Fuite des poids ouverts de DeepSeek V4 Vision : Vision-Exp est exclusivement disponible via l'API, le modèle final devrait être ouvert.

Deux phrases publiées sur X cette semaine constituent la réflexion la plus utile jamais formulée sur la direction que prend la gamme vision V4 de DeepSeek. teortaxesTex, un chercheur qui suit DeepSeek de près, a écrit : « Je soupçonne que oui, ils n'ouvriront pas les poids de Vision-exp. Ils ont fait ce genre de choses à la génération V2. Mais ils ouvriront certainement les poids de V4-Vision-Final. » Rien de tout cela n'est confirmé — c'est une prédiction éclairée, pas une annonce — mais la première partie correspond déjà à ce qui s'est passé. DeepSeek-V4-Flash-Vision-Exp, le premier modèle de la famille V4 avec entrée d'images native, est mis en service sur l'API propre de DeepSeek le 21 août 2026, en tant que version uniquement API, sans poids téléchargeables. La seconde partie, si elle se confirme, change ce qu'un développeur peut réellement faire avec la gamme vision V4 : auto-hébergement, fine-tuning local, et un véritable choix entre exécuter le modèle soi-même et l'appeler.

Voici un point sur ce que l’on sait pour l’instant, et la mention des sources compte plus que d’habitude. Le tweet est une lecture d’initié, pas une fuite de documents, et il est volontairement non vérifié. Ce qui est vérifié, c’est l’état actuel de DeepSeek-V4-Flash-Vision-Exp — publié, tarifé, benchmarké, accessible uniquement via API — et ce qui ne l’est pas, c’est tout ce qui concerne la sortie du modèle final. Cette distinction traverse chaque section ci-dessous.

Ce que la fuite dit réellement

Le signal est court, il vaut donc la peine de l'analyser précisément. « Vision-exp » correspond à DeepSeek-V4-Flash-Vision-Exp, le modèle expérimental que DeepSeek a publié le 21 août. « V4-Vision-Final » est le raccourci qu'utilise le chercheur pour désigner la version finale de la vision V4 que DeepSeek a promise mais pas encore nommée. La prédiction comporte deux volets : DeepSeek gardera fermés les poids du modèle expérimental — un schéma qui, selon teortaxesTex, s'applique depuis la génération V2 — et les poids du modèle final seront ouverts.

Le précédent le plus solide de la génération V2 en la matière est DeepSeek-VL2, la famille ouverte vision-langage de DeepSeek datant de décembre 2024, publiée sous la licence permissive DeepSeek Model License avec un code sous licence MIT. C'est exactement la moitié « final ouvert » du schéma. La moitié « expérimental reste fermé » est l'interprétation que fait le chercheur du comportement de DeepSeek, et elle concorde avec la façon dont l'entreprise a géré les modèles d'aperçu depuis lors — c'est ce qui rend la prédiction d'un modèle final digne d'être prise au sérieux plutôt que rejetée.

Ce qui est vérifié : la version Vision-Exp

La page d'annonce ci-dessus constitue l'intégralité du dossier officiel : DeepSeek-V4-Flash-Vision-Exp est disponible sur la plateforme API de DeepSeek depuis le 21 août 2026, avec l'identifiant du modèle deepseek-v4-flash-vision-exp, et rien concernant les poids, l'architecture ou une licence n'est publié nulle part sur cette page. DeepSeek n'a pas prononcé les mots « open source » à propos de ce modèle. La page est strictement une annonce d'API.

Ce que fait le modèle est vérifié et utile. Il prend du texte et des images — JPEG, PNG, GIF ou WebP — via un encodage base64 intégré, une URL externe, ou la nouvelle API Files de DeepSeek, qui est gratuite et permet de téléverser une fois puis de réutiliser via file_id. Il renvoie du texte. Ses capacités textuelles correspondent à celles du DeepSeek-V4-Flash texte uniquement : même comportement d'agent, de raisonnement et de connaissances du monde, sur un contexte de 1M de tokens avec jusqu'à 384K tokens de sortie. Les images sont facturées en tokens, jusqu'à 384 tokens par image, exactement au prix catalogue de V4-Flash. DeepSeek Harness 0.1.1 est sorti le même jour avec un support natif.

Les chiffres rapportés par DeepSeek

Sur les benchmarks d'agents multimodaux, le gain par rapport au modèle texte seul est le fait marquant. Selon les propres chiffres de DeepSeek — fournis par le fournisseur, non reproduits par quiconque d'indépendant pour l'instant :

• ApexBench (Pass@1) — 36,5 pour Vision-Exp contre 26,2 pour DeepSeek-V4-Flash en version texte seul.

• Agents' Last Exam — 27,3 contre 25,2.

• Chartography — 64.3.

• ZeroBench (Pass@5) — 35.0.

La synthèse de DeepSeek indique que le modèle « rapproche les performances multimodales de celles d'Opus-4.8 » tout en égalant V4-Flash sur les benchmarks purement textuels. Ce sont les chiffres de DeepSeek, sans évaluation indépendante à ce stade, et « proche de Claude Opus-4.8 » relève du cadrage de DeepSeek, pas d'un classement mesuré.

Le tableau de bord ci-dessus reflète la situation au 22 août 2026 : le seul modèle de vision V4 publié est le modèle expérimental, réservé à l'API, et tout ce qui concerne le modèle final — poids, tailles, date — relève de l'attente, pas des faits.

Pourquoi la question des poids ouverts est importante

DeepSeek est l'un des rares laboratoires de pointe dont les modèles de production sont systématiquement publiés en open source, et c'est cette histoire qui explique pourquoi une fuite concernant les poids fait l'actualité. Le backbone textuel DeepSeek-V4-Flash-0731 est sous licence MIT — c'est précisément ce qui a permis à la communauté de bâtir dessus. Si le modèle de vision V4 final suit DeepSeek-VL2 et la lignée textuelle, des poids ouverts changent ce qu'un lecteur peut faire : déploiement local sur votre propre matériel, fine-tuning sur des données d'images propriétaires, utilisation en environnement isolé (air-gapped), et zéro coût par jeton sur votre propre GPU.

Il existe également une feuille de route rapportée qui correspond. Les médias technologiques chinois ont rapporté en mai 2026 que DeepSeek avait déclaré que les poids de vision V4 open-source étaient prévus pour le troisième trimestre 2026. Il s'agit d'un engagement rapporté, pas d'une date confirmée — et l'étape du 21 août réservée à l'API est cohérente avec « expérimental d'abord, poids plus tard ». En ce qui concerne les licences, la couverture communautaire pointe vers Apache-2.0 ou MIT, mais rien n'est confirmé.

La réponse provisoire de la communauté.

Comme les poids officiels de la vision ne sont pas ouverts, la communauté a construit les siens. Trois greffes notables de projecteur uniquement existent sur le backbone texte DeepSeek-V4-Flash-0731 sous licence MIT, chacune gelant le modèle de texte et entraînant un petit adaptateur de vision devant lui :

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — une tour de vision DeepEncoderV2 plus un projecteur entraîné, servi via vLLM grâce à un petit plugin ; testé sur des clusters NVIDIA DGX Spark à environ 50 tokens/sec.

• jarrelscy/deepseek-v4-flash-0731-vision — une tour MoonViT figée (provenant à l’origine de Kimi-K2.6) plus un projecteur d’environ 40 millions de paramètres entraîné avec GRPO, selon la recette « WebBrain patchmerger ».

• webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — un checkpoint à précision mixte NVFP4 avec un PatchMerger sensible au routage et une intégration SGLang personnalisée.

Ce sont des modèles non officiels, greffés, et non le modèle de DeepSeek. Ils démontrent qu'il est possible de donner des yeux à V4 Flash, et ils seront remplacés le jour où les poids de vision officiels arriveront. Le simple fait qu'ils existent est le signe le plus clair de combien la communauté veut ces poids.

À quoi pourrait ressembler V4-Vision-Final

Tout ce qui figure dans cette section n'est que spéculation, car rien n'a été annoncé. La forme la plus probable, compte tenu des habitudes de DeepSeek : un modèle de vision final — possiblement aux tailles Flash et Pro — avec des poids ouverts. Sur le plan économique, un déploiement local est plausible en taille Flash : DeepSeek-V4-Flash est un modèle de mélange d'experts à 284 milliards de paramètres qui n'active que 13 milliards par jeton, avec un contexte d'un million de jetons, et les retours de la communauté sur le déploiement évoquent deux RTX 4090 ou une seule RTX 5090 pour une version quantifiée. DeepSeek-V4-Pro est annoncé à environ 1 600 milliards de paramètres au total, dont 49 milliards d'actifs — une exigence plus lourde, mais la même logique MoE s'applique. DeepSeek a également déclaré que le modèle V4 avait été entraîné en multimodal dès le départ ; Vision-Exp est la première manifestation de cette capacité, et le modèle final pourrait en révéler davantage.

Rien de tout cela n'est confirmé. C'est la forme à laquelle un lecteur devrait s'attendre, pas une promesse.

Comment jouer à l'attente

Voici ce qui est vrai aujourd'hui, par opposition à ce qui pourrait être vrai plus tard. DeepSeek-V4-Flash-Vision-Exp est en ligne et routable dès maintenant, au prix catalogue de DeepSeek lui-même — 0,15 $ par million de jetons d'entrée et 0,29 $ par million de jetons de sortie, le même prix que le V4-Flash en mode texte uniquement, avec les images facturées en jetons en supplément. OrcaRouter l'achemine via une seule clé API sur plus de 200 modèles, répercute le prix catalogue du fournisseur avec une marge de 0 %, et peut basculer automatiquement vers un modèle éprouvé. C'est la façon honnête d'essayer un modèle expérimental : diriger une charge de test vers Vision-Exp, conserver un repli fiable sur le même point de terminaison, et laisser la bascule automatique substituer le modèle fiable dès que le modèle expérimental cale.

La page du modèle ci-dessus est l'endroit où DeepSeek-V4-Flash-Vision-Exp est réellement appelable aujourd'hui — 0,15 $ en entrée, 0,29 $ en sortie, une clé API, pas de second contrat.

Lorsque le modèle final à poids ouverts sera publié, deux choses se produiront en même temps : les auto-hébergeurs pourront l'exécuter en local, et la voie hébergée restera sur la même clé, au même prix de transfert. Vous n'aurez pas à choisir au moment de l'annonce — une couche de routage signifie que les deux options restent à un appel de distance. Pour être clair sur la frontière : OrcaRouter route les API ; nous n'hébergeons pas de poids de modèles. Le déploiement local du modèle de vision V4 final concerne les poids de DeepSeek, pas nous.

Que regarder ensuite

Quatre éléments transformeraient cette fuite en lancement. Un nom officiel et une date de sortie pour le modèle de vision V4 final. La confirmation de la licence — MIT et Apache-2.0 sont toutes deux plausibles, et la différence compte pour les travaux dérivés. Un premier benchmark indépendant du modèle final, qui remplacerait le « proche de Claude Opus-4.8 » de DeepSeek par un chiffre vérifié par quelqu'un d'autre. Et, pour les sceptiques, savoir si DeepSeek-V4-Flash-Vision-Exp lui-même obtiendra un jour des poids — la fuite dit non, et le comportement de DeepSeek appuie cette lecture.

Jusqu'à ce que l'un d'eux se concrétise, traitez la fuite comme un signal directionnel plutôt que comme un fait. Le modèle expérimental V4 vision est réel, utile et réservé à l'API aujourd'hui. Le modèle final à poids ouverts est une attente bien sourcée, pas un produit commercialisé. Si l'observateur sur X a raison, la gamme V4 vision aboutit là où les modèles de DeepSeek finissent généralement — fonctionnant sur votre propre matériel, avec l'API hébergée comme alternative sans maintenance.