Утечка открытых весов DeepSeek V4 Vision: Vision-Exp доступна только через API, ожидается, что финальная модель будет открытой.

Два предложения, опубликованные на этой неделе в X, — самое полезное, что кто-либо пока сказал о том, куда движется линейка V4 от DeepSeek для компьютерного зрения. teortaxesTex, исследователь, внимательно следящий за DeepSeek, написал: «Я подозреваю, что да, они не откроют веса Vision-exp. Они делали такое в поколении V2. Но веса V4-Vision-Final они точно откроют». Ничто из этого не подтверждено — это обоснованный прогноз, а не анонс, — но первая половина уже совпала с тем, что произошло. DeepSeek-V4-Flash-Vision-Exp, первая модель семейства V4 с нативной поддержкой изображений на входе, 21 августа 2026 года заработала в собственном API DeepSeek как релиз, доступный только через API, без загружаемых весов. Вторая половина, если она подтвердится, меняет то, что разработчик реально может делать с линейкой V4 для компьютерного зрения: самостоятельный хостинг, локальная тонкая настройка и настоящий выбор между запуском модели у себя и вызовом её через API.

Это материал о том, что известно на данный момент, и указание источников здесь важнее обычного. Этот твит — инсайдерская трактовка, а не утечка файлов, и он намеренно не подтверждён. Что подтверждено, так это текущее состояние DeepSeek-V4-Flash-Vision-Exp — выпущена, оценена по цене, протестирована в бенчмарках, доступна только через API. А что не подтверждено — всё, что касается выхода финальной модели. Это различие проходит через каждый раздел ниже.

Что на самом деле говорит утечка

Сигнал короткий, поэтому его стоит разобрать точно. «Vision-exp» — это DeepSeek-V4-Flash-Vision-Exp, экспериментальная модель, которую DeepSeek выпустила 21 августа. «V4-Vision-Final» — сокращение исследователя для производственного релиза V4 vision, который DeepSeek пообещала, но пока не назвала. Прогноз состоит из двух частей: DeepSeek сохранит веса экспериментальной модели закрытыми — паттерн, который, по словам teortaxesTex, действует ещё с поколения V2, — а веса финальной модели будут открыты.

Самый весомый прецедент поколения V2 из задокументированных — это DeepSeek-VL2, открытое семейство vision-language моделей DeepSeek от декабря 2024 года, выпущенное под разрешительной лицензией DeepSeek Model License с кодом под лицензией MIT. Это ровно та половина паттерна, где «финальные модели открываются». Вторая половина — «экспериментальные остаются закрытыми» — это интерпретация поведения DeepSeek исследователем, и она согласуется с тем, как компания обращалась с превью-моделями с тех пор — именно поэтому прогноз о финальной модели стоит воспринимать серьёзно, а не отвергать.

Что проверено: релиз Vision-Exp

Приведённая выше страница анонса — это весь официальный источник: DeepSeek-V4-Flash-Vision-Exp доступна на API-платформе DeepSeek с 21 августа 2026 года, идентификатор модели — deepseek-v4-flash-vision-exp, и на ней нигде не опубликовано ничего о весах, архитектуре или лицензии. DeepSeek не произносил слова «open source» в отношении этой модели. Страница является строго анонсом API.

То, что делает модель, проверено и полезно. Она принимает текст и изображения — JPEG, PNG, GIF или WebP — в формате base64, по внешней ссылке или через новый Files API DeepSeek, который бесплатен и позволяет загрузить файл один раз и использовать его повторно по file_id. Она возвращает текст. Её текстовые возможности соответствуют текстовой DeepSeek-V4-Flash: то же поведение агента, логические рассуждения и знание мира, на контексте в 1M токенов с выводом до 384K токенов. Изображения тарифицируются как токены — до 384 токенов за изображение — ровно по прейскурантной цене V4-Flash. DeepSeek Harness 0.1.1 вышел в тот же день с нативной поддержкой.

Числа, которые сообщил DeepSeek

На бенчмарках мультимодальных агентов главный результат — прирост относительно текстовой модели. По собственным данным DeepSeek — заявленным вендором и ещё никем независимо не воспроизведённым:

• ApexBench (Pass@1) — 36.5 для Vision-Exp против 26.2 для текстового DeepSeek-V4-Flash.

• Agents' Last Exam — 27.3 против 25.2.

• Chartography — 64.3.

• ZeroBench (Pass@5) — 35.0.

В сводке DeepSeek говорится, что модель «приближает производительность мультимодальных агентов к Opus-4.8», при этом соответствуя V4-Flash на чисто текстовых бенчмарках. Это цифры самой DeepSeek, независимой оценки пока нет, а «близко к Claude Opus-4.8» — это формулировка DeepSeek, а не измеренный рейтинг.

Табло выше отражает текущую ситуацию по состоянию на 22 августа 2026 года: единственная выпущенная модель зрения V4 — экспериментальная, доступная только через API, и всё, что касается финальной модели — веса, размеры, дата — это ожидания, а не факты.

Почему вопрос об открытых весах важен

{{1}}DeepSeek — одна из немногих передовых лабораторий, чьи производственные модели регулярно выпускаются в открытом виде, и именно эта история — настоящая причина того, что утечка весов стала новостью.{{/1}} Текстовый бэкбон DeepSeek-V4-Flash-0731 распространяется по лицензии MIT — и именно поэтому сообщество вообще смогло строить на его основе. Если финальная vision-модель V4 пойдет по пути DeepSeek-VL2 и текстовой линейки, открытые веса меняют то, что может сделать читатель: локальное развертывание на собственном оборудовании, дообучение на проприетарных данных изображений, использование в изолированной от сети среде и нулевая стоимость за токен на собственном GPU.

Также имеется сообщённая дорожная карта, которая согласуется. Китайские технологические СМИ сообщили в мае 2026 года, что DeepSeek заявлял, что веса открытой модели V4 для зрения запланированы на третий квартал 2026 года. Это сообщённое обязательство, а не подтверждённая дата — и шаг от 21 августа с доступом только через API согласуется с принципом «сначала экспериментальная версия, потом веса». Что касается лицензирования, сообщество указывает на Apache-2.0 или MIT, но ничего не подтверждено.

Промежуточный ответ сообщества

Поскольку официальные веса для зрения не открыты, сообщество создало свои собственные. Существует три заметные модификации только с проектором на основе текстовой модели DeepSeek-V4-Flash-0731 под лицензией MIT: каждая из них замораживает текстовую модель и обучает перед ней небольшой зрительный адаптер.

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — зрительная башня DeepEncoderV2 плюс обученный проектор, обслуживаемые через vLLM с помощью небольшого плагина; протестировано на кластерах NVIDIA DGX Spark со скоростью примерно 50 токенов/сек.

• jarrelscy/deepseek-v4-flash-0731-vision — замороженная башня MoonViT (изначально из Kimi-K2.6) плюс проектор примерно на 40M параметров, обученный с помощью GRPO по рецепту «WebBrain patchmerger».

• webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — чекпоинт со смешанной точностью NVFP4, с PatchMerger, учитывающим маршрутизацию, и пользовательской интеграцией SGLang.

Это неофициальные, модифицированные веса, а не модель DeepSeek. Они доказывают, что дать V4 Flash зрение — реально, и они будут заменены в тот день, когда появятся официальные веса с поддержкой vision. Сам факт их существования — самый ясный сигнал того, насколько сообщество ждёт эти веса.

Как мог бы выглядеть V4-Vision-Final

Всё в этом разделе — предположения, ведь ничего не анонсировано. Наиболее вероятная форма, судя по собственным паттернам DeepSeek: финальная модель компьютерного зрения — возможно, в двух размерах, Flash и Pro, — с открытыми весами. Экономика делает локальное развёртывание правдоподобным в варианте Flash: DeepSeek-V4-Flash — это модель смеси экспертов с 284B параметров, которая активирует только 13B на токен, с контекстом в 1M токенов, а отчёты сообщества о развёртывании указывают на две RTX 4090 или одну RTX 5090 для квантованной сборки. DeepSeek-V4-Pro, по сообщениям, имеет примерно 1.6T всего / 49B активных — задача посерьёзнее, но та же логика MoE применима. DeepSeek также заявил, что V4 обучался мультимодально с самого начала; Vision-Exp — первое проявление этой возможности, и финальная модель может раскрыть её больше.

Ничего из этого не подтверждено. Это форма, которую читателю следует ожидать, а не обещание.

Как играть в ожидание

Вот что верно сегодня, в отличие от того, что может стать верным позже. DeepSeek-V4-Flash-Vision-Exp уже доступен и маршрутизируется прямо сейчас по собственной прейскурантной цене DeepSeek — $0,15 за 1 млн входных токенов и $0,29 за 1 млн выходных токенов, по той же цене, что и текстовый V4-Flash, при этом изображения тарифицируются дополнительно как токены. OrcaRouter направляет его через один API-ключ к более чем 200 моделям, передаёт цену провайдера без наценки (0%) и может автоматически переключаться на проверенную модель. Это честный способ попробовать экспериментальную модель: направьте тестовую нагрузку на Vision-Exp, оставьте надёжный запасной вариант на той же конечной точке и позвольте автоматическому переключению заменить её на стабильную модель, как только экспериментальная начнёт подвисать.

На странице модели выше DeepSeek-V4-Flash-Vision-Exp действительно доступна для вызова уже сегодня — $0,15 на входе, $0,29 на выходе, один API-ключ, без второго контракта.

Когда выходит финальная модель с открытыми весами, одновременно происходят две вещи: те, кто использует самостоятельный хостинг, получают возможность запускать её локально, а hosted-маршрут остаётся на том же ключе и по той же сквозной цене. Вам не придётся выбирать в момент анонса — маршрутизирующий слой означает, что оба варианта остаются на расстоянии одного вызова. Чтобы прояснить границу: OrcaRouter маршрутизирует API; мы не размещаем веса моделей. Локальное развёртывание финальной V4 vision-модели касается весов DeepSeek, а не нас.

Что посмотреть дальше

Четыре вещи превратили бы эту утечку в запуск. Официальное название и дата выхода финальной модели V4 для зрения. Подтверждение лицензии — и MIT, и Apache-2.0 правдоподобны, и разница важна для производных работ. Первый независимый бенчмарк финальной модели, который заменил бы заявление DeepSeek «близко к Claude Opus-4.8» на число, проверенное кем-то другим. И, если смотреть скептически, получит ли сам DeepSeek-V4-Flash-Vision-Exp когда-либо веса — утечка говорит «нет», и практика DeepSeek подтверждает это.

Пока ни одна из них не появилась, относитесь к утечке как к сигналу направления, а не как к факту. Экспериментальная модель V4 vision реальна, полезна и на данный момент доступна только через API. Финальная модель с открытыми весами — это ожидание, подкреплённое надёжными источниками, а не выпущенный продукт. Если наблюдатель на X прав, линейка V4 vision окажется там же, где обычно оказываются модели DeepSeek, — на вашем собственном оборудовании, с хостинговым API как альтернативой, не требующей администрирования.