Kebocoran Bobot Terbuka DeepSeek V4 Vision: Vision-Exp Hanya API, Model Final Diharapkan Terbuka

Dua kalimat yang diposting di X minggu ini adalah hal paling berguna yang pernah dikatakan siapa pun tentang arah lini visi V4 DeepSeek. teortaxesTex, seorang peneliti yang mengikuti DeepSeek secara dekat, menulis: "Saya menduga bahwa ya, mereka tidak akan membuka bobot Vision-exp. Mereka telah melakukan hal-hal seperti itu di generasi V2. Tetapi mereka pasti akan membuka bobot V4-Vision-Final." Tidak ada satu pun dari itu yang dikonfirmasi — itu adalah prediksi berdasarkan informasi, bukan pengumuman — tetapi bagian pertama sudah sesuai dengan apa yang terjadi. DeepSeek-V4-Flash-Vision-Exp, model pertama dari keluarga V4 dengan input gambar asli, diluncurkan di API milik DeepSeek pada 21 Agustus 2026 sebagai rilis khusus API tanpa bobot yang dapat diunduh. Bagian kedua, jika terbukti, mengubah apa yang dapat dilakukan pengembang dengan lini visi V4: hosting sendiri, fine-tuning lokal, dan pilihan nyata antara menjalankan model sendiri atau memanggilnya.

Ini adalah artikel tentang apa yang kita ketahui sejauh ini, dan baris sumbernya lebih penting daripada biasanya. Tweet tersebut merupakan pembacaan orang dalam, bukan kebocoran berkas, dan memang sengaja tidak terverifikasi. Yang terverifikasi adalah kondisi DeepSeek-V4-Flash-Vision-Exp saat ini — dirilis, diberi harga, diuji tolok ukurnya, khusus API — dan yang tidak terverifikasi adalah segala hal tentang rilis model finalnya. Perbedaan tersebut berlaku di seluruh bagian di bawah ini.

Apa yang sebenarnya dikatakan oleh kebocoran itu

Sinyalnya pendek, jadi layak diurai secara presisi. "Vision-exp" adalah DeepSeek-V4-Flash-Vision-Exp, model eksperimental yang dirilis DeepSeek pada 21 Agustus. "V4-Vision-Final" adalah singkatan peneliti untuk rilis vision V4 produksi yang telah dijanjikan DeepSeek tetapi belum diberi nama. Prediksi ini memiliki dua bagian: DeepSeek akan menjaga bobot model eksperimental tetap tertutup — pola yang menurut teortaxesTex berlaku sejak generasi V2 — dan bobot model final akan dibuka.

The strongest V2-generation precedent on the record is DeepSeek-VL2, DeepSeek's open vision-language family from December 2024, released under the permissive DeepSeek Model License with MIT-licensed code. It is exactly the "final opens" half of the pattern. The "experimental stays closed" half is the researcher's reading of DeepSeek's behavior, and it is consistent with how the company has handled preview models since — which is what makes the final-model prediction worth taking seriously rather than dismissing.

Apa yang diverifikasi: rilis Vision-Exp

Halaman pengumuman di atas adalah seluruh catatan resmi: DeepSeek-V4-Flash-Vision-Exp telah tersedia di platform API DeepSeek sejak 21 Agustus 2026, ID model deepseek-v4-flash-vision-exp, dan tidak ada apa pun tentang bobot, arsitektur, atau lisensi yang dipublikasikan di mana pun di halaman tersebut. DeepSeek tidak pernah menyebut kata-kata "open source" tentang model ini. Halaman tersebut murni merupakan pengumuman API.

Yang dilakukan model ini sudah terverifikasi dan bermanfaat. Ia menerima teks plus gambar — JPEG, PNG, GIF, atau WebP — melalui base64 inline, URL eksternal, atau Files API baru DeepSeek, yang gratis dan memungkinkan Anda mengunggah sekali lalu menggunakannya kembali dengan file_id. Ia mengembalikan teks. Kemampuan teksnya setara dengan DeepSeek-V4-Flash versi teks saja: perilaku agen, penalaran, dan pengetahuan dunia yang sama, pada konteks 1M token dengan output hingga 384K token. Gambar ditagih sebagai token, hingga 384 token per gambar, persis dengan harga daftar V4-Flash. DeepSeek Harness 0.1.1 dirilis pada hari yang sama dengan dukungan native.

Angka-angka yang dilaporkan DeepSeek

Pada tolok ukur agen multimodal, peningkatan atas model teks-saja menjadi sorotan utama. Menurut angka DeepSeek sendiri — dilaporkan vendor, belum direproduksi oleh pihak independen mana pun:

• ApexBench (Pass@1) — 36,5 untuk Vision-Exp vs 26,2 untuk DeepSeek-V4-Flash khusus teks.

• Agents' Last Exam — 27.3 vs 25.2.

• Chartography — 64.3.

• ZeroBench (Pass@5) — 35.0.

Ringkasan DeepSeek adalah bahwa model tersebut "membawa performa agen multimodal mendekati Opus-4.8" sambil menyamai V4-Flash pada tolok ukur teks murni. Itu adalah angka-angka DeepSeek yang belum memiliki evaluasi independen, dan "mendekati Claude Opus-4.8" adalah cara pandang DeepSeek, bukan peringkat yang terukur.

Papan skor di atas menunjukkan kondisi terkini per 22 Agustus 2026: satu-satunya model visi V4 yang dirilis adalah model eksperimental yang hanya tersedia melalui API, dan segala hal tentang model final — bobot, ukuran, tanggal — hanyalah ekspektasi, bukan fakta.

Mengapa persoalan open-weights penting

DeepSeek adalah salah satu dari sedikit laboratorium garis depan yang model produksinya rutin dirilis terbuka, dan sejarah itulah alasan sebenarnya mengapa kebocoran tentang bobot menjadi berita. Backbone DeepSeek-V4-Flash-0731 yang hanya teks dilisensikan MIT — justru itulah alasan mengapa komunitas bisa mengembangkannya sama sekali. Jika model visi V4 final mengikuti DeepSeek-VL2 dan lini teks, bobot terbuka mengubah apa yang bisa dilakukan pembaca: penerapan lokal di perangkat keras Anda sendiri, penyesuaian halus pada data gambar proprietary, penggunaan terisolasi dari jaringan, dan biaya per-token nol di GPU Anda sendiri.

Ada juga peta jalan yang dilaporkan dan sejalan. Media teknologi China melaporkan pada Mei 2026 bahwa DeepSeek telah mengatakan bobot visi V4 open-source direncanakan untuk Q3 2026. Itu adalah komitmen yang dilaporkan, bukan tanggal yang dikonfirmasi — dan langkah khusus-API pada 21 Agustus konsisten dengan "eksperimental dulu, bobot kemudian." Soal lisensi, pemberitaan komunitas mengarah ke Apache-2.0 atau MIT, tetapi belum ada yang dikonfirmasi.

Jawaban sementara komunitas

Karena bobot visi resmi tidak terbuka, komunitas membuat versinya sendiri. Ada tiga graft khusus proyektor yang menonjol pada backbone teks DeepSeek-V4-Flash-0731 berlisensi MIT, masing-masing membekukan model teks dan melatih adaptor visi kecil di depannya:

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — menara visi DeepEncoderV2 ditambah proyektor terlatih, disajikan melalui vLLM dengan plugin kecil; diuji pada kluster NVIDIA DGX Spark dengan kecepatan sekitar 50 token/detik.

• jarrelscy/deepseek-v4-flash-0731-vision — menara MoonViT yang dibekukan (awalnya dari Kimi-K2.6) ditambah proyektor dengan sekitar 40M parameter yang dilatih dengan GRPO, mengikuti resep "WebBrain patchmerger".

• webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — sebuah checkpoint presisi campuran NVFP4 dengan PatchMerger yang sadar-routing dan integrasi SGLang kustom.

Ini adalah model tidak resmi, hasil cantuman, dan bukan model DeepSeek. Model-model ini menunjukkan bahwa memberi mata pada V4 Flash itu layak, dan mereka akan digantikan begitu bobot vision resmi dirilis. Fakta bahwa mereka bisa ada sama sekali adalah sinyal paling jelas tentang seberapa besar komunitas menginginkan bobot-bobot tersebut.

Seperti apa kira-kira V4-Vision-Final nantinya

Semua hal di bagian ini hanyalah spekulasi, karena belum ada yang diumumkan. Bentuk yang paling mungkin, dari pola DeepSeek sendiri: model vision final — kemungkinan dalam ukuran Flash dan Pro — dengan bobot terbuka. Ekonominya membuat deployment lokal masuk akal pada ukuran Flash: DeepSeek-V4-Flash adalah model mixture-of-experts dengan 284 miliar parameter yang hanya mengaktifkan 13 miliar per token, dengan konteks 1 juta token, dan laporan deployment komunitas menunjuk ke dua RTX 4090 atau satu RTX 5090 untuk build terkuantisasi. DeepSeek-V4-Pro dilaporkan sekitar 1,6 triliun total / 49 miliar aktif — permintaan yang lebih besar, tetapi logika MoE yang sama tetap berlaku. DeepSeek juga telah mengatakan V4 dilatih secara multimodal sejak awal; Vision-Exp adalah permukaan pertama dari kemampuan itu, dan model finalnya bisa menampilkan lebih banyak lagi.

Tidak ada satu pun dari itu yang terkonfirmasi. Itu adalah bentuk yang harus diharapkan pembaca, bukan sebuah janji.

Cara memainkan wait

Inilah yang benar hari ini, berbeda dengan yang mungkin benar nanti. DeepSeek-V4-Flash-Vision-Exp sudah aktif dan dapat dirutekan saat ini, dengan harga daftar DeepSeek sendiri — $0,15 per 1 juta token masukan dan $0,29 per 1 juta token keluaran, harga yang sama dengan V4-Flash khusus teks, dengan gambar yang ditagih sebagai token tambahan. OrcaRouter merutekannya melalui satu kunci API ke lebih dari 200 model, meneruskan harga daftar penyedia dengan markup 0%, dan dapat beralih otomatis ke model yang telah terbukti. Itulah cara yang jujur untuk mencoba model eksperimental: arahkan beban kerja uji ke Vision-Exp, pertahankan cadangan yang andal di endpoint yang sama, dan biarkan failover otomatis menukar ke model yang dapat diandalkan begitu model eksperimental tersebut berhenti merespons.

Halaman model di atas adalah tempat DeepSeek-V4-Flash-Vision-Exp benar-benar dapat dipanggil hari ini — $0,15 masuk, $0,29 keluar, satu kunci API, tanpa kontrak kedua.

When the final open-weights model ships, two things happen at once: self-hosters get to run it locally, and the hosted route stays on the same key at the same pass-through price. You will not have to choose at announcement time — a routing layer means both options stay one call apart. To be clear about the boundary: OrcaRouter routes APIs; we do not host model weights. Local deployment of the final V4 vision model is about DeepSeek's weights, not about us.

Tontonan Berikutnya

Empat hal akan mengubah kebocoran ini menjadi peluncuran. Penamaan resmi dan tanggal rilis untuk model visi V4 final. Konfirmasi lisensi — MIT dan Apache-2.0 sama-sama masuk akal, dan perbedaannya penting untuk karya turunan. Benchmark independen pertama dari model final, yang akan menggantikan klaim DeepSeek yang "mendekati Claude Opus-4.8" dengan angka yang diverifikasi pihak lain. Dan, untuk pandangan skeptis, apakah DeepSeek-V4-Flash-Vision-Exp sendiri akan pernah mendapatkan bobot — kebocoran mengatakan tidak, dan pola DeepSeek mendukung pembacaan tersebut.

Sampai salah satu dari itu terwujud, perlakukan kebocoran tersebut sebagai sinyal arah, bukan fakta. Model visi V4 eksperimental itu nyata, berguna, dan saat ini hanya tersedia melalui API. Model final dengan bobot terbuka adalah ekspektasi yang bersumber baik, bukan produk yang dirilis. Jika pengamat di X benar, lini visi V4 akan berakhir seperti biasanya model-model DeepSeek — berjalan di perangkat keras Anda sendiri, dengan API yang dihosting sebagai alternatif tanpa operasional.