I pesi sono aperti e posso eseguirlo localmente?

Sì, i pesi sono pubblicati su Hugging Face all’indirizzo deepseek-ai/DeepSeek-V4-Flash-Vision-Exp. Il repository include un’implementazione minima per inferenza PyTorch e supporto vLLM, anche se i 284 miliardi di parametri totali richiedono molta memoria GPU per l’esecuzione autonoma.

Quanto costa e qual è la finestra di contesto?

Via API costa $0,22 per milione di token in input e $0,65 per milione di token in output, con una finestra di contesto di 1.048.576 token.

In cosa si differenzia da DeepSeek V4 Flash 0731?

Questo modello aggiunge moduli visivi e continua l’addestramento multimodale sopra V4 Flash 0731, acquisendo comprensione delle immagini mantenendo prestazioni da agente testuale paragonabili al modello base.

DeepSeek V4 Flash Vision Exp

4845°

#llm #deepseek #visione #ragionamento #agenti #contesto lungo

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

DeepSeek | contesto da 1.048.576 token | $0.22/M input, $0.65/M output. DeepSeek V4 Flash Vision Exp è una versione sperimentale abilitata alla visione di DeepSeek V4 Flash 0731Opens in new tab di DeepSeek, che aggiunge la comprensione delle immagini mantenendo le capacità testuali del modello base, inclusi agenti, ragionamento e conoscenza del mondo. È un modello sparse mixture-of-experts con 13B parametri attivi su 284B totali. È adatto per la comprensione di documenti e grafici, domande visive e flussi di lavoro agentici multimodali che alternano testo e immagini.

Guide per questo modello

Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro

Quanta VRAM serve davvero per l'AI locale?

Pesi aperti vs open source vs solo API: cosa puoi davvero fare

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

DeepSeek V4 Flash Vision Exp è la prima proposta multimodale di DeepSeek nella famiglia V4 Flash, che integra la comprensione delle immagini in un’architettura MoE sparsa già capace con 13 miliardi di parametri attivi su 284 miliardi totali. Tiene testa nei compiti di agenti testuali aggiungendo miglioramenti significativi in benchmark multimodali, comprensione di grafici e QA visivo. Se ti serve un modello veloce, economico e capace di ragionare su immagini e testo, vale una seria considerazione.

Conosciuto per

Flussi di lavoro agenti multimodali che mescolano immagini e testo nella stessa pipeline
Comprensione di documenti e grafici a un prezzo molto inferiore ai modelli di visione all’avanguardia
Prestazioni da agente testuale paragonabili al modello non visivo DeepSeek V4 Flash 0731
Finestra di contesto oltre un milione di token
Pesi aperti con riferimento minimo per inferenza PyTorch e supporto vLLM

Attenzione a

Etichetta sperimentale significa che il comportamento può cambiare; non è una release stabile per produzione.
284 miliardi di parametri totali rendono l’installazione locale impegnativa — serve hardware serio.
I termini di licenza non sono dettagliati nei materiali pubblicati dal produttore; verifica prima dell’uso commerciale.

Ideale per

Agenti e uso di strumenti

Prompt da provare

Estrazione dati da grafico

Allega un’immagine di un grafico a barre o a linee. Estrai tutte le serie di dati, etichetta ogni asse, elenca i valori come tabella markdown e segnala eventuali tendenze o anomalie degne di nota. Sii preciso sui numeri mostrati; non stimare valori non chiaramente leggibili.

Piano agente multimodale

Sto costruendo un agente che riceve uno screenshot di una dashboard web e deve decidere la prossima azione da intraprendere. Dato lo screenshot allegato, identifica ogni elemento interattivo visibile, deduci lo stato attuale dell’applicazione e proponi una lista prioritaria di azioni successive con una motivazione di una frase per ciascuna.

Compito di ragionamento su documento

Allega una fattura o pagina di contratto scansionata. Identifica le parti coinvolte, estrai tutte le cifre monetarie e le voci associate, segnala qualsiasi clausola o cifra che sembri insolita o incoerente e riassumi il documento in tre punti elenco.

Confronta con

DeepSeek Flash Latest
Modello solo API
Contesto di 1,048,576 token · Input $0.04/M, output $0.68/M
DeepSeek V4.1 Flash
Modello con pesi aperti
Contesto di 1,048,576 token · Input $0.04/M, output $0.68/M
DeepSeek V4 Flash 0731
Modello con pesi aperti
Contesto di 1,048,576 token · Input $0.01/M, output $1.28/M
DeepSeek V4 Flash 0423
Modello con pesi aperti
Contesto di 1,048,576 token · Input $0.09/M, output $0.18/M

Altri modelli di testo da deepseek

Domande frequenti

I pesi sono aperti e posso eseguirlo localmente?: Sì, i pesi sono pubblicati su Hugging Face all’indirizzo deepseek-ai/DeepSeek-V4-Flash-Vision-Exp. Il repository include un’implementazione minima per inferenza PyTorch e supporto vLLM, anche se i 284 miliardi di parametri totali richiedono molta memoria GPU per l’esecuzione autonoma.
Quanto costa e qual è la finestra di contesto?: Via API costa $0,22 per milione di token in input e $0,65 per milione di token in output, con una finestra di contesto di 1.048.576 token.
In cosa si differenzia da DeepSeek V4 Flash 0731?: Questo modello aggiunge moduli visivi e continua l’addestramento multimodale sopra V4 Flash 0731, acquisendo comprensione delle immagini mantenendo prestazioni da agente testuale paragonabili al modello base.

Verdetto del capitano
Una rara combinazione di pesi aperti, contesto da milioni di token, visione e prezzo sotto un dollaro per milione — lo stato sperimentale è l’unica vera avvertenza.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

Modelli di IA per generare immagini, video e testo

DeepSeek V4 Flash Vision Exp è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm deepseek visione ragionamento agenti contesto lungo locale

Sfoglia per famiglia di modelli