Vazamento de pesos abertos do DeepSeek V4 Vision: Vision-Exp é apenas via API, e o modelo final deve ser aberto.

Duas frases publicadas no X esta semana são a coisa mais útil que alguém já disse até agora sobre para onde está indo a linha de visão V4 da DeepSeek. teortaxesTex, um pesquisador que acompanha a DeepSeek de perto, escreveu: "Eu suspeito que sim, eles não vão abrir os pesos do Vision-exp. Eles já fizeram esse tipo de coisa na geração V2. Mas eles definitivamente vão abrir os pesos do V4-Vision-Final." Nada disso está confirmado — é uma previsão fundamentada, não um anúncio — mas a primeira metade já corresponde ao que aconteceu. O DeepSeek-V4-Flash-Vision-Exp, o primeiro modelo da família V4 com entrada de imagem nativa, entrou no ar na própria API da DeepSeek em 21 de agosto de 2026 como um lançamento somente via API, sem pesos disponíveis para download. A segunda metade, se se confirmar, muda o que um desenvolvedor pode realmente fazer com a linha de visão V4: auto-hospedagem, ajuste fino local e uma escolha real entre rodar o modelo você mesmo ou fazer chamadas a ele.

Esta é uma matéria do tipo "o que sabemos até agora", e a linha de atribuição de fontes importa mais do que o normal. O tweet é uma leitura interna, não um vazamento de arquivos, e é propositalmente não verificado. O que está verificado é o estado atual do DeepSeek-V4-Flash-Vision-Exp — lançado, precificado, avaliado em benchmarks, somente API — e o que não está verificado é tudo sobre o lançamento do modelo final. Essa distinção percorre cada seção abaixo.

O que o vazamento realmente diz

O sinal é curto, então vale a pena analisá-lo com precisão. "Vision-exp" é o DeepSeek-V4-Flash-Vision-Exp, o modelo experimental que a DeepSeek lançou em 21 de agosto. "V4-Vision-Final" é a abreviação do pesquisador para o lançamento de visão V4 de produção que a DeepSeek prometeu, mas ainda não nomeou. A previsão tem duas partes: a DeepSeek manterá os pesos do modelo experimental fechados — um padrão que, segundo teortaxesTex, vale desde a geração V2 — e os pesos do modelo final serão abertos.

O precedente mais forte da geração V2 de que se tem registro é o DeepSeek-VL2, a família de visão-linguagem aberta da DeepSeek, de dezembro de 2024, lançada sob a permissiva DeepSeek Model License, com código sob licença MIT. É exatamente a metade {{1}}"aberturas finais"{{/1}} do padrão. A metade {{2}}"experimental permanece fechado"{{/2}} é a leitura do pesquisador sobre o comportamento da DeepSeek, e é consistente com a forma como a empresa tem lidado com os modelos de preview desde então — é precisamente isso que torna a {{3}}previsão do modelo final{{/3}} digna de ser levada a sério, em vez de descartada.

O que é verificado: a versão Vision-Exp

A página de anúncio acima é o registro oficial completo: DeepSeek-V4-Flash-Vision-Exp está disponível na plataforma de API da DeepSeek desde 21 de agosto de 2026, ID do modelo deepseek-v4-flash-vision-exp, e nada sobre pesos, arquitetura ou licença é publicado em qualquer lugar nela. A DeepSeek não disse as palavras "open source" sobre este modelo. A página é estritamente um anúncio de API.

O que o modelo faz é verificado e útil. Ele aceita texto e imagens — JPEG, PNG, GIF ou WebP — via base64 inline, uma URL externa ou a nova API de Arquivos da DeepSeek, que é gratuita e permite enviar uma vez e reutilizar pelo file_id. Ele retorna texto. Suas capacidades de texto equivalem às do DeepSeek-V4-Flash somente texto: o mesmo comportamento de agente, raciocínio e conhecimento de mundo, em um contexto de 1M de tokens com até 384K tokens de saída. Imagens são cobradas como tokens, até 384 tokens por imagem, exatamente pelo preço de tabela do V4-Flash. O DeepSeek Harness 0.1.1 foi lançado no mesmo dia com suporte nativo.

Os números que a DeepSeek reportou

Em benchmarks de agentes multimodais, o ganho sobre o modelo somente de texto é o destaque. Segundo os próprios números da DeepSeek — relatados pelo fornecedor, ainda não reproduzidos por ninguém independente:

• ApexBench (Pass@1) — 36.5 para Vision-Exp vs 26.2 para o DeepSeek-V4-Flash somente texto.

• Último Exame dos Agentes — 27.3 vs 25.2.

• Chartography — 64.3.

• ZeroBench (Pass@5) — 35.0.

O resumo da DeepSeek é que o modelo "aproxima o desempenho de agentes multimodais do Opus-4.8" enquanto iguala o V4-Flash em benchmarks de texto puro. Esses são números da DeepSeek, sem avaliação independente ainda, e "próximo do Claude Opus-4.8" é o enquadramento da DeepSeek, não um ranking medido.

O placar acima é o estado atual em 22 de agosto de 2026: o único modelo de visão V4 lançado é o experimental, apenas via API, e tudo sobre o modelo final — pesos, tamanhos, data — é expectativa, não fato.

Por que a questão dos pesos abertos importa

DeepSeek é um dos poucos laboratórios de ponta cujos modelos de produção costumam ser lançados com código aberto, e esse histórico é a verdadeira razão pela qual um vazamento sobre os pesos é notícia. O backbone somente de texto DeepSeek-V4-Flash-0731 tem licença MIT — que é precisamente o motivo pelo qual a comunidade pôde construir em cima dele. Se o modelo final de visão V4 seguir o DeepSeek-VL2 e a linha de texto, os pesos abertos mudam o que um leitor pode fazer: implantação local no seu próprio hardware, ajuste fino com dados de imagem proprietários, uso em ambiente isolado e custo zero por token na sua própria GPU.

Há também um roteiro relatado que se alinha. A mídia de tecnologia chinesa noticiou em maio de 2026 que a DeepSeek havia dito que os pesos de visão de código aberto do V4 estavam planejados para o 3º trimestre de 2026. Isso é um compromisso relatado, não uma data confirmada — e a etapa somente via API de 21 de agosto é consistente com "primeiro experimental, pesos depois." Sobre o licenciamento, a cobertura da comunidade aponta para Apache-2.0 ou MIT, mas nada é confirmado.

A resposta provisória da comunidade

Porque os pesos oficiais de visão não são abertos, a comunidade construiu os seus próprios. Existem três enxertos notáveis apenas de projetor no backbone de texto DeepSeek-V4-Flash-0731 com licença MIT, cada um congelando o modelo de texto e treinando um pequeno adaptador de visão à sua frente:

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — uma torre de visão DeepEncoderV2 mais um projetor treinado, servido através de vLLM por meio de um pequeno plugin; testado em clusters NVIDIA DGX Spark a cerca de 50 tokens/seg.

• jarrelscy/deepseek-v4-flash-0731-vision — uma torre MoonViT congelada (originalmente do Kimi-K2.6) mais um projetor de aproximadamente 40 milhões de parâmetros treinado com GRPO, seguindo a receita "WebBrain patchmerger".

• webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — um checkpoint de precisão mista NVFP4 com um PatchMerger ciente de roteamento e integração personalizada SGLang.

Estes são modelos não oficiais, enxertados, e não são o modelo da DeepSeek. Eles demonstram que dar olhos ao V4 Flash é viável, e serão superados no dia em que os pesos de visão oficiais chegarem. O simples fato de existirem é o sinal mais claro de o quanto a comunidade deseja esses pesos.

Como poderia ser o V4-Vision-Final

Tudo nesta seção é especulação, porque nada foi anunciado. O formato mais provável, considerando os próprios padrões da DeepSeek: um modelo de visão final — possivelmente nos tamanhos Flash e Pro — com pesos abertos. A economia torna a implantação local viável no tamanho Flash: o DeepSeek-V4-Flash é um modelo de mistura de especialistas com 284B de parâmetros que ativa apenas 13B por token, com contexto de 1M de tokens, e relatos de implantação da comunidade indicam duas RTX 4090 ou uma única RTX 5090 para uma versão quantizada. O DeepSeek-V4-Pro é relatado com aproximadamente 1,6T no total / 49B ativos — uma exigência maior, mas a mesma lógica de MoE se aplica. A DeepSeek também afirmou que o V4 foi treinado multimodal desde o início; o Vision-Exp é a primeira manifestação dessa capacidade, e o modelo final pode expor mais dela.

Nada disso está confirmado. É a forma que um leitor deve esperar, não uma promessa.

Como jogar o jogo da espera

Eis o que é verdade hoje, ao contrário do que pode ser verdade mais tarde. O DeepSeek-V4-Flash-Vision-Exp está ativo e roteável agora mesmo, ao preço de tabela da própria DeepSeek — US$ 0,15 por 1M de tokens de entrada e US$ 0,29 por 1M de tokens de saída, o mesmo preço do V4-Flash somente texto, com imagens cobradas como tokens adicionais. O OrcaRouter o roteia por meio de uma única chave de API em mais de 200 modelos, repassa o preço de tabela do provedor com margem de 0% e pode alternar automaticamente para um modelo comprovado. Essa é a forma honesta de testar um modelo experimental: direcione uma carga de teste para o Vision-Exp, mantenha um fallback confiável no mesmo endpoint e deixe a alternância automática trocar pelo modelo confiável no momento em que o experimental parar.

A página do modelo acima é onde o DeepSeek-V4-Flash-Vision-Exp está realmente disponível hoje — US$ 0,15 de entrada, US$ 0,29 de saída, uma chave de API, sem segundo contrato.

Quando o modelo final de pesos abertos for lançado, duas coisas acontecem ao mesmo tempo: quem faz auto-hospedagem poderá executá-lo localmente, e a rota hospedada permanece na mesma chave pelo mesmo preço de repasse. Você não precisará escolher no momento do anúncio — uma camada de roteamento mantém ambas as opções a apenas uma chamada de distância. Para deixar clara a fronteira: o OrcaRouter roteia APIs; nós não hospedamos pesos de modelos. A implantação local do modelo de visão V4 final diz respeito aos pesos da DeepSeek, não a nós.

O que assistir a seguir

Quatro coisas transformariam esse vazamento em um lançamento. Um nome oficial e uma data de lançamento para o modelo de visão final do V4. A confirmação da licença — MIT e Apache-2.0 são ambas plausíveis, e a diferença importa para trabalhos derivados. Um primeiro benchmark independente do modelo final, que substituiria o "perto do Claude Opus-4.8" da DeepSeek por um número verificado por outra pessoa. E, para a visão cética, se o próprio DeepSeek-V4-Flash-Vision-Exp algum dia receberá pesos — o vazamento diz que não, e o padrão da DeepSeek apoia essa leitura.

Até que um deles se concretize, trate o vazamento como um sinal direcional, não como um fato. O modelo experimental de visão V4 é real, útil e hoje está disponível apenas via API. O modelo final de pesos abertos é uma expectativa bem fundamentada, não um produto lançado. Se o observador no X estiver certo, a linha de visão V4 acaba onde os modelos da DeepSeek costumam parar — rodando no seu próprio hardware, com a API hospedada como a alternativa de zero operação.