DeepSeek V4 Vision 开源权重泄露：Vision-Exp 仅限 API 使用，最终模型预计将开源

本周X上发布的两句话，是迄今为止关于DeepSeek V4视觉产品线走向的最有用的话。密切关注DeepSeek的研究人员teortaxesTex写道：“我怀疑他们确实不会开源Vision-exp的权重。他们在V2代就做过这样的事。但他们肯定会开源V4-Vision-Final的权重。”这些说法都尚未得到证实——这是一个有根据的预测，而非官方公告——但前半部分已经与事实相符。DeepSeek-V4-Flash-Vision-Exp是V4系列中首个原生支持图像输入的模型，于2026年8月21日在DeepSeek自己的API上线，仅提供API调用，无可下载权重。如果后半部分也成立，开发者实际能用V4视觉产品线做的事情将发生变化：自托管、本地微调，以及在自行运行模型和调用API之间做出真正的选择。

这是一篇"目前已知信息"的文章，信息来源的说明比平时更为重要。这条推文是内部人士的解读，而非文件泄露，并且它本身就是未经证实的。已得到证实的是DeepSeek-V4-Flash-Vision-Exp的当前状态——已发布、已定价、已参加基准测试、仅提供API——而未经证实的则是关于最终模型发布的一切。这一区别贯穿下面的每一个部分。

泄漏的实际内容是什么

信号很短，因此值得精确解析。"Vision-exp" 即 DeepSeek-V4-Flash-Vision-Exp，是 DeepSeek 于 8 月 21 日发布的实验模型。"V4-Vision-Final" 是研究者对 DeepSeek 已承诺但尚未命名的生产版 V4 视觉版本的简称。该预测包含两部分：DeepSeek 将保持实验模型的权重封闭——teortaxesTex 称这一模式从 V2 代起一直如此——而最终模型的权重将被开放。

迄今为止最有力的 V2 代先例是 DeepSeek-VL2，这是 DeepSeek 于 2024 年 12 月发布的开源视觉语言模型系列，在宽松的 DeepSeek 模型许可下发布，代码采用 MIT 许可证。这正是该模式中“最终开源”的那一半。而“实验性版本保持闭源”这一半，是研究者对 DeepSeek 行为的解读，并且与该公司此后处理预览模型的方式一致——正是这一点使得对最终模型的预测值得认真对待，而非轻易否定。

已验证内容：Vision-Exp 版本

上面的公告页面就是全部官方记录：DeepSeek-V4-Flash-Vision-Exp 已于 2026 年 8 月 21 日在 DeepSeek 的 API 平台上上线，模型 ID 为 deepseek-v4-flash-vision-exp，页面上没有发布任何关于权重、架构或许可证的信息。DeepSeek 从未对这个模型说过“开源”这两个字。该页面严格来说只是一个 API 公告。

该模型的功能已经过验证，且非常实用。它接受文本加图片——JPEG、PNG、GIF 或 WebP——可通过 base64 内联、外部 URL 或 DeepSeek 全新的 Files API 传入。Files API 免费，支持一次上传后通过 file_id 重复使用。模型返回文本。其文本能力与纯文本版 DeepSeek-V4-Flash 相当：相同的智能体、推理和世界知识表现，支持 1M token 上下文，输出最多 384K token。图片按 token 计费，每张图片最多 384 token，价格与 V4-Flash 列表价完全一致。DeepSeek Harness 0.1.1 于同一天发布，原生支持该模型。

DeepSeek报告的数字

在多模态智能体基准测试中，相比纯文本模型的提升是头条。根据DeepSeek自身的数据——供应商报告，尚未有独立方复现：

• ApexBench（Pass@1）——Vision-Exp 为 36.5，纯文本版 DeepSeek-V4-Flash 为 26.2。

• 智能体最终考试 — 27.3 vs 25.2.

• Chartography — 64.3.

• ZeroBench (Pass@5) — 35.0.

DeepSeek 的总结是，该模型“将多模态智能体性能拉近至 Opus-4.8 的水平”，同时在纯文本基准测试中与 V4-Flash 不相上下。这些数据均出自 DeepSeek 自身，目前尚无独立评估加以佐证；而“接近 Claude Opus-4.8”只是 DeepSeek 的表述方式，并非实测排名结果。

上方的记分牌显示的是截至2026年8月22日的状况：唯一发布的V4视觉模型是实验性的、仅限API的版本，而关于最终模型的一切——权重、规格、日期——都只是预期，而非事实。

开放权重问题为何重要

DeepSeek是少数几个前沿实验室之一，其生产模型通常以开放形式发布，而这段历史才是权重泄露成为新闻的真正原因。纯文本版DeepSeek-V4-Flash-0731主干采用MIT许可证——这正是社区能够在其基础上进行构建的根本原因。如果最终的V4视觉模型延续DeepSeek-VL2和文本产品线的路线，开放权重将改变用户能做的事情：在自有硬件上本地部署、基于专有图像数据微调、离线隔离环境使用，以及在自己的GPU上实现零按token计费成本。

还有一份据报道的路线图与此吻合。中国科技媒体2026年5月报道称，DeepSeek曾表示计划于2026年第三季度开源V4视觉权重。{{1}}这是一项据报的承诺，而非已确认的日期——{{/1}}{{2}}而8月21日仅限API的一步与“先实验、后权重”的路径一致。{{/2}}{{3}}在许可方面，社区报道指向Apache-2.0或MIT，但均未得到确认。{{/3}}

社区的临时答案

由于官方视觉权重尚未开放，社区自行构建了替代方案。在 MIT 许可的 DeepSeek-V4-Flash-0731 文本骨干网络上，存在三个值得注意的仅投影器嫁接方案，每个方案都冻结文本模型，并在其前端训练一个小的视觉适配器：

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — 一个DeepEncoderV2视觉塔加上一个训练好的投影器，通过小型插件经vLLM提供服务；在NVIDIA DGX Spark集群上测试，速度约为50 tokens/秒。

• jarrelscy/deepseek-v4-flash-0731-vision — 一个冻结的MoonViT塔（最初来自Kimi-K2.6）加上一个约4000万参数的投影器，使用GRPO训练，遵循“WebBrain patchmerger”配方。

• webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — 一个NVFP4混合精度检查点，具备路由感知的PatchMerger和自定义SGLang集成。

这些是非官方的、嫁接而来的模型，并非 DeepSeek 的模型。它们证明了让 V4 Flash 拥有视觉是可行的，一旦官方视觉权重发布，它们就会被取代。它们的存在本身就是社区对这些权重渴望程度的最清晰信号。

V4-Vision-Final 可能的样子

本节内容均为推测，因为尚未有任何官方公告。根据DeepSeek自身的产品模式，最可能的形态是：一个最终的视觉模型——可能同时提供Flash和Pro两个尺寸——并开放权重。从成本角度来看，Flash尺寸的本地部署是可行的：DeepSeek-V4-Flash是一个2840亿参数的混合专家模型，每个token仅激活130亿参数，支持100万token的上下文，社区部署报告显示，量化版本可在双RTX 4090或单张RTX 5090上运行。据报DeepSeek-V4-Pro总参数约1.6万亿，激活参数约490亿——要求更高，但同样的MoE逻辑依然适用。DeepSeek还表示，V4从一开始就进行了多模态训练；Vision-Exp是该能力的首次呈现，而最终模型可能会展现更多。

这些都尚未得到证实。这是读者应当预期的形态，而非承诺。

如何玩等待游戏

这是今天确实如此的情况，与日后可能的情况有所不同。DeepSeek-V4-Flash-Vision-Exp 现已上线并可通过路由访问，价格采用 DeepSeek 自身的标价——每 100 万输入 token 0.15 美元，每 100 万输出 token 0.29 美元，与纯文本版 V4-Flash 价格相同，图片则按 token 额外计费。OrcaRouter 通过一个 API 密钥即可在 200 多个模型中路由该模型，以 0% 加价直接传递提供商的标价，并能自动故障转移到一个经过验证的模型。这才是试用实验性模型的诚实方式：将测试工作负载指向 Vision-Exp，在同一端点上保留可靠的备用模型，并让自动故障转移在实验性模型一出现停滞时就切换到可靠的模型。

上面的模型页面是 DeepSeek-V4-Flash-Vision-Exp 当前实际可调用的地方——输入 $0.15，输出 $0.29，一个 API 密钥，无需第二份合同。

当最终的开放权重模型发布时，两件事会同时发生：自托管用户可以本地运行它，而托管路线则以相同的传递价格保持在同一个密钥上。您不必在发布时做出选择——路由层意味着两种选项之间只隔一次调用。为了明确边界：OrcaRouter 路由 API；我们不托管模型权重。最终 V4 视觉模型的本地部署涉及的是 DeepSeek 的权重，而不是我们。

接下来看什么

四件事将让这次泄露变成正式发布。最终版 V4 视觉模型的正式命名和发布日期。许可证的确认——MIT 和 Apache-2.0 都有可能，而这一区别对衍生作品影响重大。最终模型的第一个独立基准测试，用他人验证的数字取代 DeepSeek 所称的“接近 Claude Opus-4.8”。此外，从怀疑的角度看，DeepSeek-V4-Flash-Vision-Exp 本身是否会发布权重——泄露信息称不会，而 DeepSeek 的一贯做法也支持这一解读。

在这些可能性落地之前，不妨将泄露视为一个方向性信号，而非事实。实验性的V4视觉模型今天真实可用、有用，且仅限API。开放权重的最终模型是一个有可靠来源的预期，而非正式发布的产品。如果X平台上那位观察者所言不虚，V4视觉系列最终会像DeepSeek的模型通常那样——运行在你自己的硬件上，而托管API则是零运维的替代方案。