DeepSeek V4 Vision 開放權重洩漏：Vision-Exp 僅限 API，最終模型預期會開放

本週在 X 上發布的兩句話，是目前為止關於 DeepSeek V4 視覺系列走向最有意義的討論。長期密切關注 DeepSeek 的研究者 teortaxesTex 寫道：「我懷疑他們不會開源 Vision-exp 的權重，他們在 V2 世代就做過類似的事。但他們絕對會開源 V4-Vision-Final 的權重。」這些都尚未證實——這是基於資訊的預測，而非官方公告——但前半段已經與事實相符。DeepSeek-V4-Flash-Vision-Exp 是 V4 家族第一款具備原生影像輸入的模型，於 2026 年 8 月 21 日在 DeepSeek 自家的 API 上線，僅提供 API 使用，沒有可下載的權重。後半段如果成真，將改變開發者實際能利用 V4 視覺系列的方式：自行託管、本地微調，以及在自行運行模型與呼叫 API 之間做出真正的選擇。

這是一篇「目前已知資訊」的報導，因此消息來源的標註比以往更為重要。那則推文是內部人士的解讀，而非文件外洩，且依其性質本就未經證實。已證實的是 DeepSeek-V4-Flash-Vision-Exp 的當前狀態——已發布、已定價、已完成基準測試、僅提供 API——而未經證實的則是關於最終模型發布的一切。這項區別貫穿以下每個章節。

洩漏的真正內容

這個訊號很短，因此值得精確解讀。「Vision-exp」指的是 DeepSeek-V4-Flash-Vision-Exp，這是 DeepSeek 於 8 月 21 日發布的實驗性模型。「V4-Vision-Final」是研究人員對 DeepSeek 已承諾但尚未命名的正式版 V4 視覺版本的簡稱。這項預測包含兩部分：DeepSeek 將維持實驗模型的權重不公開——teortaxesTex 表示這是從 V2 世代起就成立的模式——而最終模型的權重將予以開放。

紀錄上最強烈的 V2 世代先例是 DeepSeek-VL2，這是 DeepSeek 於 2024 年 12 月推出的開放視覺語言模型系列，採用寬鬆的 DeepSeek Model License 釋出，並附帶 MIT 授權的程式碼。這正是該模式中「最終開放」的那一半。而「實驗性保持封閉」的那一半，則是研究者對 DeepSeek 行為的解读；這與該公司自那以後處理預覽模型的方式一致——正是這一點，使得最終模型的預測值得認真看待，而非輕率否定。

已驗證的內容：Vision-Exp 版本

上述公告頁面即為完整的官方紀錄：DeepSeek-V4-Flash-Vision-Exp 已於 2026 年 8 月 21 日在 DeepSeek 的 API 平台上線，模型 ID 為 deepseek-v4-flash-vision-exp，而頁面上並未發布任何關於權重、架構或授權的資訊。DeepSeek 從未以「開放原始碼」來形容此模型。該頁面純粹是一則 API 公告。

該模型的功能已經過驗證且實用。它接受文字加上圖片——JPEG、PNG、GIF 或 WebP——透過 base64 內嵌、外部 URL，或 DeepSeek 新的 Files API 傳入，該 API 免費，可上傳一次後以 file_id 重複使用。它會回傳文字。其文字能力等同於僅限文字的 DeepSeek-V4-Flash：具備相同的智能體、推理與世界知識行為，並支援 1M token 的上下文，最多可輸出 384K token。圖片以 token 計費，每張圖片最多 384 個 token，價格與 V4-Flash 的官方定價完全相同。DeepSeek Harness 0.1.1 於同日發布，並提供原生支援。

DeepSeek 所報告的數字

在多模態智能體基準測試中，相較於純文字模型的增益是重點。根據 DeepSeek 自身的數據——由廠商報告，尚未有任何獨立方複現：

• ApexBench（Pass@1）— Vision-Exp 為 36.5，相較於僅限文字的 DeepSeek-V4-Flash 的 26.2。

• Agents' Last Exam — 27.3 vs 25.2.

• 圖表學 — 64.3.

• ZeroBench（Pass@5）— 35.0

{{1}}DeepSeek 的摘要結論是，該模型「讓多模態代理的表現逼近 Opus-4.8」，同時在純文字基準測試上與 V4-Flash 相當。{{/1}}{{2}}這些都是 DeepSeek 的數據，尚無獨立評測驗證，而「接近 Claude Opus-4.8」也是 DeepSeek 的說法，並非實測排名。{{/2}}

上面的記分板是截至2026年8月22日的現況：唯一已發布的V4視覺模型是實驗性、僅限API的版本，而關於最終模型的一切——權重、尺寸、日期——都只是預期，而非事實。

為什麼開放權重的問題很重要

DeepSeek 是少數幾個其生產模型經常以開放形式發布的前沿實驗室之一，而這段歷史才是權重洩漏之所以成為新聞的真正原因。純文字的 DeepSeek-V4-Flash-0731 主幹採用 MIT 授權——這正是社群之所以能夠在此基礎上開發的原因。如果最終的 V4 視覺模型遵循 DeepSeek-VL2 和文字系列的走向，開放權重將改變讀者能做的事：在自己的硬體上進行本地部署、在專有影像資料上進行微調、在離網（air-gapped）環境下使用，以及在自己 GPU 上運行時每 token 成本為零。

另外，也有一份與此吻合的報導路線圖。中國科技媒體在2026年5月報導，DeepSeek 曾表示計劃於2026年第三季開源 V4 視覺模型權重。這是媒體報導的承諾，而非已確認的日期——而8月21日僅提供API的作法，與「先實驗、後釋出權重」一致。在授權方面，社群報導指向 Apache-2.0 或 MIT，但尚無任何確認。

社群的臨時答案

由於官方視覺權重並未開放，社群便自行構建。在 MIT 授權的 DeepSeek-V4-Flash-0731 文字主幹上，存在三種值得注意的僅投影器嫁接方案，每種方案都會凍結文字模型，並在其前方訓練一個小型視覺適配器：

• FlyCockpit/DeepSeek-V4-Flash-0731-vision — 一個 DeepEncoderV2 視覺塔加上一個訓練好的投影器，透過小型外掛程式經由 vLLM 提供服務；在 NVIDIA DGX Spark 叢集上測試，速度約為每秒 50 個 token。

• jarrelscy/deepseek-v4-flash-0731-vision — 一個凍結的 MoonViT 視覺塔（最初源自 Kimi-K2.6），加上一個約 4000 萬參數的投影器，以 GRPO 訓練，遵循「WebBrain patchmerger」配方。

webbrain-one/DeepSeek-V4-Flash-0731-Vision-NVFP4 — 一個採用 NVFP4 混合精度（mixed-precision）的檢查點，具備路由感知（routing-aware）的 PatchMerger，並整合了自訂的 SGLang。

這些是非官方、嫁接而成的模型，並非 DeepSeek 官方模型。它們證明了讓 V4 Flash 擁有視覺能力是可行的，而一旦官方視覺權重發布，它們就會被取代。它們的存在本身，就是社群多麼渴望這些權重的最明確訊號。

V4-Vision-Final 可能呈現的樣子

{{1}}本節的所有內容皆屬推測，因為目前沒有任何官方公告。{{/1}} {{2}}依 DeepSeek 自身的一貫模式來看，最可能的形式是：一款最終的視覺模型——可能同時推出 Flash 與 Pro 兩種規模——並開放權重。{{/2}} {{3}}從成本效益來看，Flash 規模的本地部署頗為合理：{{/3}} {{4}}DeepSeek-V4-Flash 是一個擁有 284B 參數的混合專家（MoE）模型，每個 token 僅啟動 13B 參數，具備 1M token 的上下文長度，{{/4}} {{5}}而社群部署報告顯示，量化版本可用雙 RTX 4090 或單張 RTX 5090 運行。{{/5}} {{6}}DeepSeek-V4-Pro 據報約有 1.6T 總參數 / 49B 啟用參數——需求更高，但同樣適用 MoE 的邏輯。{{/6}} {{7}}DeepSeek 也表示 V4 從一開始就是以多模態方式訓練；{{/7}} {{8}}Vision-Exp 是該能力的第一個展現，而最終模型可能會揭露更多相關能力。{{/8}}

那些都尚未得到證實。這是讀者應當預期的樣貌，而非承諾。

如何玩等待

以下是目前真實的情況，有別於日後可能改變的狀況。DeepSeek-V4-Flash-Vision-Exp 現在已正式上線並可路由使用，價格依 DeepSeek 官方列表價——每 1M 輸入 tokens 為 $0.15，每 1M 輸出 tokens 為 $0.29，與純文字的 V4-Flash 相同，圖片則另外以 tokens 計費。OrcaRouter 可透過單一 API key 將流量路由至超過 200 個模型，以 0% 加價直接傳遞供應商列表價，並能自動故障轉移至經實證的模型。這才是嘗試實驗性模型的正確方式：將測試工作負載指向 Vision-Exp，在相同的端點上保留可靠的備援模型，當實驗性模型一出現停滯，自動故障轉移就會立即換上穩定的模型。

上面的模型頁面就是 DeepSeek-V4-Flash-Vision-Exp 目前實際可呼叫的地方 — 輸入 $0.15，輸出 $0.29，一個 API 金鑰，無需第二份合約。

當最終的開放權重模型釋出時，兩件事會同時發生：自架者可以在本機執行它，而託管路由則維持在同一個金鑰、同一個直通價格。你不需要在發布當下做出選擇——路由層讓兩種選項都只差一次呼叫。為了明確界線：OrcaRouter 路由 API；我們不託管模型權重。最終 V4 視覺模型的本地部署，關乎的是 DeepSeek 的權重，而不是我們。

接下來要看什麼

有四件事會把這次洩漏變成正式發布。最終版 V4 視覺模型的官方命名與發布日期。授權條款的確認——MIT 與 Apache-2.0 皆有可能，而兩者差異對衍生作品影響重大。最終模型的首次獨立基準測試，這將取代 DeepSeek 所稱的「接近 Claude Opus-4.8」，改用由他人驗證的數據。而對持懷疑態度者而言，重點在於 DeepSeek-V4-Flash-Vision-Exp 本身是否會發布權重——洩漏內容說不會，而 DeepSeek 的一貫做法也支持這種解讀。

在这些预言之一成真之前，把这项泄漏当作方向性信号，而非既定事实。实验性 V4 视觉模型是真实存在、有实用价值的，且目前仅限 API 使用。开放权重最终版模型是有可靠来源支撑的预期，而非已上架的产品。如果 X 平台上那位观察者说得没错，V4 视觉产品线最终会走向 DeepSeek 模型通常的归宿——运行在你自己的硬件上，而以托管 API 作为零运维的替代方案。