DeepSeek V4 Visionのオープンウェイト流出：Vision-ExpはAPI限定、最終モデルはオープン化が見込まれる

今週Xに投稿された2つの文は、DeepSeekのV4ビジョンラインが向かう先について、これまで誰かが述べた中で最も有益なものだ。DeepSeekを注視している研究者teortaxesTexはこう書いた。「そう、彼らはVision-expのウェイトを公開しないだろう。V2世代でもそういうことをやってきた。しかし、V4-Vision-Finalのウェイトは必ず公開するだろう」と。そのいずれも確認されたわけではない——これは発表ではなく、知識に基づく予測だ——しかし、前半はすでに実際の出来事と一致している。DeepSeek-V4-Flash-Vision-Expは、V4ファミリー初のネイティブ画像入力を備えたモデルで、2026年8月21日にDeepSeek自身のAPIでAPI限定リリースとして稼働開始し、ダウンロード可能なウェイトはない。後半がもし実現すれば、開発者がV4ビジョンラインで実際にできることが変わる。すなわち、セルフホスティング、ローカルでのファインチューニング、そしてモデルを自分で動かすか、呼び出すかの本当の選択肢だ。

これは「現時点で判明していること」をまとめた記事であり、情報源の明記が通常以上に重要です。このツイートは内部関係者による読み筋であり、ファイルのリークではなく、設計上未検証です。検証されているのは、DeepSeek-V4-Flash-Vision-Exp の現状——公開済み、価格設定済み、ベンチマーク測定済み、API限定——であり、検証されていないのは、最終モデルのリリースに関するすべてのことです。その区別は、以下のすべてのセクションに貫かれています。

漏洩が実際に言っていること

シグナルは短いので、正確に解析する価値がある。「Vision-exp」はDeepSeek-V4-Flash-Vision-Exp、つまりDeepSeekが8月21日にリリースした実験モデルである。「V4-Vision-Final」は、DeepSeekが約束しながらもまだ名称を明かしていない本番向けV4ビジョンリリースを指す研究者の略称だ。この予測は2つの部分から成る。DeepSeekは実験モデルのウェイトを非公開のままにする——teortaxesTexによれば、これはV2世代から続くパターンである——そして、最終モデルのウェイトは公開される。

記録上最も強力なV2世代の前例は、DeepSeekが2024年12月に公開したオープンな視覚言語ファミリーであるDeepSeek-VL2で、寛容なDeepSeek Model Licenseの下でリリースされ、コードはMITライセンスです。これは、まさにパターンの「最終版はオープン」という半分に当たります。「実験版はクローズのまま」という半分は、DeepSeekの行動に対する研究者の解釈であり、同社がそれ以降プレビューモデルを扱ってきた方法と一貫しています。だからこそ、最終モデルが公開されるという予測は、退けるのではなく真剣に受け止める価値があるのです。

検証されているもの: Vision-Exp リリース

上記の発表ページが公式記録のすべてです。DeepSeek-V4-Flash-Vision-Exp は2026年8月21日時点でDeepSeekのAPIプラットフォーム上で公開されており、モデルIDは deepseek-v4-flash-vision-exp です。ウェイト、アーキテクチャ、ライセンスについての情報は、このページのどこにも一切公開されていません。DeepSeekはこのモデルについて「オープンソース」という言葉を一切述べていません。このページは厳密にAPI発表のみです。

このモデルが行うことは検証済みで、有用です。テキストと画像（JPEG、PNG、GIF、WebP）を、base64インライン、外部URL、またはDeepSeekの新しいFiles APIを介して受け取ります。Files APIは無料で、一度アップロードすればfile_idで再利用できます。テキストを返します。そのテキスト機能は、テキスト専用のDeepSeek-V4-Flashと同等です。同じエージェント、推論、世界知識の振る舞いを持ち、1Mトークンのコンテキストで、最大384Kトークンの出力に対応します。画像はトークンとして課金され、画像1枚あたり最大384トークン、価格はV4-Flashのリスト価格とまったく同じです。DeepSeek Harness 0.1.1は同日にリリースされ、ネイティブサポートを備えています。

DeepSeekが報告した数字

マルチモーダルエージェントのベンチマークでは、テキストのみのモデルに対する改善が見出しとなっています。DeepSeek自身の数値によれば——ベンダー報告であり、まだ独立した誰にも再現されていません：

• ApexBench (Pass@1) — Vision-Exp は 36.5、テキスト専用の DeepSeek-V4-Flash は 26.2 です。

• Agents' Last Exam — 27.3 対 25.2。

Chartography — 64.3.

• ZeroBench (Pass@5) — 35.0.

DeepSeekの要約では、このモデルは「マルチモーダルエージェントの性能をOpus-4.8に近づけた」とされ、純粋なテキストベンチマークではV4-Flashに匹敵するとされる。これらはDeepSeekによる数値であり、独立した評価はまだ行われていない。また、「Claude Opus-4.8に近い」というのはDeepSeekの枠組みによるものであり、測定されたランキングではない。

上記のスコアボードは2026年8月22日時点の状況です。リリースされている唯一のV4ビジョンモデルは実験的でAPI限定のものであり、最終モデルに関するすべて（重み、サイズ、日付）は予定であり、事実ではありません。

オープンウェイトという問いがなぜ重要なのか

DeepSeekは、フロンティアラボの中でも、本番モデルを日常的にオープンでリリースしている数少ない企業の一つです。そして、その歴史こそが、重みのリークがニュースになる本当の理由です。テキストのみのDeepSeek-V4-Flash-0731バックボーンはMITライセンスであり、それこそが、コミュニティがそれを基盤に構築できたまさにその理由です。最終的なV4ビジョンモデルがDeepSeek-VL2およびテキスト系統に従うなら、オープンな重みは読者ができることを変えます。自分のハードウェアでのローカル展開、独自の画像データでのファインチューニング、エアギャップ運用、そして自分のGPU上でのトークンあたりコストゼロを実現します。

また、整合するロードマップの報告もあります。中国のテックメディアは2026年5月、DeepSeekがオープンソースのV4ビジョンウェイトを2026年Q3にリリースする計画であると述べたと報じました。これは報告されたコミットメントであり、確定した日付ではありません。そして、8月21日のAPI限定ステップは「まず実験的、後でウェイト」という方針と一致しています。ライセンスに関しては、コミュニティの報道ではApache-2.0またはMITが示唆されていますが、何も確定していません。

コミュニティの中間回答

Official vision weightsが公開されていないため、コミュニティが独自に構築しています。MITライセンスのDeepSeek-V4-Flash-0731テキストバックボーン上に、注目すべきプロジェクターのみの移植が3つ存在します。それぞれがテキストモデルを凍結し、その前に小さなビジョンアダプターをトレーニングします：

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — DeepEncoderV2ビジョンタワーとトレーニング済みプロジェクターを備え、小さなプラグインを介してvLLMで提供。NVIDIA DGX Sparkクラスター上でテストされ、約50トークン/秒の速度を達成。

• jarrelscy/deepseek-v4-flash-0731-vision — 凍結されたMoonViTタワー（元はKimi-K2.6）に加えて、GRPOで学習された約4000万パラメータのプロジェクタを備え、"WebBrain patchmerger"のレシピに従って構築されています。

• webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — ルーティング認識型PatchMergerとカスタムSGLang統合を備えたNVFP4混合精度チェックポイント。

これらは非公式で、移植されたものであり、DeepSeek のモデルではありません。V4 Flash に視覚を与えることが実現可能であることを示しており、公式のビジョンウェイトが公開された日に取って代わられるでしょう。それらが存在するという事実自体が、コミュニティがそれらのウェイトをどれほど望んでいるかを示す最も明確なシグナルです。

V4-Vision-Final がどのように見えるか

このセクションの内容はすべて推測であり、何も正式発表されていません。DeepSeek自身のこれまでのパターンから最も可能性が高いのは、オープンウェイトの最終版ビジョンモデル（おそらくFlashとProの両サイズ）です。コスト面から、Flashサイズでのローカル展開は現実的です。DeepSeek-V4-Flashは284Bパラメータの混合専門家（MoE）モデルで、トークンごとに13Bのみをアクティブ化し、1Mトークンのコンテキストを備えています。コミュニティの導入報告では、量子化ビルドにはデュアルRTX 4090またはシングルRTX 5090が推奨されています。DeepSeek-V4-Proは合計約1.6T / アクティブ49Bと報告されており、より高い要求ですが、同じMoEロジックが適用されます。DeepSeekはまた、V4が当初からマルチモーダルでトレーニングされたと述べています。Vision-Expはその能力の最初の表れであり、最終モデルはさらに多くの機能を公開する可能性があります。

そのどれも確認されていない。それは読者が期待すべき形であって、約束ではない。

待つゲームの遊び方

今日現在で事実であることは、後になって事実になるかもしれないこととは異なります。DeepSeek-V4-Flash-Vision-Exp は、現在ライブでルーティング可能であり、DeepSeek 自身のリスト価格、すなわち入力トークン100万件あたり0.15ドル、出力トークン100万件あたり0.29ドルで提供されています。これはテキスト専用のV4-Flashと同じ価格で、画像はその上にトークンとして課金されます。OrcaRouter は、200以上のモデルにわたって1つのAPIキーでそれをルーティングし、プロバイダーのリスト価格をマークアップ0%で通過させ、実績のあるモデルに自動的にフェイルオーバーできます。これこそが実験的モデルを試す誠実な方法です。テストワークロードをVision-Expに向け、同じエンドポイントで信頼性の高いフォールバックを維持し、実験的モデルが停止した瞬間に自動フェイルオーバーが信頼できるモデルに切り替えるようにします。

上記のモデルページは、DeepSeek-V4-Flash-Vision-Expが現在実際に呼び出せる場所です — 入力$0.15、出力$0.29、APIキー1つ、追加契約なし。

最終的なオープンウェイトモデルがリリースされると、同時に2つのことが起こります。セルフホスティングを利用する人々はそれをローカルで実行できるようになり、ホステッドルートは同じキーで同じパススルー価格のままです。発表時に選択する必要はありません。ルーティングレイヤーにより、両方のオプションは1コールの違いで利用できるからです。境界を明確にしておくと、OrcaRouterはAPIをルーティングするものであり、当社はモデルの重みをホストしません。最終版のV4ビジョンモデルのローカル展開は、DeepSeekの重みに関するものであり、当社に関するものではありません。

次に見るもの

このリークを正式リリースに変える要素は4つある。最終版V4ビジョンモデルの正式名称とリリース日。ライセンスの確認——MITとApache-2.0はどちらもあり得るが、その違いは派生作品にとって重要だ。最終モデルの最初の独立したベンチマーク——DeepSeekの「Claude Opus-4.8に近い」という主張を、第三者が検証した数値に置き換えるものだ。そして懐疑的な見方として、DeepSeek-V4-Flash-Vision-Exp自体にウェイトが公開されるかどうか——リークは否定しており、DeepSeekのこれまでの傾向もその解釈を支持している。

それらのいずれかが実現するまで、リークは事実ではなく方向性を示すシグナルとして捉えるべきだ。実験的なV4ビジョンモデルは実在し、有用で、現時点ではAPI限定だ。オープンウェイトの最終モデルは、確かな情報源に基づく期待であって、リリース済みの製品ではない。Xのウォッチャーが正しければ、V4ビジョンラインはDeepSeekのモデルが通常たどり着く場所に落ち着く——自前のハードウェアで実行でき、ホスト型APIが運用不要の代替手段となる。