DeepSeek V4 Vision Open-Weights รั่วไหล: Vision-Exp เป็น API เท่านั้น คาดว่าโมเดลสุดท้ายจะเปิดเป็น Open

สองประโยคที่โพสต์บน X เมื่อสัปดาห์นี้คือสิ่งที่มีประโยชน์ที่สุดเท่าที่ใครเคยพูดถึงเกี่ยวกับทิศทางของไลน์ V4 vision ของ DeepSeek teortaxesTex นักวิจัยที่ติดตาม DeepSeek อย่างใกล้ชิด เขียนว่า “ฉันสงสัยว่า ใช่ พวกเขาจะไม่เปิด weights ของ Vision-exp พวกเขาทำแบบนั้นมาแล้วในยุค V2 gen แต่พวกเขาจะเปิด weights ของ V4-Vision-Final แน่นอน” ไม่มีสิ่งใดได้รับการยืนยัน — มันคือการคาดการณ์บนพื้นฐานข้อมูล ไม่ใช่ประกาศ — แต่ครึ่งแรกตรงกับสิ่งที่เกิดขึ้นแล้ว DeepSeek-V4-Flash-Vision-Exp โมเดลแรกของตระกูล V4 ที่รองรับอินพุตรูปภาพโดยตรง เปิดให้ใช้งานบน API ของ DeepSeek เองเมื่อวันที่ 21 สิงหาคม 2026 โดยเป็นรุ่นที่ใช้ผ่าน API เท่านั้น ไม่มี weights ให้ดาวน์โหลด ครึ่งหลัง หากเป็นจริง จะเปลี่ยนสิ่งที่นักพัฒนาสามารถทำได้จริงกับไลน์ V4 vision: การโฮสต์ด้วยตัวเอง การปรับแต่งบนเครื่องตัวเอง และทางเลือกที่แท้จริงระหว่างรันโมเดลด้วยตัวเองหรือเรียกใช้มัน

นี่คือบทความแนว "สิ่งที่รู้จนถึงตอนนี้" และบรรทัดแหล่งที่มาของข้อมูลสำคัญกว่าปกติ ทวีตนี้เป็นการอ่านสถานการณ์จากคนวงใน ไม่ใช่การรั่วไหลของไฟล์ และตั้งใจให้ไม่ผ่านการยืนยัน สิ่งที่ยืนยันได้คือสถานะปัจจุบันของ DeepSeek-V4-Flash-Vision-Exp — เปิดตัวแล้ว กำหนดราคาแล้ว วัดประสิทธิภาพแล้ว ใช้ผ่าน API เท่านั้น — ส่วนสิ่งที่ยังไม่ยืนยันคือทุกอย่างเกี่ยวกับการเปิดตัวโมเดลเวอร์ชันสุดท้าย ความแตกต่างนี้ดำเนินไปในทุกส่วนด้านล่าง

การรั่วไหลนั้นจริงๆแล้วพูดว่าอะไร

สัญญาณนี้สั้น จึงคุ้มค่าที่จะตีความอย่างแม่นยำ "Vision-exp" คือ DeepSeek-V4-Flash-Vision-Exp ซึ่งเป็นโมเดลทดลองที่ DeepSeek เปิดตัวเมื่อวันที่ 21 สิงหาคม "V4-Vision-Final" เป็นชื่อย่อที่นักวิจัยใช้เรียกการเปิดตัวโมเดลวิทัศน์ V4 เวอร์ชันผลิตภัณฑ์ ซึ่ง DeepSeek สัญญาไว้แต่ยังไม่ได้ตั้งชื่อ การคาดการณ์นี้มีสองส่วน: DeepSeek จะเก็บน้ำหนักของโมเดลทดลองไว้เป็นความลับ — ซึ่งเป็นรูปแบบที่ teortaxesTex กล่าวว่าดำเนินมาตั้งแต่เจนเนอเรชัน V2 — และน้ำหนักของโมเดลจริงจะถูกเปิดเผย

แบบอย่างที่แข็งแกร่งที่สุดในรุ่น V2 เท่าที่มีการบันทึกไว้คือ DeepSeek-VL2 ตระกูลโมเดลวิทัศน์-ภาษาแบบเปิดของ DeepSeek จากเดือนธันวาคม 2024 ซึ่งเผยแพร่ภายใต้ DeepSeek Model License แบบอนุญาตให้ใช้ได้กว้างขวาง โดยมีโค้ดภายใต้ลิขสิทธิ์ MIT นี่คือครึ่งหนึ่งของรูปแบบที่ "เวอร์ชันสุดท้ายเปิดตัว" พอดี ส่วนครึ่งที่ "เวอร์ชันทดลองยังคงปิดอยู่" นั้นเป็นการตีความพฤติกรรมของ DeepSeek ของนักวิจัย และสอดคล้องกับวิธีที่บริษัทจัดการกับโมเดลพรีวิวตั้งแต่นั้นมา ซึ่งนั่นคือสิ่งที่ทำให้การคาดการณ์เกี่ยวกับโมเดลเวอร์ชันสุดท้ายควรค่าแก่การนำมาพิจารณาอย่างจริงจัง ไม่ใช่การมองข้าม

สิ่งที่ได้รับการยืนยัน: เวอร์ชัน Vision-Exp

หน้าประกาศด้านบนคือบันทึกอย่างเป็นทางการฉบับเต็มทั้งหมด: DeepSeek-V4-Flash-Vision-Exp เปิดให้บริการบนแพลตฟอร์ม API ของ DeepSeek แล้วตั้งแต่วันที่ 21 สิงหาคม 2026 โดยมีรหัสโมเดลคือ deepseek-v4-flash-vision-exp และไม่มีการเผยแพร่ข้อมูลใดๆ เกี่ยวกับน้ำหนักของโมเดล สถาปัตยกรรม หรือใบอนุญาตบนหน้านี้เลย DeepSeek ไม่ได้กล่าวถึงคำว่า "โอเพนซอร์ส" เกี่ยวกับโมเดลนี้แต่อย่างใด หน้านี้เป็นเพียงการประกาศเกี่ยวกับ API เท่านั้น

สิ่งที่โมเดลทำนั้นได้รับการยืนยันแล้วและมีประโยชน์ โดยรับอินพุตเป็นข้อความพร้อมรูปภาพ — JPEG, PNG, GIF หรือ WebP — ผ่าน base64 แบบอินไลน์, URL ภายนอก หรือ Files API ใหม่ของ DeepSeek ซึ่งใช้งานฟรีและให้คุณอัปโหลดครั้งเดียวแล้วนำกลับมาใช้ซ้ำได้ด้วย file_id จากนั้นส่งคืนผลลัพธ์เป็นข้อความ ความสามารถด้านข้อความเทียบเท่ากับ DeepSeek-V4-Flash แบบข้อความอย่างเดียว นั่นคือพฤติกรรมด้าน agent การให้เหตุผล และความรู้รอบโลกแบบเดียวกัน บนคอนเทกซ์ 1M โทเคน พร้อมเอาต์พุตสูงสุด 384K โทเคน รูปภาพถูกคิดค่าบริการเป็นโทเคน สูงสุด 384 โทเคนต่อรูป ในราคารายการเดียวกันกับ V4-Flash ทุกประการ และ DeepSeek Harness 0.1.1 เปิดตัวในวันเดียวกันพร้อมการรองรับแบบเนทีฟ

ตัวเลขที่ DeepSeek รายงาน

สำหรับเกณฑ์ชี้วัดเอเจนต์มัลติโมดัล จุดเด่นหลักคือการปรับปรุงที่เหนือกว่าโมเดลที่ใช้ข้อความเท่านั้น จากตัวเลขของ DeepSeek เอง — ซึ่งรายงานโดยผู้จำหน่าย และยังไม่มีการตรวจสอบซ้ำโดยหน่วยงานอิสระใด ๆ:

• ApexBench (Pass@1) — 36.5 สำหรับ Vision-Exp เทียบกับ 26.2 สำหรับ DeepSeek-V4-Flash แบบข้อความเท่านั้น

• Agents' Last Exam — 27.3 เทียบกับ 25.2

การทำแผนที่ — 64.3.

• ZeroBench (Pass@5) — 35.0.

ประโยคสรุปของ DeepSeek คือโมเดลนี้ "ทำให้ประสิทธิภาพด้านเอเจนต์มัลติโหมดใกล้เคียงกับ Opus-4.8" ขณะที่ทำผลงานเทียบเท่า V4-Flash ในการวัดประสิทธิภาพด้านข้อความล้วน ตัวเลขเหล่านั้นเป็นตัวเลขของ DeepSeek เอง ยังไม่มีการประเมินอย่างอิสระจากภายนอก และคำว่า "ใกล้เคียงกับ Claude Opus-4.8" เป็นเพียงกรอบการนำเสนอของ DeepSeek ไม่ใช่การจัดอันดับที่ผ่านการวัดผลจริง

กระดานคะแนนด้านบนคือสถานะปัจจุบัน ณ วันที่ 22 สิงหาคม 2026: โมเดลวิทัศน์ V4 เพียงรุ่นเดียวที่ปล่อยออกมาคือรุ่นทดลองที่เข้าถึงได้ผ่าน API เท่านั้น และทุกอย่างเกี่ยวกับโมเดลสุดท้าย ไม่ว่าจะเป็นน้ำหนัก ขนาด หรือวันวางจำหน่าย ล้วนเป็นเพียงความคาดหวัง ไม่ใช่ข้อเท็จจริง

เหตุใดคำถามเรื่องน้ำหนักแบบเปิดจึงสำคัญ

DeepSeek เป็นหนึ่งในห้องแล็บชั้นแนวหน้าไม่กี่แห่งที่โมเดลสำหรับการผลิตของตนเปิดเผยเป็นโอเพนซอร์สเป็นประจำ และประวัติศาสตร์นั้นคือเหตุผลที่แท้จริงที่ทำให้ข่าวการรั่วไหลของน้ำหนักโมเดลกลายเป็นข่าว โครงสร้างหลักแบบข้อความเท่านั้นของ DeepSeek-V4-Flash-0731 ใช้สัญญาอนุญาต MIT ซึ่งเป็นเหตุผลที่ทำให้ชุมชนสามารถต่อยอดจากมันได้เลยทีเดียว หากโมเดลภาพ V4 เวอร์ชันสุดท้ายเป็นไปตามแนวทางของ DeepSeek-VL2 และสายข้อความ น้ำหนักแบบเปิดจะเปลี่ยนสิ่งที่ผู้ใช้สามารถทำได้: การติดตั้งใช้งานบนฮาร์ดแวร์ของคุณเอง การปรับละเอียดบนข้อมูลภาพที่เป็นกรรมสิทธิ์ การใช้งานแบบตัดขาดจากเครือข่าย และไม่มีค่าใช้จ่ายต่อโทเค็นบน GPU ของคุณเอง

นอกจากนี้ ยังมีโรดแมปที่รายงานไว้ซึ่งสอดคล้องกัน สื่อเทคโนโลยีจีนรายงานเมื่อเดือนพฤษภาคม 2026 ว่า DeepSeek เคยกล่าวว่าน้ำหนักของโมเดลวิชัน V4 แบบโอเพนซอร์สมีแผนจะปล่อยในไตรมาส 3 ปี 2026 นั่นเป็นข้อผูกพันที่ถูกรายงาน ไม่ใช่วันที่ยืนยันแล้ว — และขั้นตอนที่ให้บริการผ่าน API เท่านั้นในวันที่ 21 สิงหาคมก็สอดคล้องกับแนวคิด "ทดลองก่อน แล้วค่อยปล่อยน้ำหนักในภายหลัง" ในด้านใบอนุญาต การรายงานจากชุมชนชี้ไปที่ Apache-2.0 หรือ MIT แต่ก็ยังไม่มีการยืนยันใดๆ

คำตอบระหว่างกาลของชุมชน

เนื่องจากน้ำหนักของโมเดลวิทัศน์อย่างเป็นทางการไม่ได้เปิดเผย ชุมชนจึงได้สร้างขึ้นเอง มีการต่อพ่วงแบบโปรเจกเตอร์เท่านั้นที่น่าสนใจสามแบบบนแกนหลักข้อความ DeepSeek-V4-Flash-0731 ซึ่งอยู่ภายใต้ใบอนุญาต MIT โดยแต่ละแบบจะตรึงโมเดลข้อความไว้และฝึกอะแดปเตอร์วิทัศน์ขนาดเล็กที่อยู่ด้านหน้า:

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — ทาวเวอร์ประมวลผลภาพ DeepEncoderV2 พร้อมโปรเจกเตอร์ที่ฝึกแล้ว ให้บริการผ่าน vLLM ด้วยปลั๊กอินขนาดเล็ก; ทดสอบบนคลัสเตอร์ NVIDIA DGX Spark ที่อัตราประมาณ 50 โทเคนต่อวินาที

• jarrelscy/deepseek-v4-flash-0731-vision — ทาวเวอร์ MoonViT ที่แช่แข็ง (เดิมมาจาก Kimi-K2.6) พร้อมกับโปรเจกเตอร์ประมาณ 40 ล้านพารามิเตอร์ที่ฝึกด้วย GRPO ตามสูตร "WebBrain patchmerger"

• webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — จุดตรวจสอบแบบผสมความแม่นยำ NVFP4 พร้อม PatchMerger ที่รับรู้เส้นทางและการผสานรวม SGLang แบบกำหนดเอง

{{1}}เหล่านี้เป็นโมเดลที่ไม่เป็นทางการ ถูกต่อกิ่งขึ้นมา และไม่ใช่โมเดลของ DeepSeek{{/1}} {{2}}พวกมันแสดงให้เห็นว่าการทำให้ V4 Flash มีดวงตานั้นเป็นไปได้ และพวกมันจะถูกแทนที่ในวันที่ official vision weights ถูกปล่อยออกมา{{/2}} {{3}}ความจริงที่ว่าพวกมันมีอยู่จริง คือสัญญาณที่ชัดเจนที่สุดว่าชุมชนต้องการ weights เหล่านั้นมากแค่ไหน{{/3}}

V4-Vision-Final อาจมีลักษณะอย่างไร

ทุกอย่างในส่วนนี้เป็นเพียงการคาดเดา เพราะยังไม่มีอะไรประกาศออกมา รูปแบบที่เป็นไปได้มากที่สุด จากแพตเทิร์นของ DeepSeek เอง: โมเดลวิทัศน์ขั้นสุดท้าย — อาจมีทั้งขนาด Flash และ Pro — พร้อมน้ำหนักเปิด เศรษฐศาสตร์ทำให้การติดตั้งในเครื่องทำได้จริงที่ขนาด Flash: DeepSeek-V4-Flash เป็นโมเดล mixture-of-experts ที่มีพารามิเตอร์ 284B แต่ใช้เพียง 13B ต่อโทเค็น มีบริบท 1M โทเค็น และรายงานจากชุมชนการติดตั้งชี้ว่าใช้ RTX 4090 สองตัว หรือ RTX 5090 ตัวเดียวสำหรับบิลด์แบบ quantized ส่วน DeepSeek-V4-Pro มีรายงานว่ามีพารามิเตอร์รวมประมาณ 1.6T / ใช้จริง 49B — เป็นเรื่องที่ต้องใช้ทรัพยากรมากขึ้น แต่หลักการ MoE เดียวกันก็ใช้ได้ DeepSeek ยังบอกอีกว่า V4 ถูกฝึกแบบ multimodal ตั้งแต่แรกเริ่ม; Vision-Exp เป็นเพียงพื้นผิวแรกของความสามารถนั้น และโมเดลสุดท้ายอาจเผยให้เห็นมันมากกว่านี้

ยังไม่มีสิ่งใดได้รับการยืนยัน มันเป็นเพียงรูปแบบที่ผู้อ่านควรคาดหวัง ไม่ใช่คำสัญญา

วิธีเล่น the wait

นี่คือสิ่งที่เป็นจริงในวันนี้ ต่างจากสิ่งที่อาจเป็นจริงในภายหลัง DeepSeek-V4-Flash-Vision-Exp เปิดใช้งานและกำหนดเส้นทางได้แล้วในตอนนี้ ที่ราคารายการของ DeepSeek เอง — $0.15 ต่อโทเคนอินพุต 1 ล้านโทเคน และ $0.29 ต่อโทเคนเอาต์พุต 1 ล้านโทเคน ราคาเดียวกันกับ V4-Flash แบบข้อความเท่านั้น โดยรูปภาพจะถูกคิดค่าบริการเป็นโทเคนเพิ่มเติม OrcaRouter กำหนดเส้นทางผ่านคีย์ API เดียวในกว่า 200 โมเดล ส่งผ่านราคารายการของผู้ให้บริการด้วยมาร์กอัป 0% และสามารถสลับไปใช้โมเดลที่พิสูจน์แล้วได้โดยอัตโนมัติ นั่นคือวิธีที่ตรงไปตรงมาในการลองใช้โมเดลทดลอง: ชี้ปริมาณงานทดสอบไปที่ Vision-Exp เก็บระบบสำรองที่เชื่อถือได้บนปลายทางเดียวกัน และปล่อยให้การสลับอัตโนมัติเปลี่ยนไปใช้โมเดลที่เชื่อถือได้ทันทีที่โมเดลทดลองหยุดทำงาน

หน้าโมเดลด้านบนคือที่ที่ DeepSeek-V4-Flash-Vision-Exp เรียกใช้งานได้จริงในวันนี้ — $0.15 สำหรับอินพุต, $0.29 สำหรับเอาต์พุต, คีย์ API เพียงตัวเดียว, ไม่มีสัญญาเพิ่มเติม

เมื่อโมเดลโอเพนเวตรุ่นสุดท้ายเผยแพร่ออกมา จะมีสองสิ่งเกิดขึ้นพร้อมกัน: ผู้ที่โฮสต์ด้วยตนเองจะได้รันมันในเครื่องได้ และเส้นทางที่โฮสต์ให้บริการยังคงใช้คีย์เดิมในราคาพาส-ทรูเท่าเดิม คุณไม่จำเป็นต้องเลือกในเวลาประกาศ — เลเยอร์การจัดเส้นทางทำให้ทั้งสองตัวเลือกห่างกันเพียงหนึ่งการเรียกใช้ เพื่อให้ชัดเจนเกี่ยวกับขอบเขต: OrcaRouter จัดเส้นทาง API; เราไม่ได้โฮสต์น้ำหนักโมเดล การติดตั้งโมเดลวิชัน V4 รุ่นสุดท้ายในเครื่องเป็นเรื่องของน้ำหนักของ DeepSeek ไม่ใช่เรื่องของเรา

สิ่งที่ควรดูต่อไป

สี่สิ่งที่จะทำให้การรั่วไหลนี้กลายเป็นการเปิดตัว การตั้งชื่ออย่างเป็นทางการและวันวางจำหน่ายสำหรับโมเดลวิสัยทัศน์ V4 รุ่นสุดท้าย การยืนยันใบอนุญาต — ทั้ง MIT และ Apache-2.0 ต่างก็เป็นไปได้ และความแตกต่างนั้นสำคัญสำหรับงานดัดแปลง การวัดประสิทธิภาพอิสระครั้งแรกของโมเดลสุดท้าย ซึ่งจะแทนที่คำกล่าวของ DeepSeek ที่ว่า "ใกล้เคียงกับ Claude Opus-4.8" ด้วยตัวเลขที่ผู้อื่นตรวจสอบแล้ว และสำหรับมุมมองที่กังขา ว่า DeepSeek-V4-Flash-Vision-Exp เองจะได้เปิดเผยน้ำหนักหรือไม่ — การรั่วไหลบอกว่าไม่ และรูปแบบของ DeepSeek ก็สนับสนุนการอ่านเช่นนั้น

จนกว่าหนึ่งในนั้นจะเกิดขึ้นจริง ให้มองว่าข่าวรั่วนั้นเป็นสัญญาณบอกทิศทาง มากกว่าจะเป็นข้อเท็จจริง โมเดล V4 vision แบบทดลองมีอยู่จริง มีประโยชน์ และใช้ได้ผ่าน API เท่านั้นในตอนนี้ โมเดลสุดท้ายแบบเปิดน้ำหนักเป็นความคาดหวังที่มีแหล่งข้อมูลดี ไม่ใช่ผลิตภัณฑ์ที่วางจำหน่ายแล้ว หากผู้ติดตามบน X พูดถูก เส้นทางของ V4 vision ก็จะจบลงที่จุดที่โมเดลของ DeepSeek มักไปอยู่ นั่นคือ รันบนฮาร์ดแวร์ของคุณเอง โดยมี API โฮสต์เป็นทางเลือกแบบไม่ต้องดูแลระบบ