DeepSeek-V4-Flash-Vision-Exp עובר למשקלים פתוחים: אותו מחיר כמו V4-Flash, עכשיו ניתן לאירוח עצמי

DeepSeek-V4-Flash-Vision-Exp, המודל המולטי-מודאלי הניסיוני שהושק ב-API של DeepSeek ב-21 באוגוסט, פרסם את משקולותיו ב-Hugging Face ב-31 באוגוסט תחת רישיון MIT. עשרה ימים לאחר השקת ה-API, אותו מוח שמחויב בדיוק בתעריפי הטוקנים של DeepSeek-V4-Flash זמין להורדה במלואו — קבצי המודל, הטוקנייזר, אסמכתת קידוד פרומפטים, נתיב הסקה מינימלי ב-PyTorch, ותמיכת vLLM מהיום הראשון, כפי שפרויקט vLLM הכריז באותו היום. זה הופך את הסוכן הזול ביותר עם חלון הקשר של מיליון טוקנים ויכולות ראייה גם לזול ביותר לאירוח עצמי, ומשמעות הדבר שמימוש הייחוס אינו עוד הדרך היחידה להריץ אותו. הטענה החדשה היחידה שכדאי לסמן כבר בפתיחה: האנליסט Teortaxes, שעיין בהודעה ב-X, אמר שהפרסום בקוד פתוח מביא לשוויון תכונות עם מודלי הראייה של Moonshot ו-GLM. המשקולות הפתוחות הן עובדה מאומתת; אותו שוויון הוא פרשנות של צד שלישי שאיש עוד לא שחזר.

מה שנשלח בפועל

DeepSeek-V4-Flash-Vision-Exp הוא מודל מולטי־מודאלי ניסיוני, שאליו ניגשים באמצעות מזהה המודל deepseek-v4-flash-vision-exp. מבחינה ארכיטקטונית הוא כולל מקודד ראייה (vision encoder) ומיישר (aligner) על גבי עמוד השדרה מסוג MoE של V4-Flash — אותו מודל טקסט עם כ־284 מיליארד פרמטרים ו־13 מיליארד פרמטרים פעילים, בתוספת מודולים חזותיים. הוא מקבל טקסט ותמונות כקלט ומייצר טקסט כפלט, על פני חלון הקשר של 1M טוקנים עם תפוקה מקסימלית של 384K, גם במצב חשיבה וגם במצב ללא חשיבה. הוא תומך בפורמט Chat Completions, ב־Messages בסגנון Anthropic ובפורמט Responses — שלישייה שסביבת סוכן (agent framework) צריכה כדי לחבר אותו ללא מתאם מותאם אישית.

בקלט תמונה, DeepSeek מקבל JPEG, PNG, GIF ו-WebP, המועברים בשלוש דרכים: base64 מוטמע, כתובת URL חיצונית, או קובץ שהועלה דרך Files API. עדיין אין קלט וידאו או אודיו — ה"ראייה" כאן היא של תמונות סטילס בלבד.

המיצוב העצמי של DeepSeek, בהערת השחרור: יכולות טקסט בלבד — סוכנים, חשיבה, ידע עולמי — ברמה של שחרור DeepSeek-V4-Flash הרשמי, בעוד שיכולת הסוכנים המולטי-מודאלית עושה קפיצת מדרגה משמעותית ומגיעה קרוב ל-Opus-4.8. זוהי טענת ספק, שלא שוחזרה, וכדאי לקרוא אותה בעיון, כי הפרטים שמאחורי מדדי הביצוע מעניינים יותר מכותרת המהדורה.

מה ששחרור המשקלים הפתוחים כולל בפועל

השחרור של היום עונה על השאלה שפוסט ההשקה השאיר פתוחה. מאגר Hugging Face — deepseek-ai/DeepSeek-V4-Flash-Vision-Exp — מופץ תחת רישיון MIT ומגיע עם המשקולות המלאות (בערך 285 מיליארד פרמטרים — עמוד השדרה של V4-Flash MoE בתוספת מקודד ראייה ו-aligner — כ-13 מיליארד מהם פעילים לכל טוקן; הכול מפוצל על פני 48 shards), הטוקנייזר, מימוש ייחוס לקידוד פרומפטים בסגנון OpenAI, ונתיב הסקה מינימלי ב-PyTorch המכסה את מקודד הראייה, את ה-aligner, את DFlash attention, את ה-MoE, את Hyper-Connections ואת DSpark forward pass. DeepSeek עדיין מכנה את קוד ה-PyTorch מימוש ייחוס ולא מנוע הגשה לייצור — אבל הוא כבר לא חייב להיות נתיב ההגשה, כי vLLM הכריזה באותו היום על תמיכה מיום ההשקה.

ההצהרה של פרויקט vLLM עצמו היא שהוא משרת את המודל כבר עכשיו. משמעות הדבר בפועל, כפי שאומת מול מאגר הקוד של vLLM וכרטיס המודל, היא תמונת docker מקובעת של day‑0 (vllm/vllm-openai:deepseekv4-flash-vision) ומתכון רשמי שצמוד ל‑pull request שעדיין פתוח בפרויקט המקור (#54566). תמיכת ה‑vision אינה כלולה ב‑wheel של vLLM ששוחרר רשמית — ה‑wheel הרגיל מנתב את ה‑checkpoint לנתיב של טקסט בלבד ונכשל על טנזורי ה‑vision — ולכן day‑0 כאן פירושו תמונה שאתה קובע בעצמך, לא שדרוג של התקנת vLLM קיימת. על אותה תמונה, vLLM מדווח על נתיב vision תקין ב‑NVIDIA GB200 ועל ציון OCRBench של 835 (83.5%) בתצורת הייחוס שלו. התקרה המעשית עברה מ״לחכות לשחרור יציב״ ל״להוריד, לשרת ולמדוד בעצמך״.

ב-X, האנליסט Teortaxes ניסח את השחרור במונחים תחרותיים: המשקולות הפתוחות מעניקות כעת ל-DeepSeek שוויון תכונות מסוים עם מודלי הראייה של Moonshot ו-GLM. זו פרשנות של גורם חיצוני — לא הצהרה של DeepSeek ולא תוצאה מדודה — אבל היא ניתנת לבדיקה באופן שלא היה אפשרי לפני השחרור הזה, כי אותו שחרור נותן לכל אחד את הקבצים להריץ את ההשוואה.

למה הזינוק במדדים גדול יותר ממה שנדמה

כל הנתונים הבאים הם של DeepSeek עצמה, שפורסמו בהודעת ההשקה, ולא אומתו באופן בלתי תלוי. במבחני הסוכנים המשלבים צילומי מסך ותמונות, הגרסה הטקסטואלית בלבד DeepSeek-V4-Flash אינה קוראת אותם — היא פשוט מתעלמת מהחלקים הרב-מודליים של המשימה. DeepSeek-V4-Flash-Vision-Exp אכן מסתכלת עליהם, וזו הסיבה שהפערים כה גדולים:

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

• המבחן האחרון של סוכנים — Vision-Exp 27.3 לעומת V4-Flash 25.2 (Opus-4.8 25.7)

• Terminal-Bench 2.1 — Vision-Exp 83.9 לעומת V4-Flash 82.7 (Opus-4.8 85.0)

• NL2Repo — Vision-Exp 57.7 לעומת V4-Flash 54.2 (Opus-4.8 69.7)

• DeepSWE — Vision-Exp 59.3 לעומת V4-Flash 54.4 (Opus-4.8 58.0)

• Chartography — Vision-Exp 64.3 (V4-Flash לטקסט בלבד אינו יכול לנסות זאת)

• ZeroBench Pass@5 — Vision-Exp 35.0 (V4-Flash לטקסט בלבד אינו יכול לנסות זאת)

שניים מהמספרים האלה ראויים למבט שני. ב-Agents' Last Exam, Vision-Exp (27.3) גוברת בקושי על Opus-4.8 (25.7), ובעצם גם ב-DeepSWE היא מנצחת את Opus-4.8 (59.3 לעומת 58.0). על זה נשען הביטוי "קרוב ל-Opus-4.8" — לא תוצאה אחת בולטת, אלא סדרה של מדדי סוכנים שבהם ראיית המסך סוגרת את רוב הפער מול המודל המולטימודאלי המוביל, תוך שהיא נמכרת במחיר נמוך בסדר גודל בערך.

כמה עולה תמונה, עד הספרה העשרונית

תמונות עוברות טוקניזציה לצורכי חיוב — עד 384 טוקנים לכל תמונה — ולאחר מכן מחויבות באותם תעריפים פר-טוקן כמו DeepSeek-V4-Flash. מכיוון ש-DeepSeek העבירה את כל המודלים שלה לתמחור שעות שיא/שעות שפל ב-16 באוגוסט 2026, המספרים המדויקים תלויים במועד שבו תבצע את הקריאה:

• קלט, פספוס מטמון — $0.22 לכל מיליון אסימונים בשעות לא שיא, $0.44 בשעות שיא

• קלט, פגיעת מטמון — $0.007 לכל מיליון טוקנים בשעות לא שיא, $0.014 בשעות שיא

• פלט — $0.66 למיליון טוקנים בשעות שפל, $1.32 בשעות שיא

שעות שיא — 01:00–04:00 ו-06:00–10:00 UTC (כל שאר השעות אינן שעות שיא)

עשו את החשבון והעלות של ראייה כמעט נעלמת. תמונה אחת במכסת 384 הטוקנים שלה עולה בערך 0.0085 סנט בשעות שפל ו-0.017 סנט בשעות שיא, כקלט. סוכן שקורא 50 צילומי מסך בריצה אחת מוסיף בערך חצי סנט של טוקני קלט — לפני שהמודל בכלל כותב את טוקן הפלט הראשון שלו. DeepSeek גם מגביל את הרזולוציה לפני ההסקה: רמת הפירוט הנמוכה משנה גודל ל-512×512, ורמה גבוהה/מקורית מבצעת קנה מידה מוקדם לתמונה (קטנות עד בערך 384×384, גדולות מטה לבערך 800×800), כך שמקור ברזולוציה גבוהה אף פעם לא מוזן למודל במספר הפיקסלים המקורי שלו.

התעריפים האלה הם עכשיו תקרה, לא האפשרות היחידה. כשהמשקולות חשופות לציבור, אירוח עצמי עולה כמה שעולות יחידות ה-GPU שלך במקום מחירון לפי טוקן — כדאי לחשב אם כבר מפעילים חומרת הסקה, ולא רלוונטי אם לא.

שחקני המשנה: Files API חינמי ו-Harness 0.1.1

שני רכיבי תשתית שוחררו יחד עם השקת ה-API. ה-Files API פעיל וחינמי: העלה תמונה פעם אחת, התייחס אליה באמצעות file_id, ועשה בה שימוש חוזר בין בקשות ללא צורך בשליחת ה-bytes שוב — דבר משמעותי עבור סוכן גלישה שמחזיק דף בהקשר לאורך כמה פניות. בנוסף, DeepSeek Harness 0.1.1, ששוחרר באותו יום, כולל תמיכה מובנית במודל החדש, כך שה-harness שמבצע benchmark ומניע עומסי עבודה של סוכני DeepSeek יכול לכוון אליו מיד. עם רישיון MIT למשקלי המודל, המחסנית הכוללת מודל וכלים פתוחה כעת מקצה לקצה.

הסתייגות הייצור, במילים פשוטות

מדובר במודל ניסיוני. DeepSeek מתייגת אותו במפורש ככזה, לא הכריזה על תאריך GA, וממליצה לא להריץ אותו ישירות בסביבת ייצור; התוכנית המוצהרת היא לבצע איטרציות על סמך משוב ולשחרר גרסה יציבה מאוחר יותר. ההשלכה המעשית היא שהמוח הטקסטואלי מוכח — זוהי אותה משפחת משקלים שמניעה את V4-Flash — אבל מסלול הראייה הוא קוד חדש. תמונת Day-0 של vLLM מאפשרת להריץ אותו כבר היום, אך אותה תמונה מוגדרת במפורש כקדם-שחרור: מימוש הראייה נמצא ב-pull request פתוח, לא בגרסה יציבה, והחומרה היחידה שבה פורסמה עד כה ריצת ראייה היא NVIDIA GB200. אז הגל הראשון של בדיקות עומס עצמאיות רק מתחיל השבוע — אבל הוא מתחיל עם מנוע הגשה אמיתי, לא רק עם קוד הייחוס של DeepSeek.

זו בדיוק הסיטואציה שבה שכבת ניתוב מצדיקה את קיומה. ב־OrcaRouter, גם deepseek/deepseek-v4-flash-vision-exp וגם deepseek/deepseek-v4-flash זמינים מאחורי API אחד, במחיר המחירון של DeepSeek, המועבר ללא כל תוספת. אפשר להפנות תעבורה נושאת תמונות אל המודל הניסיוני, ובאותה תצורה להגדיר מעבר אוטומטי (failover) למודל גיבוי ברגע שהוא מחזיר שגיאה או שפג הזמן (timeout) — מה שמפחית את הסיכון הכרוך בכל סוגיית „הקוד החדש". ה־DSL של שכבת הניתוב מאפשר גם לשלוח רק את הקריאות שבאמת מכילות תמונות למודל הראייה, ולהשאיר את התעבורה הטקסטואלית על DeepSeek-V4-Flash — כך שתופסים את רווחי הבנצ'מרק היכן שהם קיימים, ולא משלמים שום דבר נוסף היכן שהם לא.

הרישיון MIT משמעו גם שמסלול האירוח העצמי (self-host) קיים כעת עבור צוותים שרוצים בו — המהדורה כוללת קוד ייחוס להסקה, ותמונת day-0 של vLLM מוסיפה אפשרות שרת ברמת ייצור, כך שאינכם נעולים ל-API. למי שלא רוצה להריץ מודל MoE עם כ-285 מיליארד פרמטרים רק כדי להעריך דגם, ה-API לניתוב (routing) הוא מסלול הכניסה בעל החיכוך הנמוך יותר.

מה לצפות בהמשך

השאלות הפתוחות הצטמצמו מאז השקת ה-API. האם DeepSeek-V4-Flash-Vision-Exp מגיע ל-GA, והאם המחיר נשמר? האם קלט וידאו או אודיו יגיע בהמשך — המודל כיום תומך רק בתמונות סטילס, מה שמותיר את מודלי החזית המולטי-מודאליים הגדולים ללא מתחרים במדיה נעה? מתי נתיב הראייה של vLLM יתבגר מתמונת day-0 המקובעת לשחרור יציב, ואל חומרה מעבר ל-GB200? והאם ההערכות העצמאיות — הריצה הראשונה של צד שלישי על ApexBench או Terminal-Bench, שכעת אפשרית לכל מי שיש לו GPUs — משחזרות את המספרים שפורסמו?

דבר אחד השתנה מאז יצאה הודעת השחרור. ב-8 בספטמבר, Teortaxes — האנליסט שמסגור השוויון שלו מופיע לעיל — דיווח מבדיקה מעשית ש-DeepSeek נראית מפעילה כעת לפחות שני מודלים מודרניים של V4-Flash-Vision. זה שאליו הגיע דרך בדיקות גריי היה, בבדיקות שלו, החזק מבין השניים, והוא רץ באותה מהירות כמו DeepSeek-V4-Flash-Vision-Exp, שאותו הוא פירש כבסיס משותף; בנייה חדשה יותר מהירה יותר אך חלשה יותר. זוהי תצפית של חוקר בודד מבדיקת גריי, לא הצהרה של DeepSeek ולא בנצ'מרק בלתי תלוי. זה נחת באותו יום שבו DeepSeek פתחה בטא של API בת יומיים של "גרסת ביניים" שאותה היא מציגה כמולטימודלית נייטיב ומהירה יותר — מזהה המודל deepseek-v4.1-flash-expires-on-0910 החל לשרת ב-8 בספטמבר — לכן השאלה המעשית עבור קונה היא היכן בניית השחרור ממוקמת בפשרה שבין מהירות לחוזק: האם הדרג המהיר יותר שומר על פרופיל הבנצ'מרק האג'נטי שהפך את שחרור המשקלים הפתוחים למעניין, או מחליף אותו בתפוקה.

שאלת ההשוואה בין Moonshot ל־GLM היא השנייה שכדאי לעקוב אחריה. הניסוח של Teortaxes הוא הגרסה הניתנת לבדיקה של אמירת הספק "קרוב ל־Opus-4.8": כאשר המשקלים פתוחים, השוואה ישירה מול מודלי הראייה של Moonshot ושל GLM יכולה כעת להתבצע על ידי כל אחד על אמות המידה שלו. עד שמישהו יעשה זאת, זו תישאר טענה. מה שלא צריך לשחזר הוא עובדת התמחור שעומדת בבסיס ההשקה כולה — ראייה במחירי טקסט היא מספר חיוב, לא אמת מידה, ועם משקלים פתוחים יש לה כעת חלופה חינמית.