DeepSeek-V4-Flash-Vision-Exp diventa Open Weights: stesso prezzo di V4-Flash, ora auto-ospitabile

DeepSeek-V4-Flash-Vision-Exp, il modello multimodale sperimentale lanciato sull'API di DeepSeek il 21 agosto, ha rilasciato i suoi pesi su Hugging Face il 31 agosto sotto licenza MIT. Dieci giorni dopo il lancio dell'API, lo stesso cervello che viene fatturato esattamente alle tariffe di token di DeepSeek-V4-Flash è scaricabile integralmente — file del modello, tokenizer, riferimento per la codifica dei prompt, un percorso di inferenza minimale in PyTorch e il serving vLLM dal day 0, annunciato dal progetto vLLM lo stesso giorno. Ciò rende l'agente con capacità visive e contesto da 1M più economico anche il più economico da auto-ospitare, e significa che l'implementazione di riferimento non è più l'unico modo per eseguirlo. L'unica nuova affermazione da segnalare subito: l'analista Teortaxes, commentando il rilascio su X, ha dichiarato che la pubblicazione dei pesi aperti porta alla parità di funzionalità con i modelli visivi di Moonshot e GLM. I pesi aperti sono un fatto verificato; quella parità è una lettura di terze parti che nessuno ha ancora riprodotto.

Cosa è stato effettivamente spedito

DeepSeek-V4-Flash-Vision-Exp è un modello multimodale sperimentale, accessibile con l'ID modello deepseek-v4-flash-vision-exp. Architetturalmente è un encoder visivo e un aligner sul backbone MoE V4-Flash — lo stesso modello di testo di circa 284 miliardi di parametri e 13 miliardi attivi, con l'aggiunta di moduli visivi. Accetta testo e immagini in input e produce testo in output, su una finestra di contesto da 1 milione di token con un massimo di 384K di output, sia in modalità di pensiero che in modalità senza pensiero. Supporta il formato Chat Completions, Messages in stile Anthropic e il formato Responses, ovvero il trio di cui un framework di agenti ha bisogno per integrarlo senza un adattatore personalizzato.

Per l'input di immagini, DeepSeek accetta JPEG, PNG, GIF e WebP, passati in tre modi: base64 inline, un URL esterno o un file caricato tramite l'API Files. Non c'è ancora input video o audio — la "visione" qui è solo immagini fisse.

Il posizionamento di DeepSeek stesso, nella nota di rilascio: la capacità puramente testuale — agenti, ragionamento, conoscenza del mondo — è alla pari con la versione ufficiale DeepSeek-V4-Flash, mentre la capacità multimodale degli agenti fa un salto importante e si avvicina a Opus-4.8. Questa è un'affermazione del fornitore, non riprodotta, e vale la pena leggerla con attenzione, perché il dettaglio dei benchmark dietro di essa è più interessante del titolo.

Cosa include effettivamente il rilascio open-weights

La release di oggi risponde alla domanda che il post di lancio aveva lasciato aperta. Il repository Hugging Face — deepseek-ai/DeepSeek-V4-Flash-Vision-Exp — è distribuito con licenza MIT e mette a disposizione i pesi completi (circa 285 miliardi di parametri — il backbone MoE V4-Flash più un encoder visivo e l’aligner — di cui circa 13 miliardi attivi per token, distribuiti su 48 shard), il tokenizer, un’implementazione di riferimento per la codifica dei prompt in stile OpenAI e un percorso di inferenza PyTorch minimale che copre l’encoder visivo, l’aligner, l’attenzione DFlash, il MoE, Hyper-Connections e il forward pass DSpark. DeepSeek continua a chiamare il codice PyTorch un’implementazione di riferimento piuttosto che un motore di serving di produzione — ma non è più necessario che faccia da percorso di serving, perché vLLM ha annunciato il supporto day-0 il giorno stesso.

La dichiarazione del progetto vLLM è che ora serve il modello. Ciò che significa in pratica, come si può verificare consultando il repository vLLM e la model card, è un'immagine Docker day-0 con tag fissato (vllm/vllm-openai:deepseekv4-flash-vision) e una ricetta ufficiale legata a una pull request upstream ancora aperta (#54566). Il supporto alla visione non è incluso in una wheel vLLM rilasciata — la wheel standard instrada il checkpoint verso il percorso solo-testo e fallisce sui tensori visivi — quindi day-0 qui significa un'immagine da fissare su un tag, non un aggiornamento di un'installazione vLLM esistente. Su quell'immagine, vLLM riporta un percorso di visione funzionante su NVIDIA GB200 e un punteggio OCRBench di 835 (83,5%) sulla propria configurazione di riferimento. Il limite pratico è passato da “aspettare una versione stabile” a “scaricarlo, servirlo e misurarlo da sé”.

Su X, l'analista Teortaxes ha inquadrato il rilascio in termini competitivi: i pesi aperti ora danno a DeepSeek una certa parità di funzionalità con i modelli vision di Moonshot e GLM. Questa è una lettura di terze parti — non una dichiarazione di DeepSeek né un risultato misurato — ma è verificabile in un modo che non lo era prima di questo rilascio, perché lo stesso rilascio mette a disposizione di chiunque i file per eseguire il confronto.

Perché il balzo del benchmark è più grande di quanto sembri

Tutte le cifre seguenti sono proprie di DeepSeek, pubblicate nella nota di lancio, non verificate in modo indipendente. Negli agent benchmark che incorporano screenshot e immagini, il DeepSeek-V4-Flash solo testo non li legge — ignora semplicemente le parti multimodali del compito. Il DeepSeek-V4-Flash-Vision-Exp guarda davvero, ed è per questo che i delta sono così ampi:

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

• Agents' Last Exam — 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 (il V4-Flash solo testo non può provarci)

• ZeroBench Pass@5 — Vision-Exp 35.0 (il V4-Flash solo testo non può tentarlo)

Due di questi numeri meritano un secondo sguardo. In Agents' Last Exam, Vision-Exp (27.3) supera di poco Opus-4.8 (25.7), e anche su DeepSWE batte Opus-4.8 (59.3 vs 58.0). È su questo che si fonda realmente "vicino a Opus-4.8" — non un singolo risultato di punta, ma una fascia di benchmark agentici in cui vedere lo schermo colma gran parte del divario rispetto al modello multimodale di frontiera, pur costando circa un ordine di grandezza in meno.

Quanto costa un'immagine, fino al decimale.

Le immagini vengono tokenizzate per la fatturazione — fino a 384 token ciascuna — e poi addebitate alle stesse tariffe per token di DeepSeek-V4-Flash. Poiché DeepSeek ha spostato tutti i suoi modelli al pricing peak/off-peak il 16 agosto 2026, i numeri esatti dipendono da quando effettui la chiamata:

• Input, cache miss — $0.22 per 1M token fuori punta, $0.44 in punta.

• Input, cache hit — $0,007 per 1 milione di token fuori punta, $0,014 in punta

• Output — $0.66 per 1M token fuori punta, $1.32 di punta

• Ore di punta — 01:00–04:00 e 06:00–10:00 UTC (tutte le altre ore sono fuori punta)

Fai i conti e il costo della visione quasi svanisce. Un'immagine al suo limite di 384 token costa circa 0,0085 centesimi fuori punta e 0,017 centesimi in fascia di punta, come input. Un agente che legge 50 screenshot in una singola esecuzione aggiunge all'incirca mezzo centesimo di token di input — prima ancora che il modello scriva il suo primo token di output. DeepSeek inoltre comprime la risoluzione prima dell'inferenza: il livello di dettaglio basso ridimensiona a 512×512, mentre alto/originale pre-scala l'immagine (quelle piccole fino a circa 384×384, quelle grandi fino a circa 800×800), quindi un originale ad alta risoluzione non viene mai fornito al modello nella sua risoluzione nativa.

Quelle tariffe ora sono un tetto massimo piuttosto che l'unica opzione. Con i pesi pubblici, l'hosting autonomo costa quanto costano le tue GPU invece del prezzo di listino per token — vale la pena fare i conti se gestisci già hardware di inferenza, irrilevante se non lo fai.

Il cast di supporto: una Files API gratuita e Harness 0.1.1

Due componenti infrastrutturali sono stati rilasciati insieme al lancio dell'API. La Files API è attiva e gratuita: carica un'immagine una volta, fai riferimento ad essa tramite file_id e riutilizzala in più richieste senza dover inviare nuovamente i byte — un vantaggio significativo per un agente di navigazione che mantiene una pagina nel contesto per più turni. E DeepSeek Harness 0.1.1, rilasciato lo stesso giorno, offre supporto nativo per il nuovo modello, quindi l'harness che esegue benchmark e gestisce i carichi di lavoro agentici di DeepSeek può utilizzarlo immediatamente. Con i pesi sotto licenza MIT, lo stack modello-plus-toolchain è ora completamente aperto dall'inizio alla fine.

L'avvertenza sulla produzione, detta chiaramente

Questo è un modello sperimentale. DeepSeek lo etichetta esplicitamente come tale, non ha annunciato una data di disponibilità generale (GA) e sconsiglia di eseguirlo direttamente in produzione; il piano dichiarato è di iterare sui feedback e rilasciare una versione stabile in un secondo momento. La conseguenza pratica è che il cervello testuale è comprovato — appartiene alla stessa famiglia di pesi che alimenta V4-Flash — ma il percorso di visione è codice nuovo. L'immagine day-0 di vLLM lo rende eseguibile già oggi, ma tale immagine è esplicitamente pre-release: l'implementazione della visione risiede in una pull request aperta, non in una release stabile, e l'unico hardware con una run di visione pubblicata finora è NVIDIA GB200. Quindi la prima ondata di stress-test indipendenti sta ancora iniziando questa settimana — ma sta iniziando con un vero motore di serving, non solo con il codice di riferimento di DeepSeek.

Questa è esattamente la situazione in cui un livello di routing dimostra il proprio valore. Su OrcaRouter, sia deepseek/deepseek-v4-flash-vision-exp che deepseek/deepseek-v4-flash sono attivi dietro una sola API, al prezzo di listino di DeepSeek senza alcun ricarico. Puoi indirizzare il traffico che contiene immagini verso il modello sperimentale e, nella stessa configurazione, impostare un failover automatico verso un fallback non appena va in errore o in timeout — il che rende l'intero problema del "nuovo codice" molto meno rischioso. Il DSL di routing consente inoltre di inviare al modello visivo solo le chiamate che contengono effettivamente immagini e di mantenere il traffico puramente testuale su DeepSeek-V4-Flash, cogliendo i guadagni nei benchmark laddove esistono e senza pagare nulla in più dove non esistono.

La licenza MIT significa anche che il percorso di self-hosting ora esiste per i team che lo desiderano — la release include codice di inferenza di riferimento, e l'immagine day-0 di vLLM aggiunge un'opzione di servizio di livello produzione, quindi non siete bloccati nell'API. Per chiunque non voglia gestire un MoE con circa 285 miliardi di parametri solo per valutare un modello, l'API di routing è il punto di ingresso a minor attrito.

Cosa guardare dopo

Le questioni aperte si sono ridotte dal lancio dell'API. DeepSeek-V4-Flash-Vision-Exp raggiungerà la GA, e il prezzo resterà invariato? Seguirà l'input video o audio — oggi il modello supporta solo immagini fisse, lasciando i grandi modelli multimodali di frontiera senza concorrenza sui media in movimento? Quando il percorso di visione di vLLM passerà dall'immagine day-0 bloccata a una release stabile, e poi su hardware oltre GB200? E le valutazioni indipendenti — la prima esecuzione da parte di terzi su ApexBench o Terminal-Bench, ora possibile per chiunque disponga di GPU — riproducono i numeri pubblicati?

Una cosa è cambiata da quando è stata diffusa la nota di rilascio. L'8 settembre, Teortaxes — l'analista la cui impostazione sulla parità compare sopra — ha riferito, sulla base di test pratici, che DeepSeek ora sembra eseguire almeno due moderni modelli V4-Flash-Vision. Quello a cui è arrivato tramite gray testing era, nei suoi test, il più forte dei due, e andava alla stessa velocità di DeepSeek-V4-Flash-Vision-Exp, che egli ha interpretato come una base condivisa; una build più recente è più veloce ma più debole. Si tratta dell'osservazione di gray testing di un singolo ricercatore, non di una dichiarazione di DeepSeek né di un benchmark indipendente. È arrivata lo stesso giorno in cui DeepSeek ha aperto una beta API di due giorni di una “versione intermedia” che presenta come nativamente multimodale e più veloce — l'ID del modello deepseek-v4.1-flash-expires-on-0910 ha iniziato a essere disponibile l'8 settembre — quindi la domanda pratica per un acquirente è dove si colloca la build di rilascio nel trade-off tra velocità e potenza: se il livello più veloce mantiene il profilo di benchmark agentico che ha reso interessante il rilascio open-weights, oppure lo baratta in cambio di throughput.

La questione della parità con Moonshot/GLM è l'altra da tenere d'occhio. La formulazione di Teortaxes è la versione verificabile della linea del vendor "vicino a Opus-4.8": con i pesi aperti, chiunque può ora eseguire un confronto diretto con i modelli vision di Moonshot e GLM sui propri benchmark. Finché nessuno lo fa, resta un'affermazione. Ciò che non ha bisogno di essere riprodotto è il fatto tariffario alla base dell'intera release: la vision a prezzi da testo è un dato di fatturazione, non un benchmark, e con i pesi aperti ora ha un'alternativa gratuita associata.