DeepSeek-V4-Flash-Vision-Exp går till öppna vikter: samma pris som V4-Flash, nu självhostbar

DeepSeek-V4-Flash-Vision-Exp, den experimentella multimodala modellen som lanserades på DeepSeeks API den 21 augusti, släppte sina vikter på Hugging Face den 31 augusti under MIT-licensen. Tio dagar efter API-lanseringen kan samma hjärna, som debiteras exakt enligt DeepSeek-V4-Flashes tokenpriser, laddas ner i sin helhet – modellfiler, tokenizer, referens för promptkodning, en minimal PyTorch-inferensväg och vLLM-stöd från dag noll, vilket vLLM-projektet tillkännagav samma dag. Det gör den billigaste 1M-kontextagenten med ögon till även den billigaste att driva i egen regi, och det innebär att referensimplementeringen inte längre är det enda sättet att köra den. Det enda nya påståendet som är värt att flagga på förhand: analytikern Teortaxes, som läste releasen på X, sa att släppet av öppna vikter ger funktionsparitet med visionsmodellerna från Moonshot och GLM. De öppna vikterna är ett verifierat faktum; den pariteten är en tredjepartstolkning som ingen ännu har reproducerat.

Vad som faktiskt levererades

DeepSeek-V4-Flash-Vision-Exp är en experimentell multimodal modell, som nås med modell-ID:t deepseek-v4-flash-vision-exp. Arkitektoniskt består den av en vision-encoder och en aligner ovanpå V4-Flash MoE-stommen – samma textmodell med cirka 284 miljarder parametrar och 13 miljarder aktiva parametrar, med visuella moduler tillagda. Den tar emot text och bilder som inmatning och producerar text som utdata, över ett kontextfönster på 1M-token med maximalt 384K utdata, i både tanke- och icke-tankelägen. Den stöder Chat Completions-formatet, Anthropic-stil Messages och Responses-formatet – vilket är den trio som ett agentramverk behöver för att kunna ansluta den utan en anpassad adapter.

För bildinmatning accepterar DeepSeek JPEG, PNG, GIF och WebP, som skickas på tre sätt: base64 direkt i meddelandet, en extern URL eller en fil som laddas upp via Files API. Det finns ännu ingen video- eller ljudinmatning – "vision" här gäller endast stillbilder.

DeepSeek:s egen positionering, i releasenoten: ren text-förmåga — agenter, resonerande, världskunskap — ligger i nivå med den officiella DeepSeek-V4-Flash-utgåvan, medan multimodal agentförmåga tar ett stort kliv framåt och landar nära Opus-4.8. Det är ett leverantörspåstående, inte oberoende verifierat, och värt att läsa noga, eftersom benchmarkdetaljerna bakom det är mer intressanta än rubriken.

Vad open-weights-releasen faktiskt innehåller

Dagens release svarar på den fråga som lanseringsinlägget lämnade öppen. Hugging Face-repositoriet – deepseek-ai/DeepSeek-V4-Flash-Vision-Exp – är MIT-licensierat och levererar hela vikterna (cirka 285 miljarder parametrar – V4-Flash MoE-stommen plus en vision-encoder och aligner – fördelade över 48 shards, varav omkring 13 miljarder är aktiva per token), tokenizern, en referensimplementering för promptkodning i OpenAI-stil och en minimal PyTorch-inferenssökväg som täcker vision-encodern, alignern, DFlash-attention, MoE:n, Hyper-Connections och DSpark forward pass. DeepSeek kallar fortfarande PyTorch-koden för en referensimplementering snarare än en serveringsmotor för produktion – men den behöver inte längre vara serveringssökvägen, eftersom vLLM samma dag meddelade day-0-stöd.

vLLM-projektets eget uttalande är att det nu serverar modellen. Vad det innebär i praktiken, verifierat mot vLLM-repositoriet och modellkortet, är en fastlåst day-0-dockeravbildning (vllm/vllm-openai:deepseekv4-flash-vision) och ett officiellt recept kopplat till en fortfarande öppen upstream-pull request (#54566). Bildstöd finns inte i ett släppt vLLM-wheel – det vanliga wheelet dirigerar checkpointen till textvägen och misslyckas med visionstensorerna – så day-0 innebär här en avbildning som du låser fast, inte en uppgradering av en befintlig vLLM-installation. På den avbildningen rapporterar vLLM en fungerande bildväg på NVIDIA GB200 och en OCRBench-poäng på 835 (83,5 %) i sin referenskonfiguration. Det praktiska taket har flyttats från "att vänta på en stabil release" till "att ladda ner, servera och mäta den själv".

På X beskrev analytikern Teortaxes releasen i konkurrensmässiga termer: de öppna vikterna ger nu DeepSeek en viss funktionsparitet med visionsmodellerna från Moonshot och GLM. Det är en tredjepartsbedömning – inte ett uttalande från DeepSeek och inte ett uppmätt resultat – men den är testbar på ett sätt som den inte var före releasen, eftersom samma release ger vem som helst filerna för att köra jämförelsen.

Varför benchmarkhoppet är större än det ser ut.

Alla följande siffror är DeepSeek:s egna, publicerade i lanseringsnoten, inte oberoende verifierade. På agent-benchmarkerna som inbäddar skärmbilder och bilder läser inte den textbaserade DeepSeek-V4-Flash dem — den ignorerar helt enkelt de multimodala delarna av uppgiften. DeepSeek-V4-Flash-Vision-Exp tittar faktiskt, vilket är anledningen till att skillnaderna är så stora:

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

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

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

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

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

• Chartography — Vision-Exp 64.3 (text-only V4-Flash kan inte försöka sig på det)

• ZeroBench Pass@5 — Vision-Exp 35.0 (text-only V4-Flash kan inte försöka sig på det)

Två av dessa siffror förtjänar en andra titt. På Agents' Last Exam slår Vision-Exp (27,3) Opus-4.8 (25,7) med knapp marginal, och på DeepSWE besegrar den också Opus-4.8 (59,3 mot 58,0). Det är på detta som "nära Opus-4.8" faktiskt vilar — inte ett enda flaggskeppsresultat, utan en rad agentiska benchmarks där att se skärmen sluter det mesta av gapet till den främsta multimodala modellen, samtidigt som den prismässigt undersäljer den med ungefär en tiopotens.

Vad en bild kostar, till decimalen

Bilder tokeniseras för fakturering — upp till 384 tokens per bild — och debiteras sedan med samma pris per token som DeepSeek-V4-Flash. Eftersom DeepSeek övergick till topp-/lågtrafikpriser för alla sina modeller den 16 augusti 2026, beror de exakta siffrorna på när du anropar:

• Input, cache miss — $0.22 per 1M tokens i lågtrafik, $0.44 i högtrafik

• Inmatning, cacheträff — $0.007 per 1M tokens utanför högtrafik, $0.014 högtrafik

• Utdata — $0,66 per 1M tokens i lågtrafik, $1,32 i högtrafik

• Högtrafik — 01:00–04:00 och 06:00–10:00 UTC (alla andra timmar är lågtrafik)

Räknar man på det försvinner nästan kostnaden för vision. En bild vid sin gräns på 384 tokens kostar cirka 0,0085 cent utanför högtrafik och 0,017 cent under högtrafik, som indata. En agent som läser 50 skärmbilder i en enda körning lägger till ungefär en halv cent i indatatokens — innan modellen ens skriver sin första utdatatoken. DeepSeek begränsar också upplösningen före inferens: den låga detaljnivån storleksändrar till 512×512, och hög/ursprunglig förskalar bilden (små bilder upp till cirka 384×384, stora ner till cirka 800×800), så ett original med hög upplösning matas aldrig till modellen i sitt ursprungliga pixelantal.

Dessa priser är nu ett tak snarare än det enda alternativet. Med vikterna publika kostar self-hosting vad dina GPU:er kostar i stället för listpriset per token — värt att räkna på om du redan driver inferenshårdvara, irrelevant om du inte gör det.

Birollerna: ett gratis Files API och Harness 0.1.1

Två infrastrukturkomponenter släpptes tillsammans med API-lanseringen. Files API är live och gratis: ladda upp en bild en gång, referera till den via file_id och återanvänd den över flera förfrågningar utan att skicka om byten – meningsfullt för en surfagent som håller en sida i kontext över flera omgångar. Och DeepSeek Harness 0.1.1, som släpptes samma dag, har stöd direkt ur lådan för den nya modellen, så att harnessen som benchmarkar och driver DeepSeeks agentiska arbetsbelastningar omedelbart kan använda den. Eftersom vikterna är MIT-licensierade är stacken med modell och verktygskedja nu öppen från början till slut.

Produktionsvarningen, klart uttryckt.

Detta är en experimentell modell. DeepSeek betecknar den uttryckligen som experimentell, har inte tillkännagett något GA-datum och avråder från att köra den direkt i produktion; den uttalade planen är att iterera på feedback och senare släppa en stabil version. Den praktiska konsekvensen är att textdelen är beprövad – det är samma viktfamilj som driver V4-Flash – men visionsdelen är ny kod. vLLM:s day-0-image gör den körbar redan idag, men den imagen är uttryckligen en förhandsversion: vision-implementeringen ligger i en öppen pull request, inte i en stabil release, och den enda hårdvara som hittills har en publicerad vision-körning är NVIDIA GB200. Den första vågen av oberoende stresstestning har alltså bara precis inletts den här veckan – men den inleds med en riktig serving-motor, inte bara DeepSeeks referenskod.

Det är precis den situation där ett routningslager visar sitt värde. På OrcaRouter är både deepseek/deepseek-v4-flash-vision-exp och deepseek/deepseek-v4-flash live bakom ett enda API, till DeepSeeks listpris utan påslag. Du kan dirigera bildbärande trafik till den experimentella modellen och, i samma konfiguration, ställa in automatisk redundans till en reservmodell i samma ögonblick som den ger fel eller timeout — vilket minskar risken med hela ”ny kod”-problemet. Routnings-DSL:en låter dig också skicka endast de anrop som faktiskt innehåller bilder till visionsmodellen och hålla ren text-trafik på DeepSeek-V4-Flash, och därmed fånga prestandavinsterna där de finns och inte betala extra där de inte finns.

MIT-licensen innebär också att en självhostad väg nu finns för team som vill ha det — releasen inkluderar referensinferenskod, och vLLM:s dag-0-avbildning lägger till ett produktionsmoget serveringsalternativ, så du är inte låst till API:t. För alla som inte vill driva en MoE på cirka 285 miljarder parametrar bara för att utvärdera en modell, är routing-API:t den smidigare inkörsporten.

Vad du ska titta på härnäst

De öppna frågorna har minskat sedan API-lanseringen. Når DeepSeek-V4-Flash-Vision-Exp GA, och håller priset? Följer video- eller ljudinmatning efter — modellen är idag enbart för stillbilder, vilket lämnar de stora multimodala frontmodellerna oemotsatta på rörliga medier? När tar vLLM:s visionsväg steget från den fastlåsta dag-0-avbildningen till en stabil version, och vidare till hårdvara bortom GB200? Och reproducerar de oberoende utvärderingarna — de första tredjepartskörningarna på ApexBench eller Terminal-Bench, nu möjliga för alla med GPUs — de publicerade siffrorna?

En sak har förändrats sedan release-noten gick ut. Den 8 september rapporterade Teortaxes – analytikern vars paritetsinramning visas ovan – efter praktisk testning att DeepSeek nu verkar köra minst två moderna V4-Flash-Vision-modeller. Den han nådde via gråtestning var, enligt hans tester, den starkare av de två, och den körde i samma hastighet som DeepSeek-V4-Flash-Vision-Exp, vilket han tolkade som en delad bas; en nyare build är snabbare men svagare. Det är en gråtestobservation från en enskild forskare, inte ett uttalande från DeepSeek och inte ett oberoende benchmark. Det kom samma dag som DeepSeek öppnade en tvådagars API-beta av en ”intermediate version” som de marknadsför som inbyggt multimodalt och snabbare – modell-ID:t deepseek-v4.1-flash-expires-on-0910 började tillhandahållas den 8 september – så den praktiska frågan för en köpare är var release-bygget landar i avvägningen mellan hastighet och styrka: huruvida den snabbare nivån behåller den agentiska benchmarkprofil som gjorde open-weights-släppet intressant, eller byter bort den mot genomströmning.

Frågan om paritet mellan Moonshot och GLM är den andra att hålla koll på. Teortaxes formulering är den testbara versionen av leverantörens "nära Opus-4.8"-linje: med öppna vikter kan nu vem som helst köra en direkt jämförelse mot Moonshots och GLM:s visionmodeller på sina egna benchmarks. Tills någon gör det förblir det ett påstående. Det som inte behöver reproduceras är prisfaktumet under hela releasen — vision till textpriser är ett faktureringsnummer, inte ett benchmark, och med öppna vikter har det nu ett gratis alternativ kopplat till sig.