DeepSeek-V4-Flash-Vision-Exp Rilis dengan Bobot Terbuka: Harga Sama dengan V4-Flash, Kini Dapat Dihosting Sendiri

DeepSeek-V4-Flash-Vision-Exp, model multimodal eksperimental yang diluncurkan di API DeepSeek pada 21 Agustus, merilis bobotnya di Hugging Face pada 31 Agustus dengan lisensi MIT. Sepuluh hari setelah peluncuran API, otak yang sama dengan tarif token yang persis sama dengan DeepSeek-V4-Flash dapat diunduh secara lengkap — file model, tokenizer, referensi pengodean prompt, jalur inferensi PyTorch minimal, dan dukungan serving vLLM sejak hari pertama, yang diumumkan oleh proyek vLLM pada hari yang sama. Hal itu menjadikan agen berkonteks 1M dengan kemampuan visual yang paling murah juga yang paling murah untuk di-host sendiri, dan berarti implementasi referensi bukan lagi satu-satunya cara untuk menjalankannya. Satu klaim baru yang layak disorot di awal: analis Teortaxes, membaca rilis tersebut di X, mengatakan bahwa rilis bobot terbuka ini menghadirkan paritas fitur dengan model vision dari Moonshot dan GLM. Bobot terbuka adalah fakta yang terverifikasi; paritas itu adalah penilaian pihak ketiga yang belum bisa direproduksi oleh siapa pun.

Apa yang sebenarnya dirilis

DeepSeek-V4-Flash-Vision-Exp adalah model multimodal eksperimental, diakses dengan ID model deepseek-v4-flash-vision-exp. Secara arsitektural, ini adalah penyandi visual (vision encoder) dan penyelaras (aligner) di atas tulang punggung MoE V4-Flash — model teks yang sama dengan kira-kira 284 miliar parameter dan 13 miliar parameter aktif, dengan modul visual yang ditambahkan. Model ini menerima teks dan gambar sebagai masukan dan menghasilkan teks sebagai keluaran, pada jendela konteks 1M token dengan keluaran maksimum 384K, dalam mode berpikir dan non-berpikir. Model ini mendukung format Chat Completions, Messages gaya Anthropic, dan format Responses, yang merupakan tiga serangkai yang dibutuhkan kerangka kerja agen untuk mengintegrasikannya tanpa adaptor khusus.

Untuk input gambar, DeepSeek menerima JPEG, PNG, GIF, dan WebP, yang dapat diberikan melalui tiga cara: base64 inline, URL eksternal, atau berkas yang diunggah melalui Files API. Belum ada input video atau audio — "visi" di sini hanya berupa gambar diam.

Posisi DeepSeek sendiri, dalam catatan rilis: kemampuan teks murni — agen, penalaran, pengetahuan dunia — setara dengan rilis resmi DeepSeek-V4-Flash, sementara kemampuan agen multimodal mengambil lompatan besar dan mendekati Opus-4.8. Itu adalah klaim vendor, belum direproduksi, dan layak dibaca dengan cermat, karena detail tolok ukur di baliknya lebih menarik daripada judul utamanya.

Apa yang sebenarnya termasuk dalam rilis open-weights

Rilis hari ini menjawab pertanyaan yang masih terbuka dari postingan peluncuran. Repositori Hugging Face — deepseek-ai/DeepSeek-V4-Flash-Vision-Exp — dilisensikan di bawah MIT dan menyertakan bobot penuh (sekitar 285 miliar parameter — backbone MoE V4-Flash ditambah vision encoder dan aligner — sekitar 13 miliar aktif per token, terbagi ke dalam 48 shard), tokenizer, implementasi referensi pengodean prompt ala OpenAI, serta jalur inferensi PyTorch minimalis yang mencakup vision encoder, aligner, attention DFlash, MoE, Hyper-Connections, dan forward pass DSpark. DeepSeek masih menyebut kode PyTorch tersebut sebagai implementasi referensi, bukan mesin serving produksi — tetapi kode itu tidak lagi harus menjadi jalur serving, karena vLLM mengumumkan dukungan day-0 pada hari yang sama.

Pernyataan proyek vLLM sendiri adalah bahwa ia melayani model tersebut sekarang. Artinya dalam praktik, diverifikasi terhadap repositori vLLM dan kartu model, adalah image Docker day-0 yang dikunci (vllm/vllm-openai:deepseekv4-flash-vision) dan resep resmi yang terikat pada pull request hulu yang masih terbuka (#54566). Dukungan visi tidak ada dalam wheel vLLM yang dirilis — wheel biasa mengarahkan checkpoint ke jalur teks-saja dan gagal pada tensor visi — jadi day-0 di sini berarti image yang Anda kunci, bukan upgrade ke instalasi vLLM yang ada. Pada image tersebut, vLLM melaporkan jalur visi yang berfungsi pada NVIDIA GB200 dan skor OCRBench 835 (83.5%) pada konfigurasi referensinya. Batas praktis telah bergeser dari "menunggu rilis stabil" menjadi "unduh, layani, dan ukur sendiri."

Di X, analis Teortaxes membingkai rilis ini dalam kerangka kompetitif: bobot terbuka kini memberi DeepSeek sejumlah paritas fitur dengan model visi dari Moonshot dan GLM. Itu adalah pembacaan pihak ketiga — bukan pernyataan DeepSeek dan bukan hasil terukur — tetapi hal itu dapat diuji dengan cara yang tidak mungkin dilakukan sebelum rilis ini, karena rilis yang sama memberikan berkas kepada siapa pun untuk menjalankan perbandingan tersebut.

Mengapa lonjakan benchmark lebih besar daripada yang terlihat

Semua angka berikut adalah milik DeepSeek sendiri, yang diterbitkan dalam catatan peluncuran, tidak diverifikasi secara independen. Pada tolok ukur agen yang menyematkan tangkapan layar dan gambar, DeepSeek-V4-Flash yang hanya teks tidak membacanya — ia hanya mengabaikan bagian multimodal dari tugas tersebut. DeepSeek-V4-Flash-Vision-Exp benar-benar melihat, itulah sebabnya perbedaannya begitu besar:

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

• Ujian Terakhir Para Agen — 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 khusus teks tidak dapat mencobanya)

• ZeroBench Pass@5 — Vision-Exp 35.0 (V4-Flash khusus teks tidak dapat mencobanya)

Dua dari angka tersebut layak untuk dilihat ulang. Pada Agents' Last Exam, Vision-Exp (27.3) sedikit mengungguli Opus-4.8 (25.7), dan pada DeepSWE ia juga mengalahkan Opus-4.8 (59.3 vs 58.0). Itulah dasar sebenarnya dari klaim "setara dengan Opus-4.8" — bukan satu hasil unggulan, melainkan serangkaian tolok ukur agen di mana kemampuan melihat layar menutup sebagian besar kesenjangan dengan model multimodal terdepan, sembari menjualnya dengan harga yang lebih murah sekitar sepuluh kali lipat.

Berapa biaya sebuah gambar, sampai ke angka desimalnya.

Gambar ditokenisasi untuk penagihan — hingga 384 token per gambar — dan kemudian dikenakan biaya pada tarif per token yang sama dengan DeepSeek-V4-Flash. Karena DeepSeek memindahkan semua modelnya ke penetapan harga puncak/luar puncak pada 16 Agustus 2026, angka pastinya bergantung pada saat Anda memanggil:

Input, cache miss — $0,22 per 1 juta token di luar jam sibuk, $0,44 jam sibuk

• Masukan, cache hit — $0.007 per 1 juta token di luar jam sibuk, $0.014 saat jam sibuk

• Output — $0,66 per 1M token di luar jam sibuk, $1,32 jam sibuk

Jam sibuk — 01:00–04:00 dan 06:00–10:00 UTC (semua jam lainnya di luar jam sibuk)

Lakukan perhitungannya dan biaya visi hampir menghilang. Satu gambar dengan batas maksimal 384 token sekitar 0,0085 sen di luar jam sibuk dan 0,017 sen pada jam sibuk, sebagai input. Agen yang membaca 50 tangkapan layar dalam satu kali proses menambah sekitar setengah sen token input — sebelum model bahkan menulis token output pertamanya. DeepSeek juga membatasi resolusi sebelum inferensi: tingkat detail rendah mengubah ukuran menjadi 512×512, dan high/original melakukan pra-skala gambar (yang kecil hingga sekitar 384×384, yang besar turun hingga sekitar 800×800), sehingga gambar asli beresolusi tinggi tidak pernah dimasukkan ke model pada jumlah piksel aslinya.

Tarif-tarif tersebut kini menjadi batas atas, bukan satu-satunya opsi. Dengan bobot yang dipublikasikan, biaya self-hosting mengikuti harga GPU Anda, bukan harga daftar per token — layak diperhitungkan jika Anda sudah mengoperasikan perangkat keras inferensi, tidak relevan jika tidak.

Pemeran pendukung: Files API gratis dan Harness 0.1.1

Dua komponen infrastruktur dirilis bersamaan dengan peluncuran API. Files API sudah aktif dan gratis: unggah gambar sekali, rujuk melalui file_id, dan gunakan kembali di berbagai permintaan tanpa mengirim ulang byte-nya — hal ini bermakna bagi agen penjelajah yang menyimpan halaman dalam konteks selama beberapa putaran. DeepSeek Harness 0.1.1, yang dirilis pada hari yang sama, telah mendukung model baru secara langsung, sehingga harness yang melakukan benchmarking dan menjalankan beban kerja agen DeepSeek dapat langsung menargetkannya. Dengan bobot berlisensi MIT, tumpukan model-plus-toolchain kini terbuka dari ujung ke ujung.

Peringatan produksi, dinyatakan secara terus terang

Ini adalah model eksperimental. DeepSeek melabelinya secara eksplisit sebagai demikian, belum mengumumkan tanggal GA, dan merekomendasikan agar tidak menjalankannya langsung di produksi; rencana yang dinyatakan adalah mengulangi umpan balik dan merilis versi stabil nanti. Konsekuensi praktisnya adalah bahwa "otak" teks sudah terbukti — ini adalah keluarga bobot yang sama yang menggerakkan V4-Flash — tetapi jalur visi adalah kode baru. Image day-0 vLLM membuatnya dapat dijalankan hari ini, namun image itu secara eksplisit pra-rilis: implementasi visi berada dalam pull request terbuka, bukan rilis stabil, dan satu-satunya perangkat keras dengan visi yang dipublikasikan sejauh ini adalah NVIDIA GB200. Jadi gelombang pertama pengujian stres independen baru saja dimulai minggu ini — tetapi dimulai dengan mesin serving yang nyata, bukan hanya kode referensi DeepSeek.

Itu justru situasi di mana lapisan routing membuktikan nilainya. Di OrcaRouter, baik deepseek/deepseek-v4-flash-vision-exp maupun deepseek/deepseek-v4-flash aktif di belakang satu API, dengan harga resmi DeepSeek yang diteruskan tanpa markup sama sekali. Anda bisa mengarahkan lalu lintas yang mengandung gambar ke model eksperimental dan, dalam konfigurasi yang sama, mengatur failover otomatis ke cadangan begitu terjadi error atau timeout — yang mengurangi risiko dari seluruh masalah "kode baru" tersebut. DSL routing juga memungkinkan Anda mengirim hanya panggilan yang benar-benar mengandung gambar ke model vision dan menjaga lalu lintas teks murni tetap di DeepSeek-V4-Flash, menangkap keuntungan benchmark di tempat yang memang ada dan tidak membayar ekstra di tempat yang tidak ada.

Lisensi MIT juga berarti jalur self-host kini tersedia bagi tim yang menginginkannya — rilis ini menyertakan kode inferensi referensi, dan citra day-0 vLLM menambahkan opsi penyajian kelas produksi, sehingga Anda tidak terkunci pada API. Bagi siapa pun yang tidak ingin mengoperasikan MoE dengan sekitar 285 miliar parameter hanya untuk mengevaluasi model, API routing adalah jalan masuk dengan hambatan lebih rendah.

Tontonan Berikutnya

Pertanyaan terbuka telah menyempit sejak peluncuran API. Apakah DeepSeek-V4-Flash-Vision-Exp mencapai GA, dan apakah harganya bertahan? Apakah input video atau audio menyusul — model saat ini hanya mendukung gambar diam, yang membuat model perbatasan multimodal besar tidak tertandingi pada media bergerak? Kapan jalur visi vLLM lulus dari citra hari-0 yang disematkan menjadi rilis stabil, dan ke perangkat keras selain GB200? Dan apakah evaluasi independen — yang pertama kali dijalankan pihak ketiga pada ApexBench atau Terminal-Bench, kini dimungkinkan bagi siapa pun yang memiliki GPU — mereproduksi angka-angka yang dipublikasikan?

Satu hal telah berubah sejak catatan rilis tersebut disebarluaskan. Pada 8 September, Teortaxes — analis yang kerangka paritasnya ditampilkan di atas — melaporkan dari pengujian langsung bahwa DeepSeek kini tampaknya menjalankan setidaknya dua model V4-Flash-Vision modern. Model yang ia capai melalui pengujian abu-abu, dalam pengujiannya, adalah yang lebih kuat dari keduanya, dan berjalan dengan kecepatan yang sama dengan DeepSeek-V4-Flash-Vision-Exp, yang ia baca sebagai basis yang sama; build yang lebih baru lebih cepat tetapi lebih lemah. Itu adalah observasi pengujian abu-abu dari satu peneliti, bukan pernyataan DeepSeek dan bukan tolok ukur independen. Hal itu terjadi pada hari yang sama ketika DeepSeek membuka beta API dua hari untuk "versi perantara" yang mereka sebut multimodal-native dan lebih cepat — ID model deepseek-v4.1-flash-expires-on-0910 mulai melayani pada 8 September — jadi pertanyaan praktis bagi pembeli adalah di mana build rilis tersebut berada pada trade-off antara kecepatan dan kekuatan: apakah tingkat yang lebih cepat mempertahankan profil tolok ukur agen yang membuat rilis bobot terbuka menarik, atau menukarnya dengan throughput.

Pertanyaan paritas Moonshot/GLM adalah hal lain yang perlu diperhatikan. Pembingkaian Teortaxes adalah versi yang dapat diuji dari klaim vendor "dekat dengan Opus-4.8": dengan bobot yang terbuka, perbandingan langsung terhadap model visi Moonshot dan GLM kini dapat dijalankan oleh siapa pun pada tolok ukur mereka sendiri. Sampai seseorang melakukannya, itu tetap klaim. Yang tidak perlu direproduksi adalah fakta harga di balik keseluruhan rilis ini — visi dengan harga teks adalah angka penagihan, bukan tolok ukur, dan dengan bobot yang terbuka kini ada alternatif gratis yang melekat padanya.