DeepSeek-V4-Flash-Vision-Exp przechodzi na otwarte wagi: ta sama cena co V4-Flash, teraz do samodzielnego hostowania

DeepSeek-V4-Flash-Vision-Exp, eksperymentalny model multimodalny, który zadebiutował w API DeepSeek 21 sierpnia, opublikował swoje wagi na Hugging Face 31 sierpnia na licencji MIT. Dziesięć dni po premierze API ten sam mózg, który jest rozliczany dokładnie według stawek tokenów DeepSeek-V4-Flash, można pobrać w całości — pliki modelu, tokenizator, referencyjne kodowanie promptów, minimalną ścieżkę wnioskowania w PyTorch oraz obsługę vLLM od pierwszego dnia, którą projekt vLLM ogłosił tego samego dnia. To sprawia, że najtańszy agent z kontekstem 1M i oczami jest również najtańszym do samodzielnego hostowania, a oznacza też, że implementacja referencyjna nie jest już jedynym sposobem na jego uruchomienie. Jedno nowe twierdzenie, które warto zaznaczyć na wstępie: analityk Teortaxes, czytając wydanie na X, stwierdził, że wydanie z otwartymi wagami zapewnia parytet funkcji z modelami wizyjnymi od Moonshot i GLM. Otwarte wagi to potwierdzony fakt; ten parytet to interpretacja osoby trzeciej, której nikt jeszcze nie odtworzył.

Co faktycznie zostało wydane

DeepSeek-V4-Flash-Vision-Exp to eksperymentalny model multimodalny, dostępny pod identyfikatorem modelu deepseek-v4-flash-vision-exp. Architektonicznie składa się z enkodera wizyjnego i alignera na szkielecie MoE V4-Flash — tego samego modelu tekstowego o około 284 miliardach parametrów i 13 miliardach aktywnych, z dodanymi modułami wizyjnymi. Przyjmuje tekst i obrazy na wejściu i generuje tekst na wyjściu, w oknie kontekstowym o długości 1 miliona tokenów, z maksymalnym wyjściem 384 tys. tokenów, w trybach myślącym i niemyślącym. Obsługuje format Chat Completions, wiadomości w stylu Anthropic oraz format Responses, czyli triadę, której potrzebuje framework agentowy, aby podłączyć model bez niestandardowego adaptera.

W przypadku wprowadzania obrazów DeepSeek akceptuje formaty JPEG, PNG, GIF i WebP, przekazywane na trzy sposoby: jako base64 w treści, jako zewnętrzny URL lub jako plik przesłany przez interfejs Files API. Na razie nie ma możliwości wprowadzania wideo ani audio — „widzenie” dotyczy wyłącznie nieruchomych obrazów.

Własne pozycjonowanie DeepSeek w informacjach o wydaniu: możliwości czysto tekstowe — agenci, rozumowanie, wiedza o świecie — dorównują oficjalnej wersji DeepSeek-V4-Flash, natomiast możliwości agentów multimodalnych robią ogromny skok i zbliżają się do Opus-4.8. To deklaracja producenta, niepotwierdzona, i warto ją przeczytać uważnie, ponieważ szczegóły benchmarków za nią stojące są bardziej interesujące niż sam nagłówek.

Co właściwie zawiera wydanie open-weights

Dzisiejsza premiera odpowiada na pytanie, które pozostawił otwartym post ogłaszający rozpoczęcie projektu. Repozytorium Hugging Face — deepseek-ai/DeepSeek-V4-Flash-Vision-Exp — jest na licencji MIT i zawiera pełne wagi (około 285 miliardów parametrów — backbone MoE V4-Flash plus koder wizyjny i aligner — około 13 miliardów aktywnych na token, podzielone na 48 shardów), tokenizator, referencyjną implementację kodowania promptów w stylu OpenAI oraz minimalną ścieżkę inferencji w PyTorch obejmującą koder wizyjny, aligner, DFlash attention, MoE, Hyper-Connections i forward pass DSpark. DeepSeek nadal nazywa kod PyTorch implementacją referencyjną, a nie produkcyjnym silnikiem serwującym — ale nie musi już pełnić roli ścieżki serwującej, ponieważ vLLM ogłosiło wsparcie od dnia premiery tego samego dnia.

Własne oświadczenie projektu vLLM mówi, że model jest już serwowany. W praktyce, co potwierdza repozytorium vLLM i karta modelu, oznacza to przypięty obraz dockera z dnia zero (vllm/vllm-openai:deepseekv4-flash-vision) oraz oficjalny przepis powiązany z wciąż otwartym pull requestem w upstreamie (#54566). Wsparcie dla wizji nie znajduje się w wydanym wheelu vLLM — zwykły wheel kieruje checkpoint do ścieżki tylko-tekstowej i zawodzi na tensorach wizyjnych — więc „dzień zero” oznacza tutaj obraz, który przypinasz, a nie aktualizację istniejącej instalacji vLLM. Na tym obrazie vLLM raportuje działającą ścieżkę wizji na NVIDIA GB200 i wynik OCRBench 835 (83,5%) w konfiguracji referencyjnej. Praktyczny sufit przesunął się z „czekania na stabilne wydanie” na „pobierz, serwuj i zmierz sam.”

Na X analityk Teortaxes ujął premierę w kategoriach konkurencyjnych: otwarte wagi dają teraz DeepSeek pewną parytet funkcji z modelami wizyjnymi od Moonshot i GLM. To odczyt strony trzeciej — nie oświadczenie DeepSeek ani zmierzony wynik — ale jest to testowalne w sposób, w jaki nie było przed tą premierą, ponieważ ta sama premiera daje każdemu pliki do przeprowadzenia porównania.

Dlaczego skok w benchmarku jest większy, niż się wydaje.

Wszystkie poniższe liczby pochodzą od DeepSeek i zostały opublikowane w notatce premierowej, nie zostały niezależnie zweryfikowane. W benchmarkach agentowych, które zawierają zrzuty ekranu i obrazy, tekstowy DeepSeek-V4-Flash ich nie czyta — po prostu ignoruje multimodalne części zadania. DeepSeek-V4-Flash-Vision-Exp faktycznie patrzy, dlatego różnice są tak duże:

• 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 (tekstowa wersja V4-Flash nie może go podjąć)

• ZeroBench Pass@5 — Vision-Exp 35.0 (tekstowy V4-Flash nie może go wykonać)

Dwie z tych liczb zasługują na drugie spojrzenie. W teście Agents' Last Exam model Vision-Exp (27,3) nieznacznie wyprzedza Opus-4.8 (25,7), a w DeepSWE również pokonuje Opus-4.8 (59,3 wobec 58,0). Na tym właśnie opiera się stwierdzenie „blisko Opus-4.8" — nie na pojedynczym spektakularnym wyniku, ale na całej grupie benchmarków agentowych, w których widzenie ekranu niweluje większość dystansu do czołowego modelu multimodalnego, oferując przy tym cenę niższą o niemal rząd wielkości.

Ile kosztuje obraz, co do grosza

Obrazy są tokenizowane na potrzeby rozliczeń — do 384 tokenów każdy — a następnie rozliczane według tych samych stawek za token co DeepSeek-V4-Flash. Ponieważ DeepSeek przeniósł wszystkie swoje modele na ceny szczytowe/poza szczytowe 16 sierpnia 2026 r., dokładne liczby zależą od tego, kiedy wykonasz wywołanie:

• Wejście, brak trafienia w cache — 0,22 USD za 1 mln tokenów poza szczytem, 0,44 USD w szczycie

• Wejście, trafienie w cache — 0,007 USD za 1 mln tokenów poza szczytem, 0,014 USD w szczycie

• Wyjście — 0,66 USD za 1 mln tokenów poza szczytem, 1,32 USD w szczycie

• Godziny szczytu — 01:00–04:00 i 06:00–10:00 UTC (wszystkie pozostałe godziny poza szczytem)

Wykonaj obliczenia, a koszt widzenia prawie znika. Jeden obraz przy limicie 384 tokenów kosztuje około 0,0085 centa poza szczytem i 0,017 centa w szczycie, jako wejście. Agent, który czyta 50 zrzutów ekranu w jednym przebiegu, dodaje około pół centa tokenów wejściowych — zanim model w ogóle zapisze swój pierwszy token wyjściowy. DeepSeek również ogranicza rozdzielczość przed wnioskowaniem: niski poziom szczegółowości zmienia rozmiar na 512×512, a wysoki/oryginalny skaluje wstępnie obraz (małe do około 384×384, duże w dół do około 800×800), więc oryginał w wysokiej rozdzielczości nigdy nie jest podawany modelowi w natywnej liczbie pikseli.

Te stawki są teraz pułapem, a nie jedyną opcją. Przy publicznych wagach, self-hosting kosztuje tyle, ile kosztują twoje GPU, zamiast ceny z listy za token — warto przeliczyć, jeśli już obsługujesz sprzęt do inferencji, nieistotne, jeśli nie.

Obsada drugoplanowa: darmowe API Files i Harness 0.1.1

Dwa elementy infrastruktury zostały wydane wraz z premierą API. Files API jest już dostępne i bezpłatne: prześlij obraz raz, odwołuj się do niego za pomocą file_id i wykorzystuj go wielokrotnie w żądaniach bez ponownego wysyłania bajtów — ma to znaczenie dla agenta przeglądającego, który przechowuje stronę w kontekście przez kilka tur. A DeepSeek Harness 0.1.1, wydany tego samego dnia, ma wbudowane wsparcie dla nowego modelu, więc harness, który benchmarkuje i napędza obciążenia agentowe DeepSeek, może od razu go obsługiwać. Dzięki licencji MIT na wagi, stos model-plus-toolchain jest teraz otwarty od początku do końca.

Zastrzeżenie produkcyjne, ujęte wprost.

To jest model eksperymentalny. DeepSeek wyraźnie go tak oznacza, nie ogłosił daty ogólnej dostępności (GA) i odradza uruchamianie go bezpośrednio w produkcji; zapowiedziany plan zakłada iteracyjne doskonalenie na podstawie opinii i wydanie później stabilnej wersji. Praktyczna konsekwencja jest taka, że mózg tekstowy jest sprawdzony — to ta sama rodzina wag, która napędza V4-Flash — ale ścieżka wizyjna to nowy kod. Day-0 image vLLM sprawia, że model można uruchomić już dziś, jednak ten obraz jest wyraźnie wersją przedpremierową: implementacja wizji znajduje się w otwartym pull requeście, a nie w stabilnym wydaniu, a jedynym sprzętem z dotychczas opublikowanym uruchomieniem wizji jest NVIDIA GB200. Pierwsza fala niezależnych testów obciążeniowych wciąż dopiero zaczyna się w tym tygodniu — ale zaczyna się od prawdziwego silnika serwującego, a nie tylko od kodu referencyjnego DeepSeek.

To dokładnie sytuacja, w której warstwa routingu zdaje egzamin. W OrcaRouter zarówno deepseek/deepseek-v4-flash-vision-exp, jak i deepseek/deepseek-v4-flash są dostępne za jednym API, po cennikowej cenie DeepSeek przekazywanej dalej bez żadnej marży. Możesz skierować ruch z obrazami do modelu eksperymentalnego i w tej samej konfiguracji ustawić automatyczne przełączanie awaryjne na model zapasowy w momencie błędu lub przekroczenia limitu czasu — co zmniejsza ryzyko związane z całym problemem „nowego kodu”. Język DSL routingu pozwala też wysyłać do modelu wizyjnego tylko te wywołania, które faktycznie zawierają obrazy, a ruch czysto tekstowy utrzymać na DeepSeek-V4-Flash, osiągając zyski w benchmarkach tam, gdzie występują, i nie płacąc nic dodatkowo tam, gdzie ich nie ma.

Licencja MIT oznacza również, że dla zespołów, które tego chcą, dostępna jest teraz ścieżka samodzielnego hostowania — wydanie zawiera referencyjny kod wnioskowania, a obraz vLLM day-0 zapewnia opcję serwowania klasy produkcyjnej, więc nie jesteś uzależniony od API. Dla każdego, kto nie chce uruchamiać modelu MoE o parametrach rzędu około 285 miliardów tylko po to, aby ocenić model, API routingu stanowi łatwiejszy punkt wejścia.

Co obejrzeć dalej

{{1}}Otwarte pytania zawęziły się od czasu premiery API.{{/1}} {{2}}Czy DeepSeek-V4-Flash-Vision-Exp osiągnie GA i czy cena się utrzyma?{{/2}} {{3}}Czy nastąpi obsługa wideo lub audio – model jest dziś ograniczony do nieruchomych obrazów, co pozostawia duże multimodalne modele graniczne bez konkurencji w mediach ruchomych?{{/3}} {{4}}Kiedy ścieżka wizyjna vLLM przejdzie z przypiętego obrazu z dnia 0 do stabilnego wydania i na sprzęt wykraczający poza GB200?{{/4}} {{5}}I czy niezależne ewaluacje – pierwszy zewnętrzny test na ApexBench lub Terminal-Bench, teraz możliwy dla każdego, kto ma GPU – odtwarzają opublikowane wyniki?{{/5}}

Od czasu publikacji noty o wydaniu zmieniła się jedna rzecz. 8 września Teortaxes — analityk, którego ujęcie parytetowe pojawiło się powyżej — poinformował na podstawie testów praktycznych, że DeepSeek wydaje się teraz uruchamiać co najmniej dwa nowoczesne modele V4-Flash-Vision. Ten, do którego dotarł poprzez nieoficjalne testy, był w jego testach mocniejszym z tych dwóch i działał z tą samą prędkością co DeepSeek-V4-Flash-Vision-Exp, co odczytał jako wspólną bazę; nowsza wersja jest szybsza, ale słabsza. To obserwacja z nieoficjalnych testów jednego badacza, a nie oświadczenie DeepSeek ani niezależny benchmark. Pojawiła się tego samego dnia, w którym DeepSeek udostępnił dwudniową betę API „wersji pośredniej”, którą reklamuje jako natywnie multimodalną i szybszą — identyfikator modelu deepseek-v4.1-flash-expires-on-0910 zaczął obsługiwać zapytania 8 września — więc praktyczne pytanie dla kupującego brzmi: gdzie w kompromisie między szybkością a mocą znajdzie się wersja finalna — czy szybszy wariant zachowa profil benchmarków agentowych, który czynił wydanie z otwartymi wagami interesującym, czy też wymieni go na przepustowość.

Kwestia parytetu Moonshot/GLM to kolejna, na którą warto zwrócić uwagę. Ujęcie Teortaxesa to testowalna wersja deklaracji dostawcy o „bliskości do Opus-4.8”: przy otwartych wagach bezpośrednie porównanie z modelami wizyjnymi Moonshota i GLM może teraz przeprowadzić każdy na własnych benchmarkach. Dopóki ktoś tego nie zrobi, pozostaje to tylko twierdzeniem. Nie trzeba za to powtarzać faktu cenowego leżącego u podstaw całej publikacji — wizja w cenach tekstu to numer na fakturze, a nie benchmark, a przy otwartych wagach ma teraz dołączoną darmową alternatywę.