DeepSeek V4 Vision Open-Weights Leak: Vision-Exp ist nur über API verfügbar, das endgültige Modell wird voraussichtlich offen sein.

Diese Woche wurden auf X zwei Sätze gepostet, die das Nützlichste sind, was bisher irgendjemand darüber gesagt hat, wohin die V4-Visionslinie von DeepSeek führt. teortaxesTex, ein Forscher, der DeepSeek genau verfolgt, schrieb: „Ich vermute, dass sie die Gewichte von Vision-exp nicht öffnen werden. Sie haben solche Dinge in der V2-Generation getan. Aber sie werden definitiv die Gewichte von V4-Vision-Final öffnen.“ Nichts davon ist bestätigt – es ist eine fundierte Vorhersage, keine Ankündigung – aber die erste Hälfte stimmt bereits mit dem überein, was passiert ist. DeepSeek-V4-Flash-Vision-Exp, das erste Modell der V4-Familie mit nativer Bildeingabe, wurde am 21. August 2026 über DeepSeeks eigene API als reines API-Release ohne herunterladbare Gewichte veröffentlicht. Die zweite Hälfte, falls sie sich bewahrheitet, ändert, was ein Entwickler tatsächlich mit der V4-Visionslinie tun kann: Selbsthosting, lokales Fine-Tuning und eine echte Wahl zwischen dem eigenen Ausführen des Modells und dem Aufrufen per API.

Dies ist ein Beitrag darüber, was wir bisher wissen, und die Quellenangabe ist wichtiger als sonst. Der Tweet ist eine Insider-Einschätzung, kein Leak von Dateien, und bewusst nicht verifiziert. Was verifiziert ist, ist der aktuelle Stand von DeepSeek-V4-Flash-Vision-Exp – veröffentlicht, bepreist, benchmarkt, nur per API verfügbar – und was nicht verifiziert ist, betrifft alles rund um die Veröffentlichung des endgültigen Modells. Diese Unterscheidung zieht sich durch jeden Abschnitt unten.

Was der Leak tatsächlich sagt

Das Signal ist kurz, daher lohnt es sich, es präzise zu analysieren. „Vision-exp" ist DeepSeek-V4-Flash-Vision-Exp, das experimentelle Modell, das DeepSeek am 21. August veröffentlicht hat. „V4-Vision-Final" ist die Kurzform des Forschers für die Produktionsversion der V4-Vision-Veröffentlichung, die DeepSeek versprochen, aber noch nicht benannt hat. Die Vorhersage hat zwei Teile: DeepSeek wird die Gewichte des experimentellen Modells geschlossen halten – ein Muster, das laut teortaxesTex seit der V2-Generation gilt – und die Gewichte des endgültigen Modells werden geöffnet.

Das stärkste dokumentierte Präzedenzbeispiel der V2-Generation ist DeepSeek-VL2, DeepSeeks offene Vision-Language-Familie vom Dezember 2024, veröffentlicht unter der permissiven DeepSeek Model License mit MIT-lizenziertem Code. Es ist exakt die „final opens“-Hälfte des Musters. Die „experimental stays closed“-Hälfte ist die Lesart des Forschers von DeepSeeks Verhalten, und sie ist konsistent damit, wie das Unternehmen seitdem mit Preview-Modellen umgegangen ist – genau das macht die Vorhersage zum endgültigen Modell ernst zu nehmen, statt sie abzutun.

Was verifiziert ist: das Vision-Exp-Release

Die obige Ankündigungsseite ist die vollständige offizielle Aufzeichnung: DeepSeek-V4-Flash-Vision-Exp ist seit dem 21. August 2026 auf der API-Plattform von DeepSeek verfügbar, Modell-ID deepseek-v4-flash-vision-exp, und nichts über Gewichte, Architektur oder eine Lizenz wird irgendwo darauf veröffentlicht. DeepSeek hat die Worte „open source“ in Bezug auf dieses Modell nicht gesagt. Die Seite ist ausschließlich eine API-Ankündigung.

Was das Modell tut, ist verifiziert und nützlich. Es nimmt Text plus Bilder – JPEG, PNG, GIF oder WebP – als Base64-Inline, über eine externe URL oder über DeepSeeks neue Files-API entgegen, die kostenlos ist und es Ihnen ermöglicht, einmal hochzuladen und über file_id wiederzuverwenden. Es gibt Text zurück. Seine Textfähigkeiten entsprechen denen des reinen Textmodells DeepSeek-V4-Flash: dasselbe Agenten-, Denk- und Weltwissen-Verhalten, mit einem 1M-Token-Kontext und bis zu 384K Token Ausgabe. Bilder werden als Token abgerechnet, bis zu 384 Token pro Bild, zum exakt gleichen Listenpreis wie V4-Flash. DeepSeek Harness 0.1.1 erschien am selben Tag mit nativer Unterstützung.

Die von DeepSeek gemeldeten Zahlen

Bei multimodalen Agent-Benchmarks ist der Zugewinn gegenüber dem reinen Textmodell die Schlagzeile. Laut DeepSeek-eigenen Zahlen — vom Anbieter gemeldet, bislang von niemand Unabhängigem reproduziert:

• ApexBench (Pass@1) — 36,5 für Vision-Exp gegenüber 26,2 für das reine Textmodell DeepSeek-V4-Flash.

• Agents' Last Exam — 27.3 vs 25.2.

• Chartography — 64.3.

• ZeroBench (Pass@5) — 35,0.

DeepSeeks Kernaussage ist, dass das Modell „multimodale Agentenleistung nahe an Opus-4.8 bringt" und bei reinen Text-Benchmarks mit V4-Flash gleichzieht. Das sind DeepSeeks Zahlen ohne unabhängige Bewertung bisher, und „nahe an Claude Opus-4.8" ist DeepSeeks Darstellung, keine gemessene Einstufung.

Die obige Anzeigetafel zeigt den Stand der Dinge vom 22. August 2026: Das einzige veröffentlichte V4-Visionsmodell ist das experimentelle, reine API-Modell, und alles am endgültigen Modell — Gewichte, Größen, Datum — ist Erwartung, nicht Tatsache.

Warum die Frage nach offenen Gewichten wichtig ist

{{1}}DeepSeek ist eines der wenigen führenden Labore, deren Produktionsmodelle routinemäßig offen veröffentlicht werden, und genau diese Geschichte ist der eigentliche Grund, warum ein Leak über Gewichte überhaupt eine Nachricht ist.{{/1}} {{2}}Das reine Text-Backbone DeepSeek-V4-Flash-0731 ist unter der MIT-Lizenz verfügbar – genau deshalb konnte die Community überhaupt darauf aufbauen.{{/2}} Wenn das finale V4-Visionsmodell DeepSeek-VL2 und der Textlinie folgt, verändern offene Gewichte, was ein Nutzer tun kann: lokale Bereitstellung auf eigener Hardware, Feinabstimmung mit proprietären Bilddaten, Einsatz ohne Internetverbindung und null Kosten pro Token auf der eigenen GPU.

Es gibt auch eine berichtete Roadmap, die zusammenpasst. Chinesische Technikmedien berichteten im Mai 2026, dass DeepSeek gesagt habe, dass Open-Source-V4-Vision-Gewichte für das dritte Quartal 2026 geplant seien. Das ist eine berichtete Zusage, kein bestätigtes Datum – und der reine API-Schritt vom 21. August steht im Einklang mit „erst experimentell, später Gewichte“. Was die Lizenzierung betrifft, deuten Community-Berichte auf Apache-2.0 oder MIT hin, aber es ist nichts bestätigt.

Die vorläufige Antwort der Community

Da die offiziellen Vision-Gewichte nicht offen sind, hat die Community eigene erstellt. Drei bemerkenswerte reine Projektor-Grafts existieren auf dem MIT-lizenzierten DeepSeek-V4-Flash-0731-Text-Backbone, wobei jeder das Textmodell einfriert und einen kleinen Vision-Adapter davor trainiert:

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — ein DeepEncoderV2-Vision-Tower mit einem trainierten Projektor, bereitgestellt über vLLM mittels eines kleinen Plugins; getestet auf NVIDIA-DGX-Spark-Clustern mit etwa 50 Tokens pro Sekunde.

• jarrelscy/deepseek-v4-flash-0731-vision — ein eingefrorener MoonViT-Tower (ursprünglich aus Kimi-K2.6) sowie ein Projektor mit rund 40 Millionen Parametern, trainiert mit GRPO, gemäß dem „WebBrain patchmerger“-Rezept.

• webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — ein NVFP4-Checkpoint mit gemischter Präzision, mit einem routing-bewussten PatchMerger und benutzerdefinierter SGLang-Integration.

Es handelt sich um inoffizielle, gepfropfte Modelle, nicht um DeepSeeks. Sie zeigen, dass es machbar ist, V4 Flash Augen zu geben, und sie werden an dem Tag überholt sein, an dem die offiziellen Vision-Gewichte erscheinen. Die Tatsache, dass es sie überhaupt gibt, ist das deutlichste Signal dafür, wie sehr die Community diese Gewichte will.

Wie V4-Vision-Final aussehen könnte

Alles in diesem Abschnitt ist Spekulation, denn es ist nichts angekündigt. Die wahrscheinlichste Form, den Mustern von DeepSeek selbst folgend: ein endgültiges Vision-Modell – möglicherweise sowohl in Flash- als auch in Pro-Größe – mit offenen Gewichten. Die Ökonomie macht eine lokale Bereitstellung in der Flash-Größe plausibel: DeepSeek-V4-Flash ist ein Mixture-of-Experts-Modell mit 284B Parametern, das nur 13B pro Token aktiviert, mit einem 1M-Token-Kontext, und Berichte aus der Community zur Bereitstellung weisen auf duale RTX 4090s oder eine einzelne RTX 5090 für einen quantisierten Build hin. DeepSeek-V4-Pro wird mit rund 1,6T gesamt / 49B aktiv angegeben – eine größere Herausforderung, aber dieselbe MoE-Logik gilt. DeepSeek hat außerdem gesagt, dass V4 von Anfang an multimodal trainiert wurde; Vision-Exp ist die erste Oberfläche dieser Fähigkeit, und das endgültige Modell könnte mehr davon offenlegen.

Nichts davon ist bestätigt. Es ist die Form, die ein Leser erwarten sollte, kein Versprechen.

Wie man das Warten spielt

Hier ist, was heute wahr ist, im Unterschied zu dem, was später wahr sein könnte. DeepSeek-V4-Flash-Vision-Exp ist jetzt live und routbar, zum eigenen Listenpreis von DeepSeek – 0,15 $ pro 1 Million Eingabe-Tokens und 0,29 $ pro 1 Million Ausgabe-Tokens, zum gleichen Preis wie text-only V4-Flash, wobei Bilder zusätzlich als Tokens abgerechnet werden. OrcaRouter leitet es über einen einzigen API-Schlüssel durch über 200 Modelle, reicht den Listenpreis des Anbieters ohne Aufschlag (0 % Aufschlag) weiter und kann automatisch auf ein bewährtes Modell umschalten. Das ist der ehrliche Weg, ein experimentelles Modell auszuprobieren: Richten Sie eine Testlast an Vision-Exp, behalten Sie einen zuverlässigen Fallback auf demselben Endpunkt und lassen Sie das automatische Failover das zuverlässige Modell einsetzen, sobald das experimentelle Modell ins Stocken gerät.

Die obige Modellseite ist der Ort, an dem DeepSeek-V4-Flash-Vision-Exp heute tatsächlich aufrufbar ist – 0,15 $ für die Eingabe, 0,29 $ für die Ausgabe, ein API-Schlüssel, kein zweiter Vertrag.

Wenn das finale Open-Weights-Modell erscheint, passieren zwei Dinge gleichzeitig: Self-Hoster können es lokal ausführen, und die gehostete Route bleibt auf demselben Schlüssel zum gleichen Durchreichpreis. Sie müssen sich zum Ankündigungszeitpunkt nicht entscheiden – eine Routing-Schicht bedeutet, dass beide Optionen nur einen Aufruf voneinander entfernt bleiben. Um die Grenze klar zu machen: OrcaRouter routed APIs; wir hosten keine Modellgewichte. Die lokale Bereitstellung des finalen V4-Visionsmodells betrifft DeepSeek-Gewichte, nicht uns.

Was als Nächstes ansehen

Vier Dinge würden aus diesem Leak einen Launch machen. Eine offizielle Namensgebung und ein Veröffentlichungstermin für das finale V4-Vision-Modell. Die Bestätigung der Lizenz — MIT und Apache-2.0 sind beide plausibel, und der Unterschied ist wichtig für abgeleitete Werke. Ein erster unabhängiger Benchmark des finalen Modells, der DeepSeeks „nahe an Claude Opus-4.8“ durch eine von jemand anderem verifizierte Zahl ersetzen würde. Und, für die skeptische Sichtweise, ob DeepSeek-V4-Flash-Vision-Exp selbst jemals Gewichte erhält — der Leak sagt nein, und DeepSeeks Muster stützt diese Lesart.

Bis einer dieser Fälle eintritt, behandle das Leak als richtungsweisendes Signal und nicht als Tatsache. Das experimentelle V4-Vision-Modell ist real, nützlich und derzeit nur über die API verfügbar. Das finale Modell mit offenen Gewichten ist eine gut belegte Erwartung, kein ausgeliefertes Produkt. Wenn der Beobachter auf X recht hat, landet die V4-Vision-Reihe dort, wo DeepSeeks Modelle meist landen — auf eigener Hardware, mit der gehosteten API als Zero-Ops-Alternative.