DeepSeek-V4-Flash-Vision-Exp 开放权重：与 V4-Flash 同价，现已支持自托管

{{1}}DeepSeek-V4-Flash-Vision-Exp 是 8 月 21 日在 DeepSeek API 上推出的实验性多模态模型，于 8 月 31 日以 MIT 许可证在 Hugging Face 上发布了权重。{{/1}}API 上线十天后，这个计费费率与 DeepSeek-V4-Flash 完全一致的大脑已可完整下载——模型文件、分词器、提示编码参考、一条极简 PyTorch 推理路径，以及 vLLM 项目当天宣布的 day-0 vLLM 服务支持。这让最便宜的 1M 上下文视觉智能体也成为最便宜的自托管选项，也意味着参考实现不再是运行它的唯一途径。有一项新主张值得事先指出：分析师 Teortaxes 在 X 上解读此次发布时表示，开源权重版本带来了与 Moonshot 和 GLM 视觉模型相当的功能。开源权重是已核实的事实；而这种功能对等只是第三方解读，迄今尚无人复现验证。

实际发布的内容

DeepSeek-V4-Flash-Vision-Exp 是一个实验性多模态模型，通过模型 ID deepseek-v4-flash-vision-exp 进行访问。在架构上，它是在 V4-Flash MoE 主干上接入视觉编码器和对齐器——即同一个约 2840 亿参数、130 亿活跃参数的文本模型，并添加了视觉模块。它接收文本和图像输入，并生成文本输出，支持 1M token 的上下文窗口和 384K 的最大输出长度，同时具备思考与非思考两种模式。它支持 Chat Completions 格式、Anthropic 风格的 Messages 格式以及 Responses 格式，这三种格式正是智能体框架无需自定义适配器即可接入该模型所需的三件套。

在图像输入方面，DeepSeek 接受 JPEG、PNG、GIF 和 WebP，并通过三种方式传递：内联 base64、外部 URL，或通过 Files API 上传的文件。目前尚不支持视频或音频输入——这里的“视觉”仅限静态图像。

DeepSeek自身的定位，在发布说明中：纯文本能力——智能体、推理、世界知识——与官方DeepSeek-V4-Flash版本相当，而多模态智能体能力则取得重大飞跃，接近Opus-4.8。这是厂商声明，未经复现，值得细读，因为其背后的基准测试细节比标题更有意思。

{{2}}开放权重{{3}}发布{{4}}实际{{5}}包含{{1}}什么？

今天的发布回答了发布博文（launch post）中悬而未决的问题。Hugging Face 仓库 —— deepseek-ai/DeepSeek-V4-Flash-Vision-Exp —— 采用 MIT 许可证，并随附完整权重（约 2850 亿参数 —— 即 V4-Flash MoE 主干网络，外加视觉编码器和对齐器 —— 每个 token 约激活 130 亿参数，分布在 48 个分片中）、分词器、一份 OpenAI 风格的提示编码参考实现，以及一条极简 PyTorch 推理路径，涵盖视觉编码器、对齐器、DFlash 注意力、MoE、Hyper-Connections 和 DSpark 前向传播。DeepSeek 仍将 PyTorch 代码称为参考实现，而非生产级服务引擎 —— 但它不再需要承担服务推理的职责，因为 vLLM 在当天就宣布了首发日（day-0）支持。

vLLM 项目自身的声明是，它现在已经可以服务该模型。这在实际中意味着，对照 vLLM 仓库和模型卡核实后，有一个固定的 day-0 Docker 镜像（{{1}}vllm/vllm-openai:deepseekv4-flash-vision{{/1}}）以及一个依赖于仍未合并的上游拉取请求（{{2}}#54566{{/2}}）的官方方案。视觉支持并不在已发布的 vLLM wheel 中——普通的 wheel 会把检查点路由到纯文本路径，并在视觉张量上失败——所以这里的 day-0 指的是你固定使用的镜像，而不是对现有 vLLM 安装的升级。在该镜像上，vLLM 在 NVIDIA GB200 上报告视觉路径可用，并在其参考配置下取得 835（83.5%）的 OCRBench 分数。实际的天花板已经从{{3}}"等待稳定版本发布"{{/3}}变为"自行下载、部署并实测"。

在X上，分析师Teortaxes将此次发布定性为竞争性事件：开放权重现在使DeepSeek与Moonshot和GLM的视觉模型具备了一定的功能对等性。这是第三方解读——既不是DeepSeek的声明，也不是实测结果——但它现在可以测试了，而在这次发布之前还无法做到，因为同一次发布向任何人提供了运行对比所需的文件。

为什么基准测试的提升比看起来更大

以下所有数据均由DeepSeek发布于发布说明中，未经独立核实。在嵌入截图和图像的智能体基准测试中，纯文本版DeepSeek-V4-Flash并不会读取这些内容——它只是忽略任务中的多模态部分。而DeepSeek-V4-Flash-Vision-Exp确实会看图，这正是差异如此之大的原因：

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

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

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

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

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

• Chartography — Vision-Exp 64.3（纯文本版 V4-Flash 无法尝试此任务）

• ZeroBench Pass@5 — Vision-Exp 35.0（纯文本版 V4-Flash 无法尝试）

这两个数字值得再看一眼。在 Agents' Last Exam 上，Vision-Exp（27.3）以微弱优势胜过 Opus-4.8（25.7）；在 DeepSWE 上，它也击败了 Opus-4.8（59.3 对 58.0）。"接近 Opus-4.8"的说法正是建立在这上面——不是某一个标志性结果，而是一系列 agentic 基准测试：在这些测试中，"看得见屏幕"弥补了与前沿多模态模型之间的大部分差距，同时价格却低了大约一个数量级。

一张图片的成本，精确到小数点

图像按令牌计费——每张最多384个令牌——然后按照与DeepSeek-V4-Flash相同的每令牌费率收费。由于DeepSeek于2026年8月16日将所有模型转为高峰/非高峰定价，具体费用取决于您何时调用：

• 输入，缓存未命中 — 非高峰时段每100万tokens $0.22，高峰时段 $0.44

• 输入，缓存命中 — 非高峰时段每100万token $0.007，高峰时段 $0.014

• 输出 — 非高峰时段每1M tokens $0.66，高峰时段$1.32

• 高峰时段 — 01:00–04:00 和 06:00–10:00 UTC（其余时段均为非高峰时段）

算一下这笔账，视觉成本几乎可以忽略不计。一张图像在其384 token的上限下，作为输入，非高峰时段约合0.0085美分，高峰时段约合0.017美分。一个智能体在一次运行中读取50张截图，在模型写出第一个输出token之前，输入token也仅增加约半美分。DeepSeek还会在推理前限制分辨率：低细节模式会调整为512×512，而高/原始模式会预缩放图像（小图放大至约384×384，大图缩小至约800×800），因此高分辨率原始图像绝不会以其原生像素数量被送入模型。

这些费率如今已是一个上限，而非唯一选择。由于权重已公开，自托管成本取决于你的GPU开销，而不是每token的标价——如果你已运营推理硬件，值得细算这笔账；若没有，则无关紧要。

配角：免费的 Files API 和 Harness 0.1.1

API 发布的同时，还有两块基础设施组件一并推出。Files API 现已上线且免费：只需上传一次图片，即可通过 file_id 引用它，并在多个请求之间复用，无需重新发送字节数据——这对于在跨多轮对话中保持页面上下文的浏览代理来说非常有意义。同一天发布的 DeepSeek Harness 0.1.1 对新模型提供了开箱即用的支持，因此用于基准测试和驱动 DeepSeek 智能体工作负载的 Harness 可以立即将其作为目标。由于权重采用 MIT 许可，模型加工具链的整个技术栈现已实现端到端开源。

直白而言的生产注意事项

这是一个实验性模型。DeepSeek 明确将其标注为实验性模型，尚未公布正式发布（GA）日期，并建议不要直接在生产环境中运行；其既定计划是根据反馈进行迭代，稍后发布稳定版本。实际结果是，文本能力已被验证——它来自驱动 V4-Flash 的同一权重系列——但视觉路径是新代码。vLLM 的 day-0 镜像使其今天即可运行，但该镜像明确是预发布版本：视觉实现位于一个开放的拉取请求中，而非稳定版本，并且迄今为止唯一有已发布视觉运行结果的硬件是 NVIDIA GB200。因此，第一波独立压力测试本周才刚刚开始——但它是以真正的服务引擎为起点，而不仅仅是 DeepSeek 的参考代码。

这正是路由层发挥其价值的情形。在 OrcaRouter 上，deepseek/deepseek-v4-flash-vision-exp 和 deepseek/deepseek-v4-flash 都通过同一个 API 在线提供，按 DeepSeek 的标价原样转售，零加价。你可以将携带图片的流量指向实验模型，并在同一配置中设置自动故障转移：一旦出错或超时，便立即回退到备用模型——从而化解了“新代码”带来的整体风险。路由 DSL 还允许你只将真正包含图片的调用发送给视觉模型，而将纯文本流量继续保留在 DeepSeek-V4-Flash 上，在有基准提升之处获得收益，在没有提升之处则无需额外付费。

MIT 许可证还意味着，需要自托管的团队现在有了可行路径——该版本包含参考推理代码，vLLM 的 day-0 镜像则提供了生产级服务选项，因此你不会被锁定在 API 上。对于不想仅仅为了评估一个模型就运行大约 2850 亿参数的 MoE 的人来说，路由 API 是门槛更低的入口。

接下来看什么

自API发布以来，悬而未决的问题已有所收窄。DeepSeek-V4-Flash-Vision-Exp能否达成GA（正式发布），价格能否维持不变？视频或音频输入是否紧随其后——该模型目前仅支持静态图像，这让大型多模态前沿模型在动态媒体领域毫无对手？vLLM的视觉路径何时能从固定的day-0镜像转正为稳定版本，并延伸到GB200以外的硬件？还有那些独立评估——如今任何拥有GPU的人都能在ApexBench或Terminal-Bench上进行的首次第三方评测——能否复现已发布的数据？

自发布说明发出以来，有一件事发生了变化。9月8日，Teortaxes——上文引用其对等性框架的分析师——根据实际操作测试报告称，DeepSeek 现在似乎至少运行两个现代 V4-Flash-Vision 模型。他通过灰度测试接入的那个模型，在他的测试中是两者中较强的一个，其运行速度与 DeepSeek-V4-Flash-Vision-Exp 相同，他认为这表明两者共享同一个基础；而更新的构建版本速度更快但能力较弱。这只是单一研究者的灰度测试观察结果，既不是 DeepSeek 的官方声明，也不是独立的基准测试。这一观察结果出现的同一天，DeepSeek 开启了一个为期两天的 API 测试版，涉及一个它标榜为“原生多模态且更快”的“中间版本”——模型 ID deepseek-v4.1-flash-expires-on-0910 于9月8日开始提供服务——因此，对买家而言，实际问题在于正式发布版本落在速度与能力权衡的哪个位置：更快的层级能否保持让开源权重发布显得有趣的智能体基准表现，还是以牺牲它为代价换取吞吐量。

Moonshot/GLM 的对等问题是另一个值得关注的焦点。Teortaxes 的表述方式正是供应商“接近 Opus-4.8”这一说法的可测试版本：在权重公开的情况下，任何人都可以在自己的基准上直接与 Moonshot 和 GLM 的视觉模型进行对比。在有人这样做之前，它仍然只是一个说法。真正不需要复现验证的是整个发布背后的定价事实——以文本价格提供视觉服务是一个账单数字，而不是基准分数；而且随着权重公开，它现在有了一个免费的替代方案。