DeepSeek-V4-Flash-Vision-Exp pasa a pesos abiertos: mismo precio que V4-Flash, ahora auto-alojable

DeepSeek-V4-Flash-Vision-Exp, el modelo multimodal experimental lanzado en la API de DeepSeek el 21 de agosto, publicó sus pesos en Hugging Face el 31 de agosto bajo la licencia MIT. Diez días después del lanzamiento de la API, el mismo cerebro que se factura exactamente a las tarifas de tokens de DeepSeek-V4-Flash se puede descargar por completo: archivos del modelo, tokenizador, referencia de codificación de prompts, una ruta de inferencia mínima en PyTorch y soporte de vLLM desde el día cero, anunciado por el propio proyecto vLLM ese mismo día. Eso convierte al agente con visión más barato de contexto de 1M también en el más barato de autohospedar, y significa que la implementación de referencia ya no es la única forma de ejecutarlo. La única afirmación novedosa que vale la pena señalar de entrada: el analista Teortaxes, al leer el lanzamiento en X, dijo que la publicación de pesos abiertos aporta paridad de funciones con los modelos de visión de Moonshot y GLM. Los pesos abiertos son un hecho verificado; esa paridad es una lectura de terceros que nadie ha reproducido todavía.

Lo que realmente se envió

DeepSeek-V4-Flash-Vision-Exp es un modelo multimodal experimental, al que se accede con el ID de modelo deepseek-v4-flash-vision-exp. Arquitectónicamente, es un codificador de visión y un alineador sobre la base MoE de V4-Flash — el mismo modelo de texto de aproximadamente 284 mil millones de parámetros y 13 mil millones activos, con módulos visuales añadidos. Recibe texto e imágenes como entrada y produce texto como salida, en una ventana de contexto de 1M de tokens con un máximo de salida de 384K, tanto en modo de razonamiento como en modo sin razonamiento. Es compatible con el formato Chat Completions, los mensajes estilo Anthropic y el formato Responses, que es el trío que un marco de agentes necesita para conectarlo sin un adaptador personalizado.

En la entrada de imágenes, DeepSeek acepta JPEG, PNG, GIF y WebP, transmitidas de tres formas: base64 en línea, una URL externa o un archivo subido a través de la API de Files. Aún no hay entrada de video ni audio: la "visión" aquí es solo de imágenes fijas.

A la propia posición de DeepSeek, en la nota de lanzamiento: la capacidad de texto puro — agentes, razonamiento, conocimiento del mundo — está a la par con el lanzamiento oficial de DeepSeek-V4-Flash, mientras que la capacidad de agente multimodal da un gran salto y se sitúa cerca de Opus-4.8. Esa es una afirmación del proveedor, no replicada, y vale la pena leerla con atención, porque el detalle de los benchmarks que hay detrás es más interesante que el titular.

Lo que realmente incluye el lanzamiento de pesos abiertos

La publicación de hoy responde a la pregunta que la publicación de lanzamiento dejó abierta. El repositorio de Hugging Face — deepseek-ai/DeepSeek-V4-Flash-Vision-Exp — tiene la licencia MIT e incluye los pesos completos (aproximadamente 285 mil millones de parámetros — la arquitectura base MoE V4-Flash más un codificador visual y un alineador — unos 13 mil millones activos por token, divididos en 48 fragmentos), el tokenizador, una implementación de referencia de codificación de prompts estilo OpenAI y una ruta de inferencia mínima en PyTorch que cubre el codificador visual, el alineador, la atención DFlash, el MoE, Hyper-Connections y el pase hacia adelante de DSpark. DeepSeek sigue llamando al código PyTorch una implementación de referencia en lugar de un motor de servicio de producción — pero ya no tiene que ser la ruta de servicio, porque vLLM anunció soporte desde el primer día ese mismo día.

La propia declaración del proyecto vLLM es que sirve el modelo ahora. Lo que eso significa en la práctica, verificado contra el repositorio de vLLM y la model card, es una imagen docker fijada del día 0 (vllm/vllm-openai:deepseekv4-flash-vision) y una receta oficial vinculada a un pull request upstream aún abierto (#54566). El soporte de visión no está en un wheel de vLLM publicado — el wheel estándar enruta el checkpoint al camino de solo texto y falla en los tensores de visión — así que "día 0" aquí significa una imagen que fijas, no una actualización de una instalación existente de vLLM. En esa imagen, vLLM reporta un camino de visión funcional en NVIDIA GB200 y una puntuación OCRBench de 835 (83.5%) en su configuración de referencia. El techo práctico ha pasado de "esperar a una versión estable" a "descárgalo, sírvelo y mídelo tú mismo."

En X, el analista Teortaxes enmarcó el lanzamiento en términos competitivos: los pesos abiertos ahora le dan a DeepSeek cierta paridad de características con los modelos de visión de Moonshot y GLM. Esa es una lectura de terceros — no una declaración de DeepSeek ni un resultado medido — pero es comprobable de una manera que no lo era antes de este lanzamiento, porque el mismo lanzamiento entrega a cualquiera los archivos para ejecutar la comparación.

Por qué el salto del benchmark es mayor de lo que parece

Todas las siguientes cifras son propias de DeepSeek, publicadas en la nota de lanzamiento, no verificadas de forma independiente. En los benchmarks de agentes que incorporan capturas de pantalla e imágenes, el DeepSeek-V4-Flash solo de texto no las lee — simplemente ignora las partes multimodales de la tarea. DeepSeek-V4-Flash-Vision-Exp sí mira, por eso los deltas son tan grandes:

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

• Último Examen de los Agentes — 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 vs V4-Flash 54.4 (Opus-4.8 58.0)

• Chartography — Vision-Exp 64.3 (V4-Flash de solo texto no puede intentarlo)

• ZeroBench Pass@5 — Vision-Exp 35.0 (el V4-Flash de solo texto no puede intentarlo)

Dos de esos números merecen una segunda mirada. En Agents' Last Exam, Vision-Exp (27.3) supera por poco a Opus-4.8 (25.7), y en DeepSWE también vence a Opus-4.8 (59.3 frente a 58.0). En eso se basa realmente lo de «cerca de Opus-4.8»: no en un único resultado destacado, sino en un conjunto de benchmarks agénticos donde ver la pantalla cierra la mayor parte de la brecha con el modelo multimodal de frontera, mientras lo subvende en precio por aproximadamente un orden de magnitud.

Lo que cuesta una imagen, hasta el decimal

Las imágenes se tokenizan para facturación —hasta 384 tokens cada una— y luego se cobran a las mismas tarifas por token que DeepSeek-V4-Flash. Debido a que DeepSeek trasladó todos sus modelos a precios punta/valle el 16 de agosto de 2026, las cifras exactas dependen de cuándo llames:

• Entrada, fallo de caché: $0,22 por 1M de tokens fuera de horas pico, $0,44 en horas pico

• Entrada, acierto de caché — $0.007 por 1M de tokens fuera de horas punta, $0.014 en horas punta

• Salida — $0.66 por 1M de tokens en horas valle, $1.32 en horas pico

• Horas punta — 01:00–04:00 y 06:00–10:00 UTC (todas las demás horas son valle)

Haz el cálculo y el costo de la visión casi desaparece. Una imagen en su límite de 384 tokens cuesta alrededor de 0.0085 centavos fuera de las horas pico y 0.017 centavos en horas pico, como entrada. Un agente que lee 50 capturas de pantalla en una sola ejecución añade aproximadamente medio centavo en tokens de entrada, antes incluso de que el modelo escriba su primer token de salida. DeepSeek también limita la resolución antes de la inferencia: el nivel de detalle bajo redimensiona a 512×512, y el alto/original preescala la imagen (las pequeñas hasta aproximadamente 384×384, las grandes hasta aproximadamente 800×800), de modo que un original de alta resolución nunca se introduce al modelo con su recuento de píxeles nativo.

Esas tarifas son ahora un techo, no la única opción. Con los pesos públicos, el autoalojamiento cuesta lo que cuesten tus GPU en lugar del precio de lista por token — vale la pena hacer los cálculos si ya operas hardware de inferencia, irrelevante si no lo haces.

El reparto secundario: una API de Files gratuita y Harness 0.1.1

Dos piezas de infraestructura llegaron junto con el lanzamiento de la API. La API de Files está activa y es gratuita: sube una imagen una vez, haz referencia a ella mediante file_id y reutilízala en varias solicitudes sin reenviar los bytes, algo significativo para un agente de navegación que mantiene una página en contexto a lo largo de varios turnos. Y DeepSeek Harness 0.1.1, lanzado el mismo día, tiene soporte integrado para el nuevo modelo, por lo que el harness que evalúa y impulsa las cargas de trabajo agénticas de DeepSeek puede apuntar a él de inmediato. Con los pesos bajo licencia MIT, la pila de modelo y cadena de herramientas ahora está abierta de extremo a extremo.

La advertencia de producción, expresada claramente

Este es un modelo experimental. DeepSeek lo etiqueta explícitamente como tal, no ha anunciado ninguna fecha de disponibilidad general (GA) y recomienda no ejecutarlo directamente en producción; el plan declarado es iterar sobre los comentarios y lanzar una versión estable más adelante. La consecuencia práctica es que el cerebro de texto está demostrado — es la misma familia de pesos que impulsa V4-Flash — pero la ruta de visión es código nuevo. La imagen de día 0 de vLLM hace que se pueda ejecutar hoy, pero esa imagen es explícitamente una versión preliminar: la implementación de visión vive en una solicitud de extracción abierta, no en una versión estable, y el único hardware con una ejecución de visión publicada hasta ahora es NVIDIA GB200. Así que la primera ola de pruebas de estrés independientes apenas comienza esta semana — pero comienza con un motor de servicio real, no solo con el código de referencia de DeepSeek.

Esa es exactamente la situación en la que una capa de enrutamiento demuestra su valor. En OrcaRouter, tanto deepseek/deepseek-v4-flash-vision-exp como deepseek/deepseek-v4-flash están activos detrás de una sola API, al precio de lista de DeepSeek transmitido sin ningún margen. Puede dirigir el tráfico con imágenes al modelo experimental y, en la misma configuración, establecer una conmutación por error automática a un respaldo en el momento en que dé error o se agote el tiempo de espera, lo que reduce el riesgo de todo el problema del "código nuevo". El DSL de enrutamiento también le permite enviar solo las llamadas que realmente contienen imágenes al modelo de visión y mantener el tráfico de solo texto en DeepSeek-V4-Flash, capturando las ganancias de referencia donde existen y sin pagar nada extra donde no las hay.

La licencia MIT también significa que ahora existe la vía del autoalojamiento para los equipos que así lo deseen — el lanzamiento incluye código de inferencia de referencia, y la imagen day-0 de vLLM añade una opción de despliegue de nivel de producción, por lo que no estás atado a la API. Para quienes no quieran operar un MoE de aproximadamente 285 mil millones de parámetros solo para evaluar un modelo, la API de enrutamiento es la puerta de entrada con menor fricción.

Qué ver a continuación

Las preguntas abiertas se han reducido desde el lanzamiento de la API. ¿Alcanza DeepSeek-V4-Flash-Vision-Exp la disponibilidad general (GA), y se mantiene el precio? ¿Le sigue la entrada de video o audio? — el modelo sigue siendo solo de imágenes hoy, lo que deja a los grandes modelos multimodales de frontera sin oposición en medios en movimiento. ¿Cuándo pasará la ruta de visión de vLLM de la imagen fijada del día cero a una versión estable, y a hardware más allá de GB200? ¿Y las evaluaciones independientes — la primera ejecución de terceros en ApexBench o Terminal-Bench, ahora posible para cualquiera con GPUs — reproducen los números publicados?

Una cosa ha cambiado desde que se publicó la nota de lanzamiento. El 8 de septiembre, Teortaxes — el analista cuyo marco de paridad aparece arriba — informó a partir de pruebas prácticas que DeepSeek ahora parece ejecutar al menos dos modelos modernos V4-Flash-Vision. El que alcanzó mediante pruebas en gris era, en sus pruebas, el más fuerte de los dos, y corría a la misma velocidad que DeepSeek-V4-Flash-Vision-Exp, lo que interpretó como una base compartida; una versión más nueva es más rápida pero más débil. Eso es una observación de pruebas en gris de un solo investigador, no una declaración de DeepSeek ni un benchmark independiente. Llegó el mismo día en que DeepSeek abrió una beta de API de dos días de una “versión intermedia” que presenta como nativamente multimodal y más rápida — el ID de modelo deepseek-v4.1-flash-expires-on-0910 comenzó a servir el 8 de septiembre —, así que la pregunta práctica para un comprador es dónde se ubica la versión final en el equilibrio entre velocidad y potencia: si el nivel más rápido conserva el perfil de benchmark agéntico que hizo interesante el lanzamiento de pesos abiertos, o lo cambia por rendimiento.

La cuestión de la paridad entre Moonshot y GLM es la otra a tener en cuenta. El marco de Teortaxes es la versión comprobable de la afirmación del proveedor de "cerca de Opus-4.8": con los pesos abiertos, cualquiera puede ejecutar ahora una comparación directa contra los modelos de visión de Moonshot y GLM en sus propios puntos de referencia. Hasta que alguien lo haga, sigue siendo una afirmación. Lo que no necesita reproducirse es el dato de precios que subyace a todo el lanzamiento: visión a precios de texto es un número de facturación, no un punto de referencia, y con los pesos abiertos ahora tiene una alternativa gratuita asociada.