DeepSeek-V4-Flash-Vision-Exp krijgt open gewichten: zelfde prijs als V4-Flash, nu zelf te hosten

DeepSeek-V4-Flash-Vision-Exp, het experimentele multimodale model dat op 21 augustus werd gelanceerd op de API van DeepSeek, heeft op 31 augustus zijn gewichten vrijgegeven op Hugging Face onder de MIT-licentie. Tien dagen na de API-lancering is hetzelfde brein dat factureert tegen exact dezelfde token-tarieven als DeepSeek-V4-Flash volledig downloadbaar — modelbestanden, tokenizer, prompt-encodingsreferentie, een minimaal PyTorch-inferentiepad en vLLM-ondersteuning vanaf dag nul, die het vLLM-project dezelfde dag aankondigde. Dat maakt de goedkoopste agent met ogen en een 1M-context ook de goedkoopste om zelf te hosten, en het betekent dat de referentie-implementatie niet langer de enige manier is om het te draaien. De enige nieuwe claim die we vooraf even willen uitlichten: analist Teortaxes, die de release op X las, zei dat de open-gewichtenrelease feature-pariteit biedt met de vision-modellen van Moonshot en GLM. Dat de gewichten open zijn, is een geverifieerd feit; die pariteit is een interpretatie van een derde partij die nog niemand heeft gereproduceerd.

Wat er daadwerkelijk is uitgebracht

DeepSeek-V4-Flash-Vision-Exp is een experimenteel multimodaal model, toegankelijk via de model-ID deepseek-v4-flash-vision-exp. Architectonisch gezien is het een vision-encoder en een aligner op de V4-Flash MoE-backbone: hetzelfde tekstmodel van circa 284 miljard parameters met 13 miljard actieve parameters, maar met visuele modules toegevoegd. Het neemt tekst en afbeeldingen in en produceert tekst, binnen een contextvenster van 1M tokens met een maximale output van 384K, zowel in denk- als niet-denkmodi. Het ondersteunt het Chat Completions-formaat, Anthropic-stijl Messages en het Responses-formaat; dat is het trio dat een agentframework nodig heeft om het aan te sluiten zonder een aangepaste adapter.

Bij beeldinvoer accepteert DeepSeek JPEG, PNG, GIF en WebP, op drie manieren doorgegeven: inline base64, een externe URL, of een bestand geüpload via de Files API. Er is nog geen video- of audio-invoer — de "visie" hier betreft alleen stilstaande beelden.

De eigen positionering van DeepSeek, in de release-opmerkingen: pure-tekstmogelijkheden — agents, redeneren, wereldkennis — zijn op het niveau van de officiële DeepSeek-V4-Flash-release, terwijl de multimodale agentmogelijkheden een grote sprong voorwaarts maken en dicht bij Opus-4.8 uitkomen. Dat is een bewering van de leverancier, niet onafhankelijk gereproduceerd, en het is de moeite waard om goed te lezen, omdat het benchmarkdetail erachter interessanter is dan de kop.

Wat de open-weights-release daadwerkelijk omvat

De release van vandaag beantwoordt de vraag die de lanceerpost openliet. De Hugging Face-repository — deepseek-ai/DeepSeek-V4-Flash-Vision-Exp — valt onder de MIT-licentie en levert de volledige gewichten mee (ruwweg 285 miljard parameters — de V4-Flash-MoE-backbone plus een vision-encoder en aligner — ongeveer 13 miljard actief per token, verdeeld over 48 shards), de tokenizer, een referentie-implementatie voor prompt-codering in OpenAI-stijl, en een minimaal PyTorch-inferentiepad dat de vision-encoder, de aligner, DFlash-attention, de MoE, Hyper-Connections en de DSpark-forward-pass omvat. DeepSeek noemt de PyTorch-code nog steeds een referentie-implementatie in plaats van een productie-servingengine — maar dat hoeft niet langer het servingpad te zijn, want vLLM kondigde dezelfde dag day-0-ondersteuning aan.

Het vLLM-project stelt zelf dat het nu het model serveert. Wat dat in de praktijk betekent, geverifieerd aan de hand van de vLLM-repository en de modelkaart, is een vastgepind day-0 docker-image (vllm/vllm-openai:deepseekv4-flash-vision) en een officieel recept dat is gekoppeld aan een nog openstaande upstream-pullrequest (#54566). Vision-ondersteuning zit niet in een uitgebracht vLLM-wheel — het gewone wheel stuurt het checkpoint naar het text-only-pad en faalt op de vision-tensors — dus day-0 betekent hier een image dat je vastpint, geen upgrade van een bestaande vLLM-installatie. Op dat image rapporteert vLLM een werkend vision-pad op NVIDIA GB200 en een OCRBench-score van 835 (83,5%) op zijn referentieconfiguratie. De praktische grens is verschoven van "wacht op een stabiele release" naar "download, serveer en meet het zelf".

Op X plaatste analist Teortaxes de release in concurrentiële termen: de open gewichten geven DeepSeek nu een zekere functiepariteit met de vision-modellen van Moonshot en GLM. Dat is een lezing van een derde partij — geen verklaring van DeepSeek en geen gemeten resultaat — maar het is op een manier toetsbaar die vóór deze release niet mogelijk was, omdat dezelfde release iedereen de bestanden geeft om de vergelijking uit te voeren.

Waarom de benchmarkstijging groter is dan het lijkt

Alle volgende cijfers zijn van DeepSeek zelf, gepubliceerd in de lanceringsnotitie, en niet onafhankelijk geverifieerd. Op de agent-benchmarks die schermafbeeldingen en afbeeldingen bevatten, leest de tekst-only DeepSeek-V4-Flash deze niet — het negeert eenvoudigweg de multimodale delen van de taak. DeepSeek-V4-Flash-Vision-Exp kijkt daadwerkelijk, en dat is waarom de verschillen zo groot zijn:

• 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 versus V4-Flash 54,2 (Opus-4.8 69,7)

• DeepSWE — Vision-Exp 59.3 tegen V4-Flash 54.4 (Opus-4.8 58.0)

• Chartography — Vision-Exp 64.3 (alleen-tekst V4-Flash kan dit niet aan)

• ZeroBench Pass@5 — Vision-Exp 35.0 (alleen-tekst V4-Flash kan het niet proberen)

Twee van die cijfers verdienen een tweede blik. Op Agents' Last Exam verslaat Vision-Exp (27,3) Opus-4.8 (25,7) nipt, en op DeepSWE verslaat het Opus-4.8 (59,3 tegen 58,0) ook. Dat is waar "dicht bij Opus-4.8" feitelijk op berust — niet één topresultaat, maar een reeks agentische benchmarks waarbij het zien van het scherm het grootste deel van de kloof met het toonaangevende multimodale model overbrugt, terwijl het dat model qua prijs met ruwweg een orde van grootte onderbiedt.

Wat een afbeelding kost, tot op de decimaal

Images worden getokeniseerd voor facturatie — tot 384 tokens per stuk — en vervolgens in rekening gebracht tegen dezelfde per-token-tarieven als DeepSeek-V4-Flash. Omdat DeepSeek op 16 augustus 2026 al zijn modellen heeft overgezet op piek-/dalprijzen, hangen de exacte bedragen af van het moment waarop je aanroept:

• Invoer, cache miss — $0,22 per 1M tokens buiten piek, $0,44 piek

Invoer, cache hit — $0,007 per 1M tokens buiten piekuren, $0,014 piekuren

Output — $0.66 per 1M tokens buiten piekuren, $1.32 piek

• Piekuren — 01:00–04:00 en 06:00–10:00 UTC (alle andere uren zijn daluren)

Doe de berekening en de kosten van vision verdwijnen bijna. Eén afbeelding op het maximum van 384 tokens kost als invoer ongeveer 0,0085 cent buiten de piek en 0,017 cent tijdens de piek. Een agent die 50 screenshots in één run leest, voegt ruwweg een halve cent aan inputtokens toe — voordat het model zelfs maar zijn eerste outputtoken schrijft. DeepSeek begrenst ook de resolutie vóór de inferentie: het lage detailniveau wordt omgeschaald naar 512×512, en hoog/origineel schaalt de afbeelding vooraf (kleine tot ongeveer 384×384, grote tot ongeveer 800×800), zodat een origineel met hoge resolutie nooit op het oorspronkelijke aantal pixels aan het model wordt gevoerd.

Die tarieven zijn nu een plafond in plaats van de enige optie. Nu de gewichten openbaar zijn, kost self-hosting wat je GPU's ook kosten, in plaats van de lijstprijs per token — de moeite waard om de cijfers te bekijken als je al inferentiehardware draait, irrelevant als je dat niet doet.

De ondersteunende cast: een gratis Files API en Harness 0.1.1

Bij de API-lancering werden twee infrastructurele onderdelen uitgebracht. De Files API is live en gratis: upload een afbeelding eenmalig, verwijs ernaar met file_id en hergebruik die in meerdere verzoeken zonder de bytes opnieuw te versturen — zinvol voor een browsingagent die een pagina gedurende meerdere beurten in context houdt. En DeepSeek Harness 0.1.1, op dezelfde dag uitgebracht, biedt kant-en-klare ondersteuning voor het nieuwe model, zodat de harness die DeepSeek-agentische workloads benchmarkt en aanstuurt, er onmiddellijk mee aan de slag kan. Doordat de gewichten onder de MIT-licentie vallen, is de model-plus-toolchain-stack nu end-to-end open.

De productiekanttekening, duidelijk gezegd

Dit is een experimenteel model. DeepSeek bestempelt het expliciet als zodanig, heeft geen GA-datum aangekondigd en raadt af om het rechtstreeks in productie te draaien; het aangekondigde plan is om feedback te verwerken en later een stabiele versie uit te brengen. De praktische consequentie is dat het tekstbrein bewezen is — het is dezelfde gewichtenfamilie die V4-Flash aandrijft — maar het vision-gedeelte is nieuwe code. vLLM's day-0-image maakt het vandaag al draaibaar, maar dat image is expliciet pre-release: de vision-implementatie zit in een open pull request, niet in een stabiele release, en de enige hardware waarvoor tot nu toe een vision-run is gepubliceerd, is NVIDIA GB200. De eerste golf van onafhankelijke stresstests begint dus deze week pas echt — maar wel met een echte serving-engine, niet alleen met de referentiecode van DeepSeek.

Dat is precies de situatie waarin een routinglaag zijn bestaansrecht bewijst. Op OrcaRouter zijn zowel deepseek/deepseek-v4-flash-vision-exp als deepseek/deepseek-v4-flash live achter één API, tegen de lijstprijs van DeepSeek, zonder enige opslag. Je kunt verkeer met afbeeldingen naar het experimentele model sturen en in dezelfde configuratie een automatische failover naar een fallback instellen zodra er een fout optreedt of een time-out plaatsvindt — wat het hele probleem van "nieuwe code" een stuk minder risicovol maakt. De routing-DSL stelt je ook in staat om alleen de aanroepen die daadwerkelijk afbeeldingen bevatten naar het vision-model te sturen en puur tekstverkeer op DeepSeek-V4-Flash te houden, waarmee je de benchmarkwinst meepakt waar die bestaat en niets extra's betaalt waar die niet bestaat.

De MIT-licentie betekent ook dat het self-host-pad nu bestaat voor teams die dat willen — de release bevat referentie-inferentiecode, en de day-0-image van vLLM voegt een productieklare servingoptie toe, zodat je niet vastzit aan de API. Voor iedereen die geen ruwweg 285 miljard parameters tellende MoE wil draaien alleen om een model te evalueren, is de routing-API de laagdrempeligere instap.

Wat nu te kijken

Het aantal openstaande vragen is sinds de API-lancering geslonken. Wordt DeepSeek-V4-Flash-Vision-Exp algemeen beschikbaar (GA), en blijft de prijs overeind? Volgt er video- of audio-invoer — het model kan vandaag alleen overweg met stilstaande beelden, waardoor de grote multimodale frontiermodellen op bewegend beeldmateriaal geen tegenstand ondervinden? Wanneer maakt het vision-traject van vLLM de overstap van het vastgezette day-0-image naar een stabiele release en naar hardware voorbij GB200? En reproduceren de onafhankelijke evaluaties — de eerste run door een derde partij op ApexBench of Terminal-Bench, nu mogelijk voor iedereen met GPU's — de gepubliceerde cijfers?

Eén ding is veranderd sinds het releasebericht verscheen. Op 8 september meldde Teortaxes — de analist wiens pariteitsframing hierboven staat — op basis van praktijktests dat DeepSeek nu ten minste twee moderne V4-Flash-Vision-modellen lijkt te draaien. Het model dat hij via gray testing bereikte, was in zijn tests de sterkere van de twee, en het draaide even snel als DeepSeek-V4-Flash-Vision-Exp, wat hij opvatte als een gedeelde basis; een nieuwere build is sneller maar zwakker. Dat is een gray-testobservatie van één onderzoeker, geen verklaring van DeepSeek en geen onafhankelijke benchmark. Het kwam op dezelfde dag dat DeepSeek een tweedaagse API-bèta opende van een “tussenversie” die het aanprijst als native multimodaal en sneller — het model-ID deepseek-v4.1-flash-expires-on-0910 begon op 8 september te worden aangeboden — dus de praktische vraag voor een koper is waar de release-build uitkomt in de afweging tussen snelheid en sterkte: of de snellere tier het agentic-benchmarkprofiel behoudt dat de open-weights-release interessant maakte, of dat het dat inruilt voor doorvoer.

De vraag over de pariteit tussen Moonshot en GLM is de andere om in de gaten te houden. De framing van Teortaxes is de toetsbare versie van de 'dicht bij Opus-4.8'-claim van de leverancier: nu de gewichten open zijn, kan iedereen op zijn eigen benchmarks het model direct vergelijken met de vision-modellen van Moonshot en GLM. Totdat iemand dat doet, blijft het een claim. Wat niet gereproduceerd hoeft te worden, is het prijsfeit dat aan de hele release ten grondslag ligt: vision tegen tekstprijzen is een factuurdetail, geen benchmark, en doordat de gewichten open zijn, is er nu een gratis alternatief aan verbonden.