Czy wagi są otwarte i czy mogę uruchomić to lokalnie?

Tak, wagi są opublikowane na Hugging Face pod deepseek-ai/DeepSeek-V4-Flash-Vision-Exp. Repozytorium zawiera minimalną implementację inferencji w PyTorch i wsparcie vLLM, choć 284 miliardy parametrów łącznie wymagają dużej pamięci GPU, by uruchomić to samodzielnie.

Ile to kosztuje i jak duże jest okno kontekstu?

Przez API kosztuje 0,22 USD za milion tokenów wejściowych i 0,65 USD za milion tokenów wyjściowych, z oknem kontekstu 1 048 576 tokenów.

Czym to się różni od DeepSeek V4 Flash 0731?

Model ten dodaje moduły wizualne i kontynuuje trening multimodalny na bazie V4 Flash 0731, zyskując rozumienie obrazów przy zachowaniu wydajności agenta tekstowego na podobnym poziomie co model bazowy.

DeepSeek V4 Flash Vision Exp

4845°

#llm #deepseek #wizja #rozumowanie #agenci #długi kontekst

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

DeepSeek | kontekst 1 048 576 tokenów | 0,22 USD/M wejście, 0,65 USD/M wyjście. DeepSeek V4 Flash Vision Exp to eksperymentalna wersja z obsługą wizji DeepSeek V4 Flash 0731Opens in new tab od DeepSeek, dodająca rozumienie obrazów przy zachowaniu możliwości tekstowych modelu bazowego, w tym agentów, rozumowania i wiedzy o świecie. Jest to model rzadkiej mieszanki ekspertów z 13 miliardami aktywnych parametrów z 284 miliardów ogółem. Nadaje się do rozumienia dokumentów i wykresów, wizualnego odpowiadania na pytania oraz multimodalnych przepływów pracy agentów łączących tekst i obrazy.

Poradniki do tego modelu

Najlepsze lokalne LLM według zastosowania (październik 2026): odpowiedni otwarty model do każdego zadania

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Otwarte wagi vs otwarte źródła vs tylko API: co naprawdę możesz robić

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

DeepSeek V4 Flash Vision Exp to pierwszy multimodalny model DeepSeek z rodziny V4 Flash, łączący rozumienie obrazów z już zdolną architekturą sparse MoE o 13 miliardach aktywnych parametrów z 284 miliardów łącznie. Radzi sobie dobrze w zadaniach agenta tekstowego, a także przynosi znaczące korzyści w benchmarkach multimodalnych, rozumieniu wykresów i wizualnych pytaniach. Jeśli potrzebujesz szybkiego, taniego modelu, który potrafi rozumować nad obrazami i tekstem, warto się mu przyjrzeć.

Znany z

Multimodalne workflow agentów łączące obrazy i tekst w tym samym pipeline
Rozumienie dokumentów i wykresów w cenie znacznie niższej niż modele wizji z najwyższej półki
Wydajność agenta tekstowego porównywalna z niemultimodalnym DeepSeek V4 Flash 0731
Okno kontekstu ponad milion tokenów
Otwarte wagi z minimalną referencją do inferencji w PyTorch i wsparciem vLLM

Uważaj na

Etykieta eksperymentalna oznacza, że zachowanie może się zmieniać; nie jest to stabilna produkcyjna wersja.
284 miliardy parametrów łącznie wymagają poważnego sprzętu do lokalnego uruchomienia.
Warunki licencji nie są szczegółowo opisane w materiałach producenta; sprawdź przed użyciem komercyjnym.

Najlepszy do

Agenci i użycie narzędzi

Podpowiedzi do wypróbowania

Ekstrakcja danych z wykresu

Dołącz obraz wykresu słupkowego lub liniowego. Wyodrębnij wszystkie serie danych, oznacz każdą oś, wypisz wartości w tabeli markdown i zanotuj wszelkie trendy lub anomalie warte uwagi. Bądź precyzyjny co do pokazywanych liczb; nie szacuj wartości, które nie są wyraźnie czytelne.

Plan agenta multimodalnego

Buduję agenta, który otrzymuje zrzut ekranu pulpitu nawigacyjnego sieci i musi zdecydować o kolejnym kroku. Na podstawie dołączonego zrzutu zidentyfikuj wszystkie widoczne elementy interaktywne, wywnioskuj aktualny stan aplikacji i zaproponuj listę priorytetowych działań z jednozdaniowym uzasadnieniem każdego.

Zadanie rozumowania dokumentu

Dołącz zeskanowaną fakturę lub stronę umowy. Zidentyfikuj strony umowy, wyodrębnij wszystkie kwoty pieniężne i powiązane pozycje, zaznacz wszelkie klauzule lub liczby wyglądające na nietypowe lub niespójne oraz podsumuj dokument w trzech punktach.

Porównaj z

DeepSeek Flash Latest
Model tylko z API
Kontekst 1,048,576 tokenów · $0.04/M wejście, $0.68/M wyjście
DeepSeek V4.1 Flash
Model z otwartymi wagami
Kontekst 1,048,576 tokenów · $0.04/M wejście, $0.68/M wyjście
DeepSeek V4 Flash 0731
Model z otwartymi wagami
Kontekst 1,048,576 tokenów · $0.01/M wejście, $1.28/M wyjście
DeepSeek V4 Flash 0423
Model z otwartymi wagami
Kontekst 1,048,576 tokenów · $0.09/M wejście, $0.18/M wyjście

Więcej modeli tekstowych od deepseek

Pytania, które ludzie zadają

Czy wagi są otwarte i czy mogę uruchomić to lokalnie?: Tak, wagi są opublikowane na Hugging Face pod deepseek-ai/DeepSeek-V4-Flash-Vision-Exp. Repozytorium zawiera minimalną implementację inferencji w PyTorch i wsparcie vLLM, choć 284 miliardy parametrów łącznie wymagają dużej pamięci GPU, by uruchomić to samodzielnie.
Ile to kosztuje i jak duże jest okno kontekstu?: Przez API kosztuje 0,22 USD za milion tokenów wejściowych i 0,65 USD za milion tokenów wyjściowych, z oknem kontekstu 1 048 576 tokenów.
Czym to się różni od DeepSeek V4 Flash 0731?: Model ten dodaje moduły wizualne i kontynuuje trening multimodalny na bazie V4 Flash 0731, zyskując rozumienie obrazów przy zachowaniu wydajności agenta tekstowego na podobnym poziomie co model bazowy.

Wyrok kapitana
Rzadkie połączenie otwartych wag, milionowego okna kontekstu, wizji i ceny poniżej dolara za milion tokenów — jedynym poważnym zastrzeżeniem jest status eksperymentalny.

Karta modelu na Hugging Face

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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

Jak ten wynik się sumuje

Ten model nie ma jeszcze danych o popularności z żadnego źródła, więc ma zastępczą wartość poniżej 7,000°, która pozwala utrzymać kompletność list. Nigdy nie zajmuje wyższej pozycji niż model z danymi. Szczegóły pojawią się tutaj, gdy tylko jakieś źródło je zgłosi.

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Podobne modele

Qwen3 235B A22B Instruct 2507

Modele AI do generowania obrazów, wideo i tekstu

DeepSeek V4 Flash Vision Exp to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm deepseek wizja rozumowanie agenci długi kontekst lokalny

Przeglądaj według rodziny modeli