DeepSeek-V4-Flash-Vision-Exp переходит на открытые веса: та же цена, что и V4-Flash, теперь можно развернуть самостоятельно

DeepSeek-V4-Flash-Vision-Exp — экспериментальная мультимодальная модель, запущенная в API DeepSeek 21 августа, — выпустила свои веса на Hugging Face 31 августа под лицензией MIT. Через десять дней после запуска API тот же самый мозг, который тарифицируется ровно по ставкам за токены DeepSeek-V4-Flash, можно полностью скачать: файлы моделей, токенизатор, эталонную схему кодирования промптов, минимальный путь инференса на PyTorch и поддержку vLLM с первого дня, которую проект vLLM анонсировал в тот же день. Это делает самого дешёвого «зрячего» агента с контекстом на 1 млн токенов также самым дешёвым для самостоятельного хостинга, а значит, эталонная реализация перестаёт быть единственным способом его запуска. Единственное новое утверждение, которое стоит выделить сразу: аналитик Teortaxes, ознакомившись с релизом в X, заявил, что выпуск открытых весов обеспечивает паритет функций с моделями зрения от Moonshot и GLM. Открытые веса — проверенный факт; паритет же — это сторонняя интерпретация, которую никто пока не воспроизвёл.

Что на самом деле было выпущено

DeepSeek-V4-Flash-Vision-Exp — это экспериментальная мультимодальная модель, доступ к которой осуществляется по идентификатору модели deepseek-v4-flash-vision-exp. Архитектурно она представляет собой кодировщик изображений и алайнер поверх MoE-основы V4-Flash — той же текстовой модели примерно с 284 миллиардами параметров и 13 миллиардами активных параметров, дополненной визуальными модулями. Она принимает на вход текст и изображения и выдаёт текст, работая в контекстном окне на 1 млн токенов с максимальным объёмом вывода 384K, как в режиме мышления, так и без него. Она поддерживает формат Chat Completions, Messages в стиле Anthropic и формат Responses — ту тройку, которая нужна агентному фреймворку, чтобы подключить её без специального адаптера.

При вводе изображений DeepSeek принимает JPEG, PNG, GIF и WebP, передаваемые тремя способами: встроенный base64, внешний URL или файл, загруженный через Files API. Видео- и аудиоввод пока отсутствует — здесь «зрение» работает только с неподвижными изображениями.

Собственная позиция DeepSeek, изложенная в релизных заметках: чисто текстовая функциональность — агенты, рассуждения, знания о мире — на уровне официального релиза DeepSeek-V4-Flash, тогда как возможности мультимодального агента совершают значительный скачок и приближаются к Opus-4.8. Это заявление вендора, не воспроизведённое независимо, и его стоит внимательно прочитать, потому что детали бенчмарков за ним интереснее, чем заголовок.

Что на самом деле включает в себя релиз с открытыми весами

Сегодняшний релиз отвечает на вопрос, оставленный открытым в посте о запуске. Репозиторий Hugging Face — deepseek-ai/DeepSeek-V4-Flash-Vision-Exp — распространяется под лицензией MIT и включает полные веса (примерно 285 миллиардов параметров: основа MoE V4-Flash плюс визуальный энкодер и алайнер; около 13 миллиардов активных параметров на токен), разбитые на 48 шардов, токенизатор, эталонную реализацию кодирования промптов в стиле OpenAI и минимальный путь инференса на PyTorch, охватывающий визуальный энкодер, алайнер, DFlash attention, MoE, Hyper-Connections и прямой проход DSpark. DeepSeek по-прежнему называет PyTorch-код эталонной реализацией, а не production-движком для сервинга, — но этот код больше не обязан быть серверным путём, поскольку vLLM в тот же день объявил о поддержке day-0.

Собственное заявление проекта vLLM гласит, что модель уже обслуживается. Что это означает на практике, если проверить по репозиторию vLLM и карточке модели, — это закреплённый day-0 docker-образ (vllm/vllm-openai:deepseekv4-flash-vision) и официальный рецепт, привязанный к всё ещё открытому pull request в апстриме (#54566). Поддержка зрения отсутствует в опубликованном wheel-пакете vLLM: обычный wheel направляет чекпойнт на текстовый путь и падает на тензорах, отвечающих за зрение, — так что day-0 здесь означает образ, который вы закрепляете, а не обновление существующей установки vLLM. На этом образе vLLM сообщает о работающем пути зрения на NVIDIA GB200 и результате OCRBench 835 (83,5%) в эталонной конфигурации. Практический потолок сместился с «ждать стабильного релиза» на «скачать, запустить и измерить самостоятельно».

На X аналитик Teortaxes описал релиз в конкурентном ключе: открытые веса теперь дают DeepSeek некоторый паритет по функциям с визуальными моделями Moonshot и GLM. Это сторонняя интерпретация — не заявление DeepSeek и не измеренный результат, — но её можно проверить так, как нельзя было до этого релиза, потому что сам релиз даёт любому файлы для проведения сравнения.

Почему скачок в бенчмарках больше, чем кажется

Все следующие показатели принадлежат DeepSeek, опубликованы в анонсе и не были независимо проверены. В агентных бенчмарках, содержащих скриншоты и изображения, текстовая версия DeepSeek-V4-Flash не читает их — она просто игнорирует мультимодальные части задания. DeepSeek-V4-Flash-Vision-Exp действительно смотрит на них, поэтому разница такая большая:

• ApexBench Pass@1 — Vision-Exp 36.5 против V4-Flash 26.2 (Opus-4.8 39.4)

• Agents' Last Exam — Vision-Exp 27.3 против V4-Flash 25.2 (Opus-4.8 25.7)

• Terminal-Bench 2.1 — Vision-Exp 83.9 против V4-Flash 82.7 (Opus-4.8 85.0)

• NL2Repo — Vision-Exp 57.7 против V4-Flash 54.2 (Opus-4.8 69.7)

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

• Картография — Vision-Exp 64.3 (только текстовая V4-Flash не может выполнить это)

• ZeroBench Pass@5 — Vision-Exp 35.0 (текстовая V4-Flash не может его выполнить)

Два из этих чисел заслуживают второго взгляда. На Agents' Last Exam Vision-Exp (27.3) немного опережает Opus-4.8 (25.7), а на DeepSWE он также обходит Opus-4.8 (59.3 против 58.0). Именно на этом на самом деле держится «близость к Opus-4.8» — не на одном громком результате, а на целой группе агентных бенчмарков, где возможность видеть экран устраняет большую часть разрыва с передовой мультимодальной моделью, при этом цена на неё примерно на порядок ниже.

Сколько стоит изображение, с точностью до десятичного знака

Изображения токенизируются для биллинга — до 384 токенов каждое — и затем тарифицируются по тем же ставкам за токен, что и DeepSeek-V4-Flash. Поскольку DeepSeek перевел все свои модели на пиковые/непиковые цены 16 августа 2026 года, точные цифры зависят от времени вашего запроса:

• Ввод, промах кэша — $0.22 за 1M токенов в непиковое время, $0.44 в пиковое.

• Ввод, кэш-попадание — $0,007 за 1M токенов вне пикового времени, $0,014 в пиковое время

• Выход — $0,66 за 1 млн токенов вне пиковых часов, $1,32 в пиковые

• Пиковые часы — 01:00–04:00 и 06:00–10:00 UTC (все остальные часы — вне пиковых)

Сделайте арифметику — и стоимость зрения почти сходит на нет. Одно изображение при своём пределе в 384 токена стоит около 0,0085 цента в непиковое время и 0,017 цента в пиковое, как входные данные. Агент, считывающий 50 скриншотов за один запуск, добавляет примерно полцента входных токенов — ещё до того, как модель выдаст свой первый выходной токен. DeepSeek также ограничивает разрешение перед инференсом: при низком уровне детализации изображение масштабируется до 512×512, а при высоком/оригинальном — предварительно масштабируется (маленькие — до примерно 384×384, большие — до примерно 800×800), поэтому оригинал высокого разрешения никогда не подаётся в модель с исходным количеством пикселей.

Эти тарифы теперь являются потолком, а не единственным вариантом. С открытыми весами самостоятельный хостинг стоит столько, сколько стоят ваши GPU, вместо цены за токен из прайс-листа — стоит произвести расчёты, если вы уже эксплуатируете инференс-оборудование, и неактуально, если нет.

Вспомогательный состав: бесплатный Files API и Harness 0.1.1

Вместе с запуском API вышли два инфраструктурных компонента. Files API уже работает и бесплатен: загрузите изображение один раз, ссылайтесь на него по file_id и переиспользуйте в разных запросах, не отправляя байты заново — это важно для браузерного агента, который удерживает страницу в контексте на протяжении нескольких витков. А DeepSeek Harness 0.1.1, выпущенный в тот же день, из коробки поддерживает новую модель, так что харнесс, который бенчмаркает и управляет агентскими нагрузками DeepSeek, может сразу нацелиться на неё. Поскольку веса лицензированы под MIT, стек «модель плюс тулчейн» теперь открыт от начала до конца.

Производственное предостережение, выраженное прямо

Это экспериментальная модель. DeepSeek прямо помечает её как таковую, не объявляет даты GA и рекомендует не запускать её напрямую в продакшене; заявленный план — дорабатывать по обратной связи и позже выпустить стабильную версию. Практическое следствие: текстовый «мозг» проверен — это то же семейство весов, что стоит за V4-Flash, — а вот vision-часть написана на новом коде. Day-0 образ vLLM позволяет запустить её уже сегодня, однако этот образ явно предрелизный: реализация vision живёт в открытом pull request, а не в стабильном релизе, и единственное железо, для которого опубликован запуск vision на данный момент, — это NVIDIA GB200. Так что первая волна независимого стресс-тестирования только начинается на этой неделе — но начинается она с реального serving-движка, а не просто с эталонного кода DeepSeek.

Это как раз та ситуация, когда слой маршрутизации оправдывает своё существование. На OrcaRouter обе модели — deepseek/deepseek-v4-flash-vision-exp и deepseek/deepseek-v4-flash — доступны через один API по цене из прайс-листа DeepSeek, передаваемой без какой-либо наценки. Вы можете направлять трафик с изображениями на экспериментальную модель и в той же конфигурации настроить автоматическое переключение на резервную модель в тот момент, когда она выдаст ошибку или превысит тайм-аут, — что снижает риски, связанные с проблемой «нового кода». Кроме того, DSL маршрутизации позволяет отправлять на визуальную модель только те вызовы, которые действительно содержат изображения, а чисто текстовый трафик оставлять на DeepSeek-V4-Flash, получая прирост в бенчмарках там, где он есть, и не платя ничего лишнего там, где его нет.

Лицензия MIT также означает, что теперь существует путь самостоятельного размещения для команд, которым это нужно, — в релиз включён эталонный код для инференса, а day-0 образ vLLM добавляет продакшен-вариант обслуживания, так что вы не привязаны к API. Для всех, кто не хочет управлять MoE примерно на 285 миллиардов параметров только ради оценки модели, маршрутизирующий API — это более простой вход.

Что посмотреть дальше

Круг открытых вопросов сузился с момента запуска API. Выйдет ли DeepSeek-V4-Flash-Vision-Exp в GA и удержится ли цена? Последует ли поддержка видео и аудио на входе — сегодня модель принимает только неподвижные изображения, что оставляет крупные передовые мультимодальные модели без соперников в работе с видео? Когда поддержка vision в vLLM перейдёт от закреплённого day-0 образа к стабильному релизу и к оборудованию за пределами GB200? И воспроизводят ли независимые оценки — первый сторонний прогон ApexBench или Terminal-Bench, теперь доступный каждому, у кого есть GPU, — опубликованные цифры?

Одно изменилось с момента публикации релизных заметок. 8 сентября Teortaxes — аналитик, чей сравнительный анализ приведён выше, — сообщил по итогам практического тестирования, что DeepSeek теперь, по-видимому, запускает как минимум две современные модели V4-Flash-Vision. Та, к которой он получил доступ через серое тестирование, по его результатам оказалась более сильной из двух и работала с той же скоростью, что и DeepSeek-V4-Flash-Vision-Exp, что он расценил как общую основу; более новая сборка быстрее, но слабее. Это наблюдение одного исследователя из серого тестирования, а не заявление DeepSeek и не независимый бенчмарк. Оно появилось в тот же день, когда DeepSeek открыл двухдневное API-бета-тестирование «промежуточной версии», которую он называет нативно-мультимодальной и более быстрой, — идентификатор модели deepseek-v4.1-flash-expires-on-0910 начал обслуживаться 8 сентября, — так что практический вопрос для покупателя заключается в том, где релизная сборка окажется на шкале «скорость против силы»: сохранит ли более быстрый уровень тот профиль агентных бенчмарков, который сделал открытый релиз с весами интересным, или же он будет принесён в жертву пропускной способности.

Вопрос паритета Moonshot/GLM — ещё один, за которым стоит следить. Формулировка Teortaxes — проверяемая версия заявления поставщика о том, что модель «близка к Opus-4.8»: с открытыми весами любой теперь может провести прямое сравнение с визуальными моделями Moonshot и GLM на собственных бенчмарках. Пока этого никто не сделал, это остаётся лишь утверждением. А вот факт ценообразования, лежащий в основе всего релиза, не нуждается в воспроизведении: зрение по цене текста — это биллинговый показатель, а не бенчмарк, и с открытыми весами у него теперь появилась бесплатная альтернатива.