DeepSeek V4 Vision Open-Weights Läcka: Vision-Exp Är Endast API, Den Slutliga Modellen Förväntas Vara Öppen

Två meningar som publicerades på X den här veckan är det mest användbara som någon hittills har sagt om vart DeepSeeks V4-visionslinje är på väg. teortaxesTex, en forskare som följer DeepSeek noga, skrev: "Jag misstänker att ja, de kommer inte att öppna vikterna för Vision-exp. De har gjort sådant i V2-generationen. Men de kommer definitivt att öppna vikterna för V4-Vision-Final." Inget av detta är bekräftat – det är en välinformerad förutsägelse, inte ett tillkännagivande – men den första hälften stämmer redan med vad som hände. DeepSeek-V4-Flash-Vision-Exp, den första modellen i V4-familjen med inbyggd bildinmatning, lanserades på DeepSeeks eget API den 21 augusti 2026 som en API-only-release utan nedladdningsbara vikter. Den andra hälften, om den håller, förändrar vad en utvecklare faktiskt kan göra med V4-visionslinjen: självhosting, lokal finjustering och ett verkligt val mellan att köra modellen själv och anropa den.

Detta är en "vad vi vet hittills"-text, och källhänvisningen betyder mer än vanligt. Tweeten är en insider-tolkning, inte ett läckage av filer, och den är medvetet overifierad. Det som är verifierat är DeepSeek-V4-Flash-Vision-Exp:s nuvarande tillstånd — släppt, prissatt, benchmarkad, endast API — och det som är overifierat är allt kring den slutgiltiga modellens lansering. Den distinktionen löper genom varje avsnitt nedan.

Vad läckan faktiskt säger

Signalen är kort, så det lönar sig att tolka den noggrant. "Vision-exp" är DeepSeek-V4-Flash-Vision-Exp, den experimentella modell som DeepSeek släppte den 21 augusti. "V4-Vision-Final" är forskarens förkortning för den produktionsversion av V4-vision som DeepSeek har utlovat men ännu inte namngett. Förutsägelsen har två delar: DeepSeek kommer att hålla den experimentella modellens vikter stängda — ett mönster som teortaxesTex säger gäller från och med V2-generationen — och slutmodellens vikter kommer att öppnas.

Det starkaste dokumenterade prejudikatet för V2-generationen är DeepSeek-VL2, DeepSeeks öppna vision–språkfamilj från december 2024, utgiven under den tillåtande DeepSeek Model License med MIT-licensierad kod. Det är exakt "final opens"-halvan av mönstret. "experimental stays closed"-halvan är forskarens tolkning av DeepSeeks beteende, och den stämmer överens med hur företaget har hanterat förhandsvisningsmodeller sedan dess — vilket är det som gör att förutsägelsen om finalmodellen är värd att ta på allvar snarare än att avfärda.

Vad som verifieras: Vision-Exp-utgåvan

Annonssidan ovan är hela den officiella dokumentationen: DeepSeek-V4-Flash-Vision-Exp är live på DeepSeeks API-plattform från och med den 21 augusti 2026, modell-ID deepseek-v4-flash-vision-exp, och ingenting om vikter, arkitektur eller licens är publicerat någonstans på den. DeepSeek har inte sagt orden "open source" om den här modellen. Sidan är strikt ett API-tillkännagivande.

Det modellen gör är verifierat och användbart. Den tar emot text plus bilder — JPEG, PNG, GIF eller WebP — via base64 inline, en extern URL eller DeepSeeks nya Files API, som är gratis och låter dig ladda upp en gång och återanvända via file_id. Den returnerar text. Dess textfunktioner matchar den textbaserade DeepSeek-V4-Flash: samma agent-, resonemangs- och världskunskapsbeteende, med en kontext på 1M token och upp till 384K token i utdata. Bilder debiteras som tokens, upp till 384 token per bild, till exakt samma listpris som V4-Flash. DeepSeek Harness 0.1.1 släpptes samma dag med inbyggt stöd.

De siffror DeepSeek rapporterade

På multimodala agent-benchmarks är vinsten gentemot den textbaserade modellen huvudpoängen. Enligt DeepSeek:s egna siffror — leverantörsrapporterade, ännu inte oberoende reproducerade:

• ApexBench (Pass@1) — 36.5 för Vision-Exp jämfört med 26.2 för textversionen av DeepSeek-V4-Flash.

• Agents' Last Exam — 27.3 mot 25.2.

• Chartography — 64.3.

• ZeroBench (Pass@5) — 35.0.

DeepSeeks sammanfattning är att modellen "för multimodal agentprestanda nära Opus-4.8" samtidigt som den matchar V4-Flash på renodlade textbenchmarks. Det är DeepSeeks siffror utan någon oberoende utvärdering ännu, och "nära Claude Opus-4.8" är DeepSeeks formulering, inte en uppmätt ranking.

Resultattavlan ovan visar läget den 22 augusti 2026: den enda släppta V4-visionmodellen är den experimentella, endast-API-varianten, och allt om den slutliga modellen — vikter, storlekar, datum — är förväntningar, inte fakta.

Varför frågan om öppna vikter är viktig

DeepSeek är ett av få frontier-labb vars produktionsmodeller rutinmässigt släpps med öppna vikter, och den historien är den verkliga anledningen till att ett läckage av vikter är nyheter. Textmodellen DeepSeek-V4-Flash-0731 är MIT-licensierad — vilket är precis varför communityn överhuvudtaget kunde bygga vidare på den. Om den slutliga V4-visionmodellen följer DeepSeek-VL2 och textlinjen, förändrar öppna vikter vad en läsare kan göra: lokal driftsättning på egen hårdvara, finjustering på proprietära bilddata, nätverksisolerad användning och noll kostnad per token på egen GPU.

Det finns också en rapporterad färdplan som stämmer överens. Kinesiska techmedier rapporterade i maj 2026 att DeepSeek hade sagt att öppen källkod för V4-visionvikter var planerad till Q3 2026. Det är ett rapporterat åtagande, inte ett bekräftat datum – och steget med endast API den 21 augusti är förenligt med "experimentellt först, vikter senare." När det gäller licensiering pekar communityrapporter på Apache-2.0 eller MIT, men ingenting är bekräftat.

Gemenskapens interimssvar

Eftersom de officiella visionsvikterna inte är öppna, har communityn byggt egna. Tre anmärkningsvärda endast-projektor-ympningar finns på den MIT-licensierade DeepSeek-V4-Flash-0731-textryggraden, som var och en fryser textmodellen och tränar en liten visionsadapter framför den:

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — en DeepEncoderV2-visionstorn plus en tränad projektor, serverad via vLLM genom ett litet plugin; testad på NVIDIA DGX Spark-kluster med cirka 50 tokens/sekund.

• jarrelscy/deepseek-v4-flash-0731-vision — ett fruset MoonViT-torn (ursprungligen från Kimi-K2.6) plus en projektor med cirka 40M parametrar tränad med GRPO, enligt “WebBrain patchmerger”-receptet.

• webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — en NVFP4-checkpoint med blandad precision, med en routing-medveten PatchMerger och anpassad SGLang-integrering.

Dessa är inofficiella, ihopfogade och inte DeepSeeks modell. De visar att det är genomförbart att ge V4 Flash ögon, och de kommer att ersättas den dag officiella synvikter släpps. Det faktum att de överhuvudtaget existerar är den tydligaste signalen på hur mycket communityn vill ha dessa vikter.

Hur V4-Vision-Final skulle kunna se ut

Allt i det här avsnittet är spekulation, eftersom ingenting är annonserat. Den troligaste formen, utifrån DeepSeeks egna mönster: en slutgiltig visionsmodell – möjligen i både Flash- och Pro-storlekar – med öppna vikter. Ekonomin gör lokal drift rimlig i Flash-storleken: DeepSeek-V4-Flash är en 284B-parameters mixture-of-experts-modell som bara aktiverar 13B per token, med en kontext på 1M token, och communityns driftsrapporter pekar på dubbla RTX 4090 eller ett enda RTX 5090 för en kvantiserad version. DeepSeek-V4-Pro rapporteras ha cirka 1,6T totalt / 49B aktiva parametrar – en större utmaning, men samma MoE-logik gäller. DeepSeek har också sagt att V4 tränades multimodalt från början; Vision-Exp är den första ytan av den förmågan, och den slutgiltiga modellen kan exponera mer av den.

Inget av det är bekräftat. Det är den form en läsare bör förvänta sig, inte ett löfte.

Hur man spelar väntan

Här är vad som är sant idag, till skillnad från vad som kan vara sant senare. DeepSeek-V4-Flash-Vision-Exp är live och dirigerbar just nu, till DeepSeeks eget listpris — 0,15 USD per 1M inmatningstokens och 0,29 USD per 1M utdatatokens, samma pris som text-only V4-Flash, med bilder fakturerade som tokens ovanpå. OrcaRouter dirigerar den genom en API-nyckel över 200+ modeller, skickar vidare leverantörens listpris med 0% påslag och kan automatiskt växla över till en beprövad modell. Det är det ärliga sättet att prova en experimentell modell: rikta en testbelastning mot Vision-Exp, behåll en pålitlig reserv på samma endpoint och låt automatisk failover byta in den pålitliga modellen i samma ögonblick som den experimentella stannar av.

Modellsidan ovan är där DeepSeek-V4-Flash-Vision-Exp faktiskt kan anropas idag — $0.15 in, $0.29 ut, en API-nyckel, inget andra kontrakt.

När den slutgiltiga modellen med öppna vikter släpps inträffar två saker samtidigt: självhostare får köra den lokalt, och den hostade vägen förblir på samma nyckel till samma pass-through-pris. Du behöver inte välja vid tillkännagivandet – ett routinglager innebär att båda alternativen förblir ett anrop bort. För att vara tydlig med gränsen: OrcaRouter routar API:er; vi hostar inte modellvikter. Lokal driftsättning av den slutgiltiga V4-visionmodellen handlar om DeepSeeks vikter, inte om oss.

Vad du ska titta på härnäst

Fyra saker skulle förvandla denna läcka till en lansering. Ett officiellt namn och releasedatum för den slutgiltiga V4-visionmodellen. Bekräftelse av licensen — MIT och Apache-2.0 är båda tänkbara, och skillnaden spelar roll för derivatarbete. En första oberoende benchmark av den slutgiltiga modellen, som skulle ersätta DeepSeeks "nära Claude Opus-4.8" med en siffra som någon annan har verifierat. Och, ur ett skeptiskt perspektiv, huruvida DeepSeek-V4-Flash-Vision-Exp själv någonsin får vikter — läckan säger nej, och DeepSeeks mönster stöder den tolkningen.

Innan någon av dessa landar, behandla läckan som en riktningssignal snarare än ett faktum. Den experimentella V4-visionmodellen är verklig, användbar och endast API-tillgänglig idag. Den slutliga modellen med öppna vikter är en väl underbyggd förväntan, inte en produkt som levereras. Om betraktaren på X har rätt, hamnar V4-visionlinjen där DeepSeeks modeller brukar hamna — som körs på din egen hårdvara, med det värdbaserade API:et som ett driftsfritt alternativ.