DeepSeek V4 Vision Open-Weights Leak: Vision-Exp è solo API, il modello finale è previsto open

Due frasi pubblicate su X questa settimana sono la cosa più utile che qualcuno abbia mai detto finora sulla direzione della linea vision V4 di DeepSeek. teortaxesTex, un ricercatore che segue DeepSeek da vicino, ha scritto: «Sospetto che sì, non renderanno pubblici i pesi di Vision-exp. Lo hanno già fatto in V2 gen. Ma renderanno sicuramente pubblici i pesi di V4-Vision-Final.» Niente di tutto ciò è confermato — è una previsione informata, non un annuncio — ma la prima metà corrisponde già a quanto accaduto. DeepSeek-V4-Flash-Vision-Exp, il primo modello della famiglia V4 con input di immagini nativo, è stato reso disponibile sull'API di DeepSeek il 21 agosto 2026 come rilascio esclusivamente API, senza pesi scaricabili. La seconda metà, se regge, cambia ciò che uno sviluppatore può effettivamente fare con la linea vision V4: self-hosting, fine-tuning locale e una reale scelta tra eseguire il modello da sé e chiamarlo via API.

Questo è un articolo del tipo "cosa sappiamo finora", e la riga sulle fonti conta più del solito. Il tweet è una lettura da insider, non una fuga di file, ed è non verificato di proposito. Ciò che è verificato è lo stato attuale di DeepSeek-V4-Flash-Vision-Exp — rilasciato, prezzato, sottoposto a benchmark, solo API — mentre non è verificato tutto ciò che riguarda il rilascio del modello finale. Questa distinzione attraversa ogni sezione qui di seguito.

Cosa dice realmente la fuga

Il segnale è breve, quindi vale la pena analizzarlo con precisione. "Vision-exp" è DeepSeek-V4-Flash-Vision-Exp, il modello sperimentale che DeepSeek ha rilasciato il 21 agosto. "V4-Vision-Final" è l'abbreviazione del ricercatore per la versione di visione V4 di produzione che DeepSeek ha promesso ma non ha ancora nominato. La previsione ha due parti: DeepSeek terrà chiusi i pesi del modello sperimentale — un modello che, secondo teortaxesTex, vale dalla generazione V2 — e i pesi del modello finale saranno aperti.

Il precedente più forte di seconda generazione V2 mai registrato è DeepSeek-VL2, la famiglia open di visione-linguaggio di DeepSeek del dicembre 2024, rilasciata sotto la permissiva DeepSeek Model License con codice con licenza MIT. È esattamente la metà "aperture finali" del pattern. La metà "sperimentale resta chiuso" è la lettura del comportamento di DeepSeek da parte del ricercatore, ed è coerente con il modo in cui l'azienda ha gestito i modelli in anteprima da allora — il che rende la previsione del modello finale degna di essere presa sul serio piuttosto che liquidata.

Cosa è verificato: la release Vision-Exp

La pagina di annuncio qui sopra costituisce l'intera documentazione ufficiale: DeepSeek-V4-Flash-Vision-Exp è disponibile sulla piattaforma API di DeepSeek dal 21 agosto 2026, ID modello deepseek-v4-flash-vision-exp, e in essa non viene pubblicato nulla riguardo a pesi, architettura o licenza. DeepSeek non ha pronunciato le parole "open source" in relazione a questo modello. La pagina è esclusivamente un annuncio API.

Ciò che fa il modello è verificato e utile. Accetta testo più immagini — JPEG, PNG, GIF o WebP — tramite base64 inline, un URL esterno o la nuova Files API di DeepSeek, che è gratuita e consente di caricare una volta e riutilizzare tramite file_id. Restituisce testo. Le sue capacità testuali corrispondono a quelle della versione solo testo DeepSeek-V4-Flash: lo stesso comportamento agente, di ragionamento e di conoscenza del mondo, su un contesto da 1M token con fino a 384K token di output. Le immagini vengono fatturate come token, fino a 384 token per immagine, esattamente al prezzo di listino di V4-Flash. DeepSeek Harness 0.1.1 è stato rilasciato lo stesso giorno con supporto nativo.

I numeri riportati da DeepSeek

Nei benchmark degli agenti multimodali, il guadagno rispetto al modello basato solo sul testo è la notizia principale. Secondo le cifre di DeepSeek — riportate dal fornitore, non ancora riprodotte in modo indipendente da nessuno:

• ApexBench (Pass@1) — 36.5 per Vision-Exp vs 26.2 per DeepSeek-V4-Flash solo testo.

• Agents' Last Exam — 27.3 vs 25.2.

• Chartography — 64.3.

• ZeroBench (Pass@5) — 35.0.

La sintesi di DeepSeek afferma che il modello "porta le prestazioni degli agenti multimodali vicine a Opus-4.8", eguagliando V4-Flash nei benchmark puramente testuali. Questi sono i dati di DeepSeek, senza ancora alcuna valutazione indipendente, e "vicino a Claude Opus-4.8" è l'inquadramento di DeepSeek, non una classifica misurata.

Il tabellone sopra mostra la situazione al 22 agosto 2026: l'unico modello V4 vision rilasciato è quello sperimentale, disponibile solo tramite API, e tutto ciò che riguarda il modello finale — pesi, dimensioni, data — è aspettativa, non realtà.

Perché la questione dei pesi aperti è importante

DeepSeek è uno dei pochi laboratori di frontiera i cui modelli di produzione vengono regolarmente rilasciati open, ed è questa storia il vero motivo per cui una fuga di notizie sui pesi fa notizia. Il backbone solo testo DeepSeek-V4-Flash-0731 è distribuito con licenza MIT — ed è proprio per questo che la community ha potuto costruirci sopra. Se il modello vision V4 finale seguirà DeepSeek-VL2 e la linea testuale, i pesi aperti cambiano ciò che un lettore può fare: deployment locale sul proprio hardware, fine-tuning su dati immagine proprietari, utilizzo air-gapped e costo zero per token sulla propria GPU.

C'è anche una roadmap riportata che torna. I media tecnologici cinesi hanno riportato a maggio 2026 che DeepSeek aveva detto che i pesi della visione V4 open-source erano previsti per il terzo trimestre 2026. Questo è un impegno riportato, non una data confermata — e il passo del 21 agosto solo API è coerente con "prima sperimentale, poi pesi." Sul licensing, la copertura della community indica Apache-2.0 o MIT, ma nulla è confermato.

La risposta provvisoria della comunità

Poiché i pesi ufficiali per la visione non sono aperti, la comunità ha costruito i propri. Esistono tre notevoli innesti solo-proiettore sul backbone testuale DeepSeek-V4-Flash-0731 con licenza MIT, ciascuno dei quali congela il modello testuale e addestra un piccolo adattatore visivo davanti ad esso:

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — una torre di visione DeepEncoderV2 più un proiettore addestrato, servito attraverso vLLM tramite un piccolo plugin; testato su cluster NVIDIA DGX Spark a circa 50 token/sec.

• jarrelscy/deepseek-v4-flash-0731-vision — una torre MoonViT congelata (originariamente da Kimi-K2.6) più un proiettore di circa 40 milioni di parametri addestrato con GRPO, seguendo la ricetta "WebBrain patchmerger".

• webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — un checkpoint a precisione mista NVFP4 con un PatchMerger sensibile al routing e un'integrazione SGLang personalizzata.

Questi sono non ufficiali, innestati, e non sono il modello di DeepSeek. Dimostrano che dare occhi a V4 Flash è fattibile, e verranno superati il giorno in cui arriveranno i pesi di visione ufficiali. Il fatto stesso che esistano è il segnale più chiaro di quanto la comunità desideri quei pesi.

Ecco come potrebbe apparire V4-Vision-Final

Tutto in questa sezione è speculazione, perché non è stato annunciato nulla. La forma più probabile, seguendo gli schemi stessi di DeepSeek: un modello vision finale — possibilmente sia nelle versioni Flash che Pro — con pesi aperti. L'economia rende plausibile la distribuzione locale nella versione Flash: DeepSeek-V4-Flash è un modello mixture-of-experts da 284 miliardi di parametri che attiva solo 13 miliardi per token, con un contesto da 1 milione di token, e i report della community sulla distribuzione indicano doppie RTX 4090 o una singola RTX 5090 per una build quantizzata. DeepSeek-V4-Pro è riportato a circa 1,6 trilioni totali / 49 miliardi attivi — una richiesta più impegnativa, ma la stessa logica MoE si applica. DeepSeek ha anche affermato che V4 è stato addestrato multimodale fin dall'inizio; Vision-Exp è la prima superficie di quella capacità, e il modello finale potrebbe esporne di più.

Niente di tutto ciò è confermato. È la forma che un lettore dovrebbe aspettarsi, non una promessa.

Come si gioca a The Wait

Ecco ciò che è vero oggi, a differenza di ciò che potrebbe essere vero più avanti. DeepSeek-V4-Flash-Vision-Exp è attivo e instradabile proprio ora, al prezzo di listino di DeepSeek — $0,15 per 1M di token di input e $0,29 per 1M di token di output, lo stesso prezzo della versione solo testo V4-Flash, con le immagini fatturate come token in aggiunta. OrcaRouter lo instrada tramite un'unica chiave API su oltre 200 modelli, applica il prezzo di listino del fornitore senza alcun ricarico e può passare automaticamente a un modello collaudato. Questo è il modo onesto di provare un modello sperimentale: punta un carico di test su Vision-Exp, mantieni un fallback affidabile sullo stesso endpoint e lascia che il failover automatico inserisca il modello affidabile nel momento in cui quello sperimentale si blocca.

La pagina del modello qui sopra è dove DeepSeek-V4-Flash-Vision-Exp è effettivamente chiamabile oggi — $0,15 in ingresso, $0,29 in uscita, una chiave API, nessun secondo contratto.

Quando il modello finale con pesi aperti verrà rilasciato, accadranno due cose contemporaneamente: chi fa self-hosting potrà eseguirlo localmente, e il percorso ospitato rimarrà sulla stessa chiave allo stesso prezzo pass-through. Non dovrai scegliere al momento dell'annuncio — un livello di routing significa che entrambe le opzioni restano a una sola chiamata di distanza. Per essere chiari sul confine: OrcaRouter instrada le API; non ospitiamo i pesi dei modelli. La distribuzione locale del modello di visione V4 finale riguarda i pesi di DeepSeek, non noi.

Cosa guardare dopo

Quattro cose trasformerebbero questa fuga di notizie in un lancio. {{1}}Un nome ufficiale e una data di rilascio per il modello di visione V4 finale.{{/1}} {{2}}La conferma della licenza — sia MIT che Apache-2.0 sono plausibili, e la differenza è importante per le opere derivate.{{/2}} {{3}}Un primo benchmark indipendente del modello finale, che sostituirebbe il "vicino a Claude Opus-4.8" di DeepSeek con un numero verificato da qualcun altro.{{/3}} E, per chi è scettico, {{4}}se DeepSeek-V4-Flash-Vision-Exp stessa riceverà mai i pesi — la fuga dice di no, e il pattern di DeepSeek supporta questa lettura.{{/4}}

Finché uno di questi non arriva, tratta la fuga di notizie come un segnale direzionale, non come un fatto. Il modello sperimentale di visione V4 è reale, utile e oggi disponibile solo tramite API. Il modello finale a pesi aperti è un'aspettativa ben documentata, non un prodotto in distribuzione. Se l'osservatore su X ha ragione, la linea di visione V4 finirà dove finiscono di solito i modelli di DeepSeek: sul tuo hardware, con l'API ospitata come alternativa zero-ops.