Filtración de pesos abiertos de DeepSeek V4 Vision: Vision-Exp es solo API, se espera que el modelo final sea abierto.

{{1}}Dos frases publicadas en X esta semana son lo más útil que alguien ha dicho hasta ahora sobre hacia dónde se dirige la línea de visión V4 de DeepSeek.{{/1}} teortaxesTex, un investigador que sigue de cerca a DeepSeek, escribió: {{2}}«Sospecho que sí, no abrirán los pesos de Vision-exp. Ya han hecho cosas así en la generación V2. Pero definitivamente abrirán los pesos de V4-Vision-Final».{{/2}} Nada de eso está confirmado — {{3}}es una predicción fundamentada, no un anuncio{{/3}} — pero la primera mitad ya coincide con lo que ocurrió. DeepSeek-V4-Flash-Vision-Exp, el primer modelo de la familia V4 con entrada de imágenes nativa, se lanzó en la API propia de DeepSeek el 21 de agosto de 2026 como una {{4}}versión solo API sin pesos descargables{{/4}}. La segunda mitad, si se cumple, cambia lo que un desarrollador puede hacer realmente con la línea de visión V4: {{5}}autoalojamiento, ajuste fino local y una elección real entre ejecutar el modelo uno mismo y llamarlo a través de API.{{/5}}

Esta es una pieza de "lo que sabemos hasta ahora", y la línea de fuentes importa más de lo habitual. El tuit es una lectura interna, no una filtración de archivos, y no está verificado por diseño. Lo que está verificado es el estado actual de DeepSeek-V4-Flash-Vision-Exp — publicado, con precio, sometido a benchmarks, solo API — y lo que no está verificado es todo lo relacionado con el lanzamiento del modelo final. Esa distinción recorre cada sección a continuación.

Lo que realmente dice la filtración

La señal es breve, por lo que vale la pena analizarla con precisión. "Vision-exp" es DeepSeek-V4-Flash-Vision-Exp, el modelo experimental que DeepSeek lanzó el 21 de agosto. "V4-Vision-Final" es la abreviatura del investigador para la versión de visión V4 de producción que DeepSeek ha prometido pero aún no ha nombrado. La predicción tiene dos partes: DeepSeek mantendrá cerrados los pesos del modelo experimental — un patrón que, según teortaxesTex, se mantiene desde la generación V2 — y los pesos del modelo final se abrirán.

El precedente más sólido de la generación V2 que consta en el registro es DeepSeek-VL2, la familia abierta de visión-lenguaje de DeepSeek de diciembre de 2024, publicada bajo la permisiva DeepSeek Model License con código con licencia MIT. Es exactamente la mitad del patrón correspondiente a «lo final se abre». La mitad de «lo experimental permanece cerrado» es la lectura que el investigador hace del comportamiento de DeepSeek, y es coherente con la forma en que la empresa ha gestionado los modelos preliminares desde entonces, que es precisamente lo que hace que la predicción sobre el modelo final merezca tomarse en serio en lugar de descartarse.

Lo que está verificado: la versión Vision-Exp

La página de anuncio anterior es el registro oficial completo: DeepSeek-V4-Flash-Vision-Exp está disponible en la plataforma API de DeepSeek desde el 21 de agosto de 2026, con el ID de modelo deepseek-v4-flash-vision-exp, y no se publica nada sobre pesos, arquitectura o licencia en ningún lugar de ella. DeepSeek no ha dicho las palabras "open source" sobre este modelo. La página es estrictamente un anuncio de API.

{{1}}Lo que hace el modelo está verificado y es útil.{{/1}} Acepta texto e imágenes (JPEG, PNG, GIF o WebP) mediante base64 en línea, una URL externa o la nueva API de Files de DeepSeek, que es gratuita y permite subir una vez y reutilizar por file_id. Devuelve texto. Sus capacidades de texto coinciden con las del modelo solo de texto DeepSeek-V4-Flash: {{2}}el mismo comportamiento de agente, razonamiento y conocimiento del mundo,{{/2}} en un contexto de 1M de tokens con hasta 384K tokens de salida. Las imágenes se facturan como tokens, hasta 384 tokens por imagen, exactamente al precio de lista de V4-Flash. DeepSeek Harness 0.1.1 se lanzó el mismo día con soporte nativo.

Los números que informó DeepSeek

En los benchmarks de agentes multimodales, la ganancia sobre el modelo solo de texto es el titular. Según las propias cifras de DeepSeek —informadas por el proveedor, aún no reproducidas por nadie independiente—:

• ApexBench (Pass@1) — 36.5 para Vision-Exp frente a 26.2 para DeepSeek-V4-Flash solo de texto.

Último examen de los agentes — 27.3 vs 25.2.

• Chartography — 64.3.

• ZeroBench (Pass@5) — 35.0.

La línea de resumen de DeepSeek es que el modelo «acerca el rendimiento de agentes multimodales a Opus-4.8» mientras iguala a V4-Flash en benchmarks de texto puro. Esas son cifras de DeepSeek sin evaluación independiente todavía, y «cerca de Claude Opus-4.8» es el encuadre de DeepSeek, no una clasificación medida.

El marcador anterior refleja el estado de la situación al 22 de agosto de 2026: el único modelo de visión V4 publicado es el experimental, disponible solo vía API, y todo lo relacionado con el modelo final — pesos, tamaños, fecha — es expectativa, no hecho.

Por qué importa la cuestión de los pesos abiertos

DeepSeek es uno de los pocos laboratorios punteros cuyos modelos de producción se publican habitualmente como código abierto, y esa trayectoria es la verdadera razón por la que una filtración sobre los pesos es noticia. La base DeepSeek-V4-Flash-0731, solo texto, tiene licencia MIT, que es precisamente por lo que la comunidad pudo construir sobre ella. Si el modelo final de visión V4 sigue la estela de DeepSeek-VL2 y la línea de texto, los pesos abiertos cambian lo que un lector puede hacer: despliegue local en tu propio hardware, ajuste fino con datos de imagen propietarios, uso en entornos aislados y coste cero por token en tu propia GPU.

También hay una hoja de ruta reportada que encaja. Los medios tecnológicos chinos informaron en mayo de 2026 que DeepSeek había dicho que los pesos de visión V4 de código abierto estaban previstos para el tercer trimestre de 2026. Eso es un compromiso reportado, no una fecha confirmada — y el paso de solo API del 21 de agosto es coherente con «experimental primero, pesos después». En cuanto a la licencia, los reportes de la comunidad apuntan a Apache-2.0 o MIT, pero nada está confirmado.

La respuesta provisional de la comunidad

Debido a que los pesos oficiales de visión no son abiertos, la comunidad ha construido los suyos propios. Existen tres injertos notables de solo proyector sobre la base de texto DeepSeek-V4-Flash-0731 con licencia MIT, cada uno congelando el modelo de texto y entrenando un pequeño adaptador de visión delante de él:

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — una torre de visión DeepEncoderV2 más un proyector entrenado, servido a través de vLLM mediante un pequeño plugin; probado en clústeres NVIDIA DGX Spark a aproximadamente 50 tokens/seg.

• jarrelscy/deepseek-v4-flash-0731-vision — una torre MoonViT congelada (originalmente de Kimi-K2.6) más un proyector de aproximadamente 40M de parámetros entrenado con GRPO, siguiendo la receta del "WebBrain patchmerger".

• webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — un checkpoint de precisión mixta NVFP4 con un PatchMerger consciente del enrutamiento e integración personalizada de SGLang.

Estos son no oficiales, injertados y no son el modelo de DeepSeek. Demuestran que dotar de visión a V4 Flash es factible, y serán superados en cuanto lleguen los pesos oficiales de visión. El hecho de que existan es la señal más clara de cuánto quiere la comunidad esos pesos.

Cómo podría verse V4-Vision-Final

Todo en esta sección es especulación, porque no se ha anunciado nada. La forma más probable, según los propios patrones de DeepSeek: un modelo de visión final —posiblemente en tamaños Flash y Pro— con pesos abiertos. La economía hace que el despliegue local sea plausible en el tamaño Flash: DeepSeek-V4-Flash es un modelo de mezcla de expertos de 284B de parámetros que activa solo 13B por token, con un contexto de 1M de tokens, y los informes de despliegue comunitario apuntan a dos RTX 4090 o una sola RTX 5090 para una versión cuantizada. DeepSeek-V4-Pro se reporta con aproximadamente 1.6T totales / 49B activos — una exigencia mayor, pero la misma lógica MoE aplica. DeepSeek también ha dicho que V4 se entrenó multimodal desde el inicio; Vision-Exp es la primera superficie de esa capacidad, y el modelo final podría exponer más de ella.

Nada de eso está confirmado. Es la forma que un lector debería esperar, no una promesa.

Cómo jugar a The Wait

Esto es lo que es verdad hoy, a diferencia de lo que pueda ser verdad más adelante. DeepSeek-V4-Flash-Vision-Exp está activo y enrutable ahora mismo, al precio de lista propio de DeepSeek: 0,15 $ por 1M de tokens de entrada y 0,29 $ por 1M de tokens de salida, el mismo precio que el V4-Flash solo de texto, con las imágenes facturadas como tokens adicionales. OrcaRouter lo enruta a través de una sola clave de API en más de 200 modelos, transmite el precio de lista del proveedor sin margen adicional (0% de recargo) y puede cambiar automáticamente a un modelo probado. Esa es la forma honesta de probar un modelo experimental: apunta una carga de trabajo de prueba a Vision-Exp, mantén una alternativa fiable en el mismo endpoint y deja que la conmutación automática active el modelo confiable en el momento en que el experimental se detenga.

La página del modelo de arriba es donde DeepSeek-V4-Flash-Vision-Exp se puede invocar hoy: $0.15 de entrada, $0.29 de salida, una clave de API, sin segundo contrato.

Cuando el modelo final de pesos abiertos se lance, suceden dos cosas a la vez: quienes se autoalojan pueden ejecutarlo localmente, y la ruta alojada permanece con la misma clave y al mismo precio de transferencia. No tendrás que elegir en el momento del anuncio: una capa de enrutamiento mantiene ambas opciones a una sola llamada de distancia. Para ser claros sobre el límite: OrcaRouter enruta API; no alojamos pesos de modelos. El despliegue local del modelo de visión V4 final se trata de los pesos de DeepSeek, no de nosotros.

Qué ver a continuación

Cuatro cosas convertirían esta filtración en un lanzamiento. Un nombre oficial y una fecha de lanzamiento para el modelo de visión V4 final. La confirmación de la licencia — tanto MIT como Apache-2.0 son plausibles, y la diferencia importa para el trabajo derivado. Un primer benchmark independiente del modelo final, que sustituiría el «cerca de Claude Opus-4.8» de DeepSeek por una cifra verificada por otra persona. Y, para la visión escéptica, si el propio DeepSeek-V4-Flash-Vision-Exp llega a tener pesos alguna vez — la filtración dice que no, y el patrón de DeepSeek respalda esa lectura.

Hasta que una de esas aterrice, trata la filtración como una señal direccional, no como un hecho. El modelo experimental de visión V4 es real, útil y solo API hoy en día. El modelo final de pesos abiertos es una expectativa bien fundamentada, no un producto en producción. Si el observador en X tiene razón, la línea de visión V4 termina donde suelen hacerlo los modelos de DeepSeek: ejecutándose en tu propio hardware, con la API alojada como alternativa de cero operaciones.