DeepSeek V4 Flash Vision Exp
4845°
Executar modelo
Ofertas / Anúncios
DeepSeek | contexto de 1.048.576 tokens | $0,22/M entrada, $0,65/M saída. DeepSeek V4 Flash Vision Exp é uma versão experimental habilitada para visão do DeepSeek V4 Flash 0731Opens in new tab da DeepSeek, adicionando compreensão de imagens enquanto mantém as capacidades de texto do modelo base, incluindo agentes, raciocínio e conhecimento do mundo. É um modelo sparse mixture-of-experts com 13B parâmetros ativos de um total de 284B. É adequado para compreensão de documentos e gráficos, perguntas visuais e fluxos de trabalho multimodais que intercalam texto e imagens.
Guias para este modelo
Melhor LLM local por caso de uso (outubro de 2026): o modelo aberto certo para cada tarefa
De quanto VRAM eu realmente preciso para IA local?
Pesos abertos vs código aberto vs só API: o que você realmente pode fazer
O que é um arquivo GGUF? Modelos quantizados explicados (Q4, Q8, fp8, NF4)
Notas do capitão
Notas de 2026-10-13
DeepSeek V4 Flash Vision Exp é a primeira entrada multimodal da DeepSeek na família V4 Flash, adicionando compreensão de imagens a uma arquitetura MoE esparsa já capaz, com 13 bilhões de parâmetros ativos entre 284 bilhões no total. Ele se destaca em tarefas de agentes de texto enquanto traz ganhos significativos em benchmarks multimodais, entendimento de gráficos e QA visual. Se você precisa de um modelo rápido, barato e que raciocine sobre imagens e texto, vale a pena considerar.
Conhecido por
- Fluxos de trabalho multimodais que misturam imagens e texto no mesmo pipeline
- Compreensão de documentos e gráficos a um preço muito abaixo dos modelos de visão de ponta
- Desempenho em agentes de texto aproximadamente igual ao seu irmão sem visão DeepSeek V4 Flash 0731
- Janela de contexto de mais de um milhão de tokens
- Pesos abertos com referência mínima de inferência PyTorch e suporte a vLLM
Fique atento a
- Rótulo experimental significa que o comportamento pode mudar; não é uma versão estável para produção.
- 284 bilhões de parâmetros totais tornam a implantação local exigente — você precisará de hardware robusto.
- Termos de licença não são detalhados nos materiais publicados pelo fabricante; verifique antes do uso comercial.
Sugestões para tentar
Extração de dados de gráfico
Anexe uma imagem de gráfico de barras ou linhas. Extraia todas as séries de dados, rotule cada eixo, liste os valores em uma tabela markdown e note qualquer tendência ou anomalia que mereça destaque. Seja preciso nos números mostrados; não estime valores que não estejam claramente legíveis.
Plano de agente multimodal
Estou construindo um agente que recebe uma captura de tela de um painel web e deve decidir a próxima ação a tomar. Dada a captura anexada, identifique todos os elementos interativos visíveis, infira o estado atual da aplicação e proponha uma lista priorizada de próximas ações com uma justificativa de uma frase para cada uma.
Tarefa de raciocínio sobre documento
Anexe uma fatura ou página de contrato escaneada. Identifique as partes envolvidas, extraia todos os valores monetários e seus itens associados, sinalize qualquer cláusula ou valor que pareça incomum ou inconsistente e resuma o documento em três tópicos.
Comparar com
- DeepSeek Flash LatestModelo apenas para APIContexto de 1,048,576 tokens · entrada $0.04/M, saída $0.68/M
- DeepSeek V4.1 FlashModelo com pesos abertosContexto de 1,048,576 tokens · entrada $0.04/M, saída $0.68/M
- DeepSeek V4 Flash 0731Modelo com pesos abertosContexto de 1,048,576 tokens · entrada $0.01/M, saída $1.28/M
- DeepSeek V4 Flash 0423Modelo com pesos abertosContexto de 1,048,576 tokens · entrada $0.09/M, saída $0.18/M
Mais modelos de texto de deepseek
Perguntas frequentes
- Os pesos são abertos e posso rodar localmente?
- Sim, os pesos estão publicados no Hugging Face em deepseek-ai/DeepSeek-V4-Flash-Vision-Exp. O repositório inclui uma implementação mínima de inferência em PyTorch e suporte a vLLM, embora os 284 bilhões de parâmetros totais exijam memória GPU substancial para rodar localmente.
- Quanto custa e qual o tamanho da janela de contexto?
- Via API, custa $0,22 por milhão de tokens de entrada e $0,65 por milhão de tokens de saída, com uma janela de contexto de 1.048.576 tokens.
- Como ele difere do DeepSeek V4 Flash 0731?
- Este modelo adiciona módulos visuais e treinamento multimodal contínuo sobre o V4 Flash 0731, ganhando compreensão de imagens enquanto mantém desempenho em agentes de texto aproximadamente comparável ao modelo base.
Veredito do capitãoUma combinação rara de pesos abertos, contexto de milhões de tokens, visão e preço abaixo de um dólar por milhão — o status experimental é a única ressalva real.
Ficha do modelo no Hugging Face
O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.
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.
Como essa pontuação é calculada
Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.
Glossário: os termos usados aqui
- Pontuação heat
- Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
- Limite mínimo
- Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
- Equivalentes a downloads
- Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
- Escala logarítmica
- Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
- Likes
- Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
- Taxa de adoção
- Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
- Medido e estimado
- Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
- Seeder
- Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
- AI Horde
- Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
- Sites de geração
- Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
- Tokens OpenRouter
- Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
- LoRA e embedding
- Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
- Família e pesos
- A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
- Idade
- Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
- Impulso da família
- Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
- Pontuação provisória
- Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
- Novo! (período de carência)
- Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
- Tendência
- Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
- Modelo típico
- O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.
DeepSeek V4 Flash Vision Exp é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.
Mais modelos Text / LLMMais Texto / LLM Text / LLMllmdeepseekvisãoraciocínioagentescontexto longolocal
Navegar por família de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153