DeepSeek-V4-Flash-Vision-Exp passe en open weights : même prix que V4-Flash, désormais auto-hébergeable

DeepSeek-V4-Flash-Vision-Exp, le modèle multimodal expérimental lancé sur l'API de DeepSeek le 21 août, a publié ses poids sur Hugging Face le 31 août sous licence MIT. Dix jours après le lancement de l'API, le même cerveau, facturé exactement aux tarifs par jeton de DeepSeek-V4-Flash, est téléchargeable en intégralité — fichiers du modèle, tokeniseur, référence d'encodage des prompts, chemin d'inférence minimal en PyTorch, et prise en charge de vLLM dès le premier jour, annoncée le même jour par le projet vLLM. Cela fait de l'agent à vision et contexte de 1M le moins cher, et aussi le moins cher à auto-héberger ; cela signifie également que l'implémentation de référence n'est plus le seul moyen de l'exécuter. La seule nouvelle affirmation à signaler d'emblée : l'analyste Teortaxes, commentant la sortie sur X, a déclaré que la publication des poids ouverts apporte une parité de fonctionnalités avec les modèles de vision de Moonshot et GLM. Les poids ouverts sont un fait vérifié ; cette parité est une lecture tierce que personne n'a encore reproduite.

Ce qui a réellement été livré

DeepSeek-V4-Flash-Vision-Exp est un modèle multimodal expérimental, accessible avec l'ID de modèle deepseek-v4-flash-vision-exp. Sur le plan architectural, il s'agit d'un encodeur visuel et d'un aligneur sur le socle MoE V4-Flash — le même modèle de texte d'environ 284 milliards de paramètres, dont 13 milliards actifs, avec des modules visuels ajoutés. Il accepte du texte et des images en entrée et produit du texte en sortie, sur une fenêtre de contexte de 1 million de jetons avec un maximum de 384 000 en sortie, à la fois en mode réflexion et en mode non-réflexion. Il prend en charge le format Chat Completions, les Messages de style Anthropic et le format Responses, soit le trio dont un framework d'agents a besoin pour l'intégrer sans adaptateur personnalisé.

Pour l’entrée d’images, DeepSeek accepte les formats JPEG, PNG, GIF et WebP, transmis de trois manières : en base64 intégré, via une URL externe, ou par un fichier téléversé via l’API Files. Il n’y a pas encore d’entrée vidéo ou audio — la « vision » ici ne concerne que les images fixes.

La position de DeepSeek elle-même, dans la note de version : la capacité en texte pur — agents, raisonnement, connaissance du monde — est au même niveau que la version officielle DeepSeek-V4-Flash, tandis que la capacité d'agent multimodale fait un bond majeur et se rapproche d'Opus-4.8. C'est une affirmation du fournisseur, non reproduite, et qui mérite d'être lue attentivement, car le détail des benchmarks qui se cache derrière est plus intéressant que le titre.

Ce que comprend réellement la sortie en open-weights

Aujourd'hui, cette version répond à la question que le billet de lancement avait laissée ouverte. Le dépôt Hugging Face — deepseek-ai/DeepSeek-V4-Flash-Vision-Exp — est sous licence MIT et fournit l'intégralité des poids (environ 285 milliards de paramètres — le backbone MoE V4-Flash ainsi qu'un encodeur visuel et un aligneur — environ 13 milliards d'actifs par jeton, répartis sur 48 shards), le tokeniseur, une implémentation de référence de l'encodage des prompts de style OpenAI, et un chemin d'inférence PyTorch minimal couvrant l'encodeur visuel, l'aligneur, l'attention DFlash, le MoE, les Hyper-Connections et la passe forward DSpark. DeepSeek qualifie toujours le code PyTorch d'implémentation de référence plutôt que de moteur de production — mais il n'a plus à être le chemin de service, car vLLM a annoncé un support day-0 le jour même.

Le projet vLLM déclare lui-même qu'il sert le modèle dès maintenant. Concrètement, en vérifiant le dépôt vLLM et la fiche du modèle, cela donne une image Docker day-0 épinglée (vllm/vllm-openai:deepseekv4-flash-vision) et une recette officielle liée à une pull request en amont encore ouverte (#54566). La prise en charge de la vision ne figure pas dans un wheel vLLM publié — le wheel classique envoie le checkpoint dans le chemin purement textuel et échoue sur les tenseurs de vision — donc, ici, day-0 veut dire une image que vous épinglez, et non une mise à niveau d'une installation vLLM existante. Sur cette image, vLLM fait état d'un chemin de vision fonctionnel sur NVIDIA GB200 et d'un score OCRBench de 835 (83,5 %) dans sa configuration de référence. La limite pratique est passée de « attendez une version stable » à « téléchargez, servez et mesurez-le vous-même ».

Sur X, l'analyste Teortaxes a présenté la sortie en termes concurrentiels : les poids ouverts donnent désormais à DeepSeek une certaine parité fonctionnelle avec les modèles de vision de Moonshot et GLM. Il s'agit d'une lecture tierce — non pas d'une déclaration de DeepSeek ni d'un résultat mesuré — mais elle est vérifiable comme elle ne l'était pas avant cette sortie, puisque celle-ci donne à chacun les fichiers nécessaires pour effectuer la comparaison.

Pourquoi le saut de benchmark est plus important qu'il n'y paraît

Tous les chiffres suivants sont ceux de DeepSeek, publiés dans la note de lancement, non vérifiés de manière indépendante. Sur les benchmarks d'agents qui intègrent des captures d'écran et des images, la version texte seul DeepSeek-V4-Flash ne les lit pas — elle ignore simplement les parties multimodales de la tâche. DeepSeek-V4-Flash-Vision-Exp, elle, regarde réellement, ce qui explique pourquoi les écarts sont si importants :

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

• Agents' Last Exam — Vision-Exp 27.3 contre 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 (le V4-Flash en mode texte ne peut pas s'y essayer)

• ZeroBench Pass@5 — Vision-Exp 35.0 (le V4-Flash, uniquement texte, ne peut pas le tenter)

Deux de ces chiffres méritent un second regard. Sur Agents' Last Exam, Vision-Exp (27.3) devance Opus-4.8 (25.7), et sur DeepSWE, il bat également Opus-4.8 (59.3 contre 58.0). C'est sur cela que repose réellement le « proche d'Opus-4.8 » — non pas un résultat vedette, mais une série de benchmarks agentiques où le fait de voir l'écran comble la majeure partie de l'écart avec le modèle multimodal de pointe, tout en le sous-vendant en prix d'environ un ordre de grandeur.

Ce que coûte une image, au centime près.

Les images sont tokenisées pour la facturation — jusqu'à 384 tokens chacune — puis facturées aux mêmes tarifs par token que DeepSeek-V4-Flash. Comme DeepSeek a fait passer tous ses modèles à une tarification heures pleines/heures creuses le 16 août 2026, les montants exacts dépendent du moment où vous appelez :

Entrée, échec de cache — 0,22 $ par 1M de jetons hors pointe, 0,44 $ en pointe

• Entrée, cache touché — 0,007 $ par million de jetons hors pointe, 0,014 $ en pointe

• Sortie — 0,66 $ par million de tokens en heures creuses, 1,32 $ en heures de pointe.

• Heures de pointe — 01:00–04:00 et 06:00–10:00 UTC (toutes les autres heures hors pointe)

Faites le calcul et le coût de la vision disparaît presque. Une image à son plafond de 384 jetons coûte environ 0,0085 cents hors pointe et 0,017 cents en pointe, en entrée. Un agent qui lit 50 captures d'écran en une seule exécution ajoute environ un demi-cent de jetons d'entrée — avant même que le modèle n'écrive son premier jeton de sortie. DeepSeek limite également la résolution avant l'inférence : le niveau de détail faible redimensionne à 512×512, et le niveau élevé/original pré-dimensionne l'image (les petites jusqu'à environ 384×384, les grandes jusqu'à environ 800×800), de sorte qu'un original en haute résolution n'est jamais envoyé au modèle à son nombre de pixels natif.

Ces tarifs sont désormais un plafond plutôt que la seule option. Les poids étant publics, l'auto-hébergement coûte ce que coûtent vos GPU, au lieu du prix catalogue par jeton — il vaut la peine de faire le calcul si vous exploitez déjà du matériel d'inférence, sans intérêt dans le cas contraire.

Les seconds rôles : une API Files gratuite et Harness 0.1.1.

Deux éléments d'infrastructure ont été lancés en même temps que l'API. La Files API est disponible et gratuite : téléversez une image une seule fois, référencez-la par son file_id, et réutilisez-la dans plusieurs requêtes sans renvoyer les octets — un atout pour un agent de navigation qui conserve une page en contexte sur plusieurs tours. Et DeepSeek Harness 0.1.1, publié le même jour, prend en charge le nouveau modèle dès sa sortie, de sorte que le harnais qui évalue et pilote les charges de travail agentiques de DeepSeek peut le cibler immédiatement. Avec des poids sous licence MIT, la pile modèle-plus-outillage est désormais ouverte de bout en bout.

L'avertissement de production, formulé simplement.

Il s'agit d'un modèle expérimental. DeepSeek le qualifie explicitement ainsi, n'a annoncé aucune date de disponibilité générale et déconseille de l'exécuter directement en production ; le plan annoncé est d'itérer sur les retours et de publier une version stable ultérieurement. La conséquence pratique est que le cerveau textuel est éprouvé — c'est la même famille de poids qui alimente V4-Flash — mais le volet vision repose sur un nouveau code. L'image day-0 de vLLM permet de l'exécuter dès aujourd'hui, mais cette image est explicitement une version provisoire : l'implémentation de la vision se trouve dans une pull request ouverte, et non dans une version stable, et le seul matériel pour lequel une exécution de la vision a été publiée jusqu'ici est le NVIDIA GB200. La première vague de tests de charge indépendants ne fait donc que commencer cette semaine — mais elle démarre avec un véritable moteur de serving, et pas seulement avec le code de référence de DeepSeek.

C'est exactement le genre de situation où une couche de routage démontre son utilité. Sur OrcaRouter, deepseek/deepseek-v4-flash-vision-exp et deepseek/deepseek-v4-flash sont tous deux disponibles derrière une seule API, au prix catalogue de DeepSeek, répercuté sans aucune marge. Vous pouvez diriger le trafic contenant des images vers le modèle expérimental et, dans la même configuration, définir un basculement automatique vers un modèle de secours dès qu'il rencontre une erreur ou expire — ce qui réduit le risque lié au problème du « nouveau code ». Le DSL de routage permet également de n'envoyer au modèle de vision que les appels qui contiennent réellement des images, et de conserver le trafic purement textuel sur DeepSeek-V4-Flash, capturant les gains de benchmark là où ils existent et sans payer de supplément là où ils n'existent pas.

La licence MIT signifie aussi que la voie de l'auto-hébergement existe désormais pour les équipes qui le souhaitent — la version inclut un code d'inférence de référence, et l'image day-0 de vLLM ajoute une option de serving prête pour la production, si bien que vous n'êtes pas enfermés dans l'API. Pour tous ceux qui ne veulent pas exploiter un MoE d'environ 285 milliards de paramètres uniquement pour évaluer un modèle, l'API de routage est le point d'entrée à plus faible friction.

Que regarder ensuite

Les questions ouvertes se sont réduites depuis le lancement de l'API. DeepSeek-V4-Flash-Vision-Exp atteindra-t-il la GA, et le prix sera-t-il maintenu ? L'entrée vidéo ou audio suivra-t-elle — le modèle ne traite aujourd'hui que des images fixes, ce qui laisse les grands modèles multimodaux de pointe sans concurrents sur les médias en mouvement ? Quand le cheminement vision de vLLM passera-t-il de l'image épinglée du jour 0 à une version stable, puis à du matériel au-delà du GB200 ? Et les évaluations indépendantes — la première exécution tierce sur ApexBench ou Terminal-Bench, désormais possible pour quiconque dispose de GPU — reproduisent-elles les chiffres publiés ?

Une chose a changé depuis la publication de la note de version. Le 8 septembre, Teortaxes — l’analyste dont le cadrage sur la parité figure ci-dessus — a rapporté, à l’issue de tests pratiques, que DeepSeek semble désormais faire tourner au moins deux modèles modernes V4-Flash-Vision. Celui auquel il a eu accès par des tests en gris était, selon ses tests, le plus puissant des deux, et il tournait à la même vitesse que DeepSeek-V4-Flash-Vision-Exp, qu’il a interprété comme une base commune ; une version plus récente est plus rapide mais plus faible. Il s’agit d’une observation issue de tests en gris réalisés par un seul chercheur, et non d’une déclaration de DeepSeek ni d’un benchmark indépendant. Elle est tombée le jour même où DeepSeek a ouvert une bêta API de deux jours d’une « version intermédiaire » qu’il présente comme nativement multimodale et plus rapide — l’identifiant de modèle deepseek-v4.1-flash-expires-on-0910 a commencé à être servi le 8 septembre —, de sorte que la question pratique pour un acheteur est de savoir où se situe la version publiée dans le compromis vitesse-puissance : si le niveau le plus rapide conserve le profil de benchmark agentique qui a rendu intéressante la version à poids ouverts, ou s’il l’échange contre du débit.

La question de la parité Moonshot/GLM est l'autre à surveiller. Le cadrage de Teortaxes est la version testable de la ligne « proche d'Opus-4.8 » du fournisseur : avec les poids ouverts, une comparaison directe avec les modèles de vision de Moonshot et de GLM peut désormais être menée par n'importe qui sur ses propres benchmarks. Tant que personne ne le fait, cela reste une affirmation. Ce qui n'a pas besoin d'être reproduit, c'est le fait tarifaire qui sous-tend toute la sortie — la vision au prix du texte est un élément de facturation, pas un benchmark, et avec les poids ouverts, elle a désormais une alternative gratuite.