen Teile der Aufgabe. DeepSeek-V4-Flash-Vision-Exp schaut tatsächlich hin, weshalb die Unterschiede so groß sind:

• ApexBench Pass@1 — Vision-Exp 36,5 vs. V4-Flash 26,2 (Opus-4.8 39,4)

• Agents' Last Exam — Vision-Exp 27,3 vs. V4-Flash 25,2 (Opus-4.8 25,7)

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

• NL2Repo — Vision-Exp 57,7 vs. V4-Flash 54,2 (Opus-4.8 69,7)

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

• Chartography — Vision-Exp 64.3 (Nur-Text-V4-Flash kann es nicht versuchen)

• ZeroBench Pass@5 — Vision-Exp 35.0 (das reine Textmodell V4-Flash kann es nicht versuchen)

Zwei dieser Zahlen verdienen einen zweiten Blick. Beim Agents' Last Exam liegt Vision-Exp (27,3) knapp vor Opus-4.8 (25,7), und bei DeepSWE schlägt es Opus-4.8 ebenfalls (59,3 zu 58,0). Darauf beruht das „nahe an Opus-4.8“ tatsächlich — nicht auf einem einzelnen Vorzeigeergebnis, sondern auf einer Reihe agentischer Benchmarks, bei denen das Sehen des Bildschirms den Großteil der Lücke zum führenden multimodalen Modell schließt, während es preislich um etwa eine Größenordnung darunterliegt.

Was ein Bild kostet, bis auf die Dezimalstelle

Bilder werden für die Abrechnung tokenisiert – jeweils bis zu 384 Tokens – und dann zu denselben Preisen pro Token berechnet wie DeepSeek-V4-Flash. Da DeepSeek am 16. August 2026 alle seine Modelle auf Spitzen-/Nebenzeiten-Preise umgestellt hat, hängen die genauen Zahlen davon ab, wann Sie aufrufen:

• Eingabe, Cache-Miss — 0,22 $ pro 1 Mio. Tokens außerhalb der Spitzenzeiten, 0,44 $ zur Spitzenzeit

• Eingabe, Cache-Treffer — 0,007 $ pro 1 Mio. Tokens außerhalb der Spitzenzeiten, 0,014 $ zu Spitzenzeiten

• Ausgabe — $0,66 pro 1M Tokens außerhalb der Spitzenzeiten, $1,32 zu Spitzenzeiten

• Spitzenzeiten — 01:00–04:00 und 06:00–10:00 UTC (alle anderen Stunden außerhalb der Spitzenzeiten)

Rechnen Sie nach, und die Kosten für Bildverarbeitung verschwinden fast. Ein Bild mit seinem 384-Token-Limit kostet als Eingabe etwa 0,0085 Cent außerhalb der Spitzenzeiten und 0,017 Cent zur Spitzenzeit. Ein Agent, der in einem einzigen Durchlauf 50 Screenshots liest, fügt grob einen halben Cent an Eingabe-Tokens hinzu – bevor das Modell überhaupt sein erstes Ausgabe-Token schreibt. DeepSeek begrenzt die Auflösung außerdem schon vor der Inferenz: Die niedrige Detailstufe skaliert auf 512×512 um, und hoch/original skaliert das Bild vorab (kleine Bilder hoch auf etwa 384×384, große herunter auf etwa 800×800), sodass ein hochauflösendes Original dem Modell nie in seiner nativen Pixelanzahl zugeführt wird.

Diese Preise sind nun eine Obergrenze und nicht mehr die einzige Option. Da die Gewichte öffentlich sind, kostet Selbsthosting nur so viel wie deine GPUs, statt des Listenpreises pro Token — es lohnt sich, das durchzurechnen, wenn du bereits Inferenz-Hardware betreibst; irrelevant, wenn du es nicht tust.

Die Nebendarsteller: eine kostenlose Files API und Harness 0.1.1

Zwei Infrastrukturkomponenten wurden zusammen mit dem API-Start veröffentlicht. Die Files API ist live und kostenlos: Laden Sie ein Bild einmal hoch, referenzieren Sie es per file_id und verwenden Sie es über mehrere Anfragen hinweg wieder, ohne die Bytes erneut zu senden – bedeutsam für einen Browser-Agenten, der eine Seite über mehrere Turns im Kontext hält. Und DeepSeek Harness 0.1.1, am selben Tag veröffentlicht, bietet sofortige Unterstützung für das neue Modell, sodass der Harness, der DeepSeek-Agent-Workloads benchmarkt und antreibt, es sofort ansprechen kann. Da die Gewichte MIT-lizenziert sind, ist der Stack aus Modell und Toolchain jetzt Ende-zu-Ende offen.

Der Produktionsvorbehalt, klar ausgedrückt.

Dies ist ein experimentelles Modell. DeepSeek kennzeichnet es ausdrücklich als solches, hat kein GA-Datum angekündigt und empfiehlt, es nicht direkt in der Produktion einzusetzen; der erklärte Plan ist, auf Feedback zu reagieren und später eine stabile Version zu veröffentlichen. Die praktische Konsequenz ist, dass das Text-Gehirn nachgewiesen ist – es ist dieselbe Gewichts-Familie, die auch V4-Flash antreibt –, aber der Vision-Pfad ist neuer Code. Das vLLM-Bild vom ersten Tag macht es bereits heute lauffähig, doch dieses Bild ist ausdrücklich als Vorabversion gekennzeichnet: Die Vision-Implementierung lebt in einem offenen Pull-Request, nicht in einem stabilen Release, und die einzige Hardware mit einem veröffentlichten Vision-Lauf ist bislang NVIDIA GB200. Die erste Welle unabhängiger Stresstests beginnt also erst in dieser Woche – aber sie beginnt mit einer echten Serving-Engine, nicht nur mit DeepSeek's Referenzcode.

Genau das ist die Situation, in der sich eine Routing-Schicht bezahlt macht. Auf OrcaRouter sind sowohl deepseek/deepseek-v4-flash-vision-exp als auch deepseek/deepseek-v4-flash hinter einer einzigen API live – zum Listenpreis von DeepSeek, ohne jeden Aufschlag. Du kannst Traffic mit Bildern auf das experimentelle Modell lenken und in derselben Konfiguration ein automatisches Failover auf einen Fallback einrichten, sobald es einen Fehler meldet oder ein Timeout auftritt – das entschärft das ganze „neuer Code“-Problem. Die Routing-DSL erlaubt es dir außerdem, nur die Aufrufe, die tatsächlich Bilder enthalten, an das Vision-Modell zu senden und reinen Text-Traffic auf DeepSeek-V4-Flash zu belassen. So nimmst du die Benchmark-Gewinne dort mit, wo sie existieren, und zahlst nichts extra, wo sie nicht existieren.

Die MIT-Lizenz bedeutet auch, dass der Self-Hosting-Pfad jetzt für Teams existiert, die das möchten – das Release enthält Referenzcode für die Inferenz, und das Day-0-Image von vLLM bietet eine produktionsreife Serving-Option, sodass Sie nicht an die API gebunden sind. Für alle, die kein etwa 285 Milliarden Parameter großes MoE betreiben möchten, nur um ein Modell zu evaluieren, ist die Routing-API der niedrigschwelligere Einstieg.

Was als Nächstes ansehen

Die offenen Fragen haben sich seit dem Start der API verringert. Erreicht DeepSeek-V4-Flash-Vision-Exp GA, und bleibt der Preis stabil? Folgt Video- oder Audio-Eingabe nach? Das Modell ist heute nur für Standbilder ausgelegt, was die großen multimodalen Frontier-Modelle bei bewegten Medien unangefochten lässt. Wann geht vLLMs Vision-Pfad vom festgelegten Day-0-Image zu einem stabilen Release über und auf Hardware jenseits von GB200? Und reproduzieren die unabhängigen Evaluierungen — der erste Drittanbieter-Durchlauf auf ApexBench oder Terminal-Bench, jetzt für jeden mit GPUs möglich — die veröffentlichten Zahlen?

Eine Sache hat sich geändert, seit der Versionshinweis veröffentlicht wurde. Am 8. September berichtete Teortaxes – der Analyst, dessen Paritätsdarstellung oben erscheint – aus Praxistests, dass DeepSeek nun mindestens zwei moderne V4-Flash-Vision-Modelle zu betreiben scheint. Das eine, das er über Gray-Tests erreichte, war in seinen Tests das stärkere der beiden und lief mit derselben Geschwindigkeit wie DeepSeek-V4-Flash-Vision-Exp, was er als gemeinsame Basis deutete; ein neuerer Build ist schneller, aber schwächer. Das ist eine Einzelbeobachtung aus einem Gray-Test, keine Aussage von DeepSeek und kein unabhängiger Benchmark. Sie traf am selben Tag ein, an dem DeepSeek eine zweitägige API-Beta einer „Zwischenversion“ eröffnete, die es als nativ multimodal und schneller anpreist – die Modell-ID deepseek-v4.1-flash-expires-on-0910 wurde am 8. September bereitgestellt – also ist die praktische Frage für einen Käufer, wo die Release-Version auf dem Trade-off zwischen Geschwindigkeit und Leistungsstärke landet: ob die schnellere Stufe das Agentic-Benchmark-Profil beibehält, das die Open-Weights-Veröffentlichung interessant machte, oder es gegen Durchsatz eintauscht.

Die Frage der Parität zwischen Moonshot und GLM ist die andere, die man beobachten sollte. Teortaxes' Formulierung ist die testbare Version der Aussage des Anbieters, „nahe an Opus-4.8“ zu sein: Da die Gewichte offen sind, kann jetzt jeder einen direkten Vergleich mit den Vision-Modellen von Moonshot und GLM anhand eigener Benchmarks durchführen. Bis das jemand tut, bleibt es eine Behauptung. Was nicht reproduziert werden muss, ist die Preis-Tatsache, die der gesamten Veröffentlichung zugrunde liegt – Vision zu Textpreisen ist eine Abrechnungszahl, kein Benchmark, und mit offenen Gewichten gibt es jetzt eine kostenlose Alternative dazu.