Sunt greutățile deschise și pot rula local?

Da, greutățile sunt publicate pe Hugging Face la deepseek-ai/DeepSeek-V4-Flash-Vision-Exp. Repozitoriul include o implementare minimă de inferență PyTorch și suport vLLM, deși cei 284 miliarde de parametri total înseamnă că vei avea nevoie de memorie GPU substanțială pentru a-l rula singur.

Cât costă și care este fereastra de context?

Prin API costă 0,22 USD per milion de tokeni de intrare și 0,65 USD per milion de tokeni de ieșire, cu o fereastră de context de 1.048.576 tokeni.

Cum diferă de DeepSeek V4 Flash 0731?

Acest model adaugă module vizuale și antrenament multimodal continuu peste V4 Flash 0731, câștigând înțelegere a imaginilor în timp ce păstrează performanța agentului text aproximativ egală cu modelul de bază.

DeepSeek V4 Flash Vision Exp

4845°

#llm #deepseek #viziune #raționament #agenți #context lung

Rulează modelul

Oferte / Reclame

OpenRouter Terminal / API

Plătește pe token

Conversează cu acest model în browser sau apelează-l din codul tău cu o singură cheie API.

DeepSeek | context de 1.048.576 tokeni | 0,22$/M input, 0,65$/M output. DeepSeek V4 Flash Vision Exp este o versiune experimentală cu capabilități vizuale a DeepSeek V4 Flash 0731Opens in new tab de la DeepSeek, adăugând înțelegerea imaginilor în timp ce egalează modelul de bază la capacitățile textuale, inclusiv agenți, raționament și cunoștințe despre lume. Este un model sparse mixture-of-experts cu 13B parametri activi din 284B total. Este potrivit pentru înțelegerea documentelor și a graficelor, răspunsuri la întrebări vizuale și fluxuri de lucru multimodale care alternează text și imagini.

Ghiduri pentru acest model

Cel mai bun LLM local după caz de utilizare (octombrie 2026): modelul open potrivit pentru fiecare job

De câțiva GB de VRAM am nevoie cu adevărat pentru AI local?

Greutăți deschise vs open source vs doar API: ce ai voie să faci cu adevărat

Ce este un fișier GGUF? Modele cuantificate explicate (Q4, Q8, fp8, NF4)

Toate ghidurile

Notele căpitanului

Scris de Captain, editorul casei

Note din 2026-10-13

DeepSeek V4 Flash Vision Exp este prima intrare multimodală a DeepSeek în familia V4 Flash, adăugând înțelegerea imaginilor unei arhitecturi sparse MoE deja capabile, cu 13 miliarde de parametri activi dintr-un total de 284 miliarde. Se descurcă bine la sarcini de agenți text, adăugând câștiguri semnificative la benchmark-uri multimodale, înțelegerea graficelor și întrebări vizuale. Dacă ai nevoie de un model rapid, ieftin, care poate raționa atât pe imagini, cât și pe text, merită o privire serioasă.

Cunoscut pentru

Fluxuri de lucru multimodale care combină imagini și text în același pipeline
Înțelegerea documentelor și graficelor la un preț mult sub modelele de vârf pentru viziune
Performanță de agent text aproximativ egală cu fratele său fără viziune DeepSeek V4 Flash 0731
Fereastra de context de peste un milion de tokeni
Greutăți deschise cu o implementare minimă de inferență PyTorch și suport vLLM

Atenție la

Etichetă experimentală înseamnă că comportamentul poate varia; nu este o versiune stabilă pentru producție.
284 miliarde de parametri total fac implementarea locală dificilă — vei avea nevoie de hardware serios.
Termenii licenței nu sunt detaliați în materialele publicate de producător; verifică înainte de utilizare comercială.

Cel mai bun pentru

Agenți și utilizare unelte

Sugestii de încercat

Extracție date din grafic

Atașează o imagine cu un grafic de tip bară sau linie. Extrage toate seriile de date, etichetează fiecare axă, listează valorile într-un tabel markdown și notează orice tendință sau anomalie demnă de semnalat. Fii precis cu numerele afișate; nu estima valori care nu sunt clar lizibile.

Plan multimodal pentru agent

Construiesc un agent care primește o captură de ecran a unui tablou de bord web și trebuie să decidă următoarea acțiune. Având captura atașată, identifică fiecare element interactiv vizibil, deduce starea curentă a aplicației și propune o listă prioritizată de acțiuni următoare cu o justificare de o propoziție pentru fiecare.

Sarcină de raționament documentar

Atașează o factură scanată sau o pagină de contract. Identifică părțile implicate, extrage toate cifrele monetare și articolele asociate, semnalează orice clauză sau cifră care pare neobișnuită sau inconsistentă și rezumă documentul în trei puncte.

Compară cu

DeepSeek Flash Latest
Model doar API
context de 1,048,576 tokeni · $0.04/M intrare, $0.68/M ieșire
DeepSeek V4.1 Flash
Model cu greutăți deschise
context de 1,048,576 tokeni · $0.04/M intrare, $0.68/M ieșire
DeepSeek V4 Flash 0731
Model cu greutăți deschise
context de 1,048,576 tokeni · $0.01/M intrare, $1.28/M ieșire
DeepSeek V4 Flash 0423
Model cu greutăți deschise
context de 1,048,576 tokeni · $0.09/M intrare, $0.18/M ieșire

Mai multe modele text de la deepseek

Întrebări frecvente

Sunt greutățile deschise și pot rula local?: Da, greutățile sunt publicate pe Hugging Face la deepseek-ai/DeepSeek-V4-Flash-Vision-Exp. Repozitoriul include o implementare minimă de inferență PyTorch și suport vLLM, deși cei 284 miliarde de parametri total înseamnă că vei avea nevoie de memorie GPU substanțială pentru a-l rula singur.
Cât costă și care este fereastra de context?: Prin API costă 0,22 USD per milion de tokeni de intrare și 0,65 USD per milion de tokeni de ieșire, cu o fereastră de context de 1.048.576 tokeni.
Cum diferă de DeepSeek V4 Flash 0731?: Acest model adaugă module vizuale și antrenament multimodal continuu peste V4 Flash 0731, câștigând înțelegere a imaginilor în timp ce păstrează performanța agentului text aproximativ egală cu modelul de bază.

Verdictul căpitanului
O combinație rară de greutăți deschise, fereastră de context de milioane de tokeni, viziune și preț sub un dolar per milion — statutul experimental este singurul adevărat avertisment.

Fișa modelului pe Hugging Face

Căpitanul scrie aceste note pe baza descrierii modelului și a fișei modelului. Prețurile și dimensiunile contextului sunt cele ale furnizorului la momentul scrierii și pot varia.

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

Cum se adună acest scor

Acest model nu are încă date de popularitate de la nicio sursă, așa că are un număr provizoriu sub 7,000° care menține listele complete. Nu va fi niciodată clasat mai sus decât un model cu date. Descompunerea apare aici imediat ce o sursă o raportează.

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Modele similare

NVIDIA Nemotron 3.5 Lightning

Modele AI pentru generare de imagini, video și text

DeepSeek V4 Flash Vision Exp este un model de text pentru familia Text / LLM, listat pe ModelTrends.ai, un catalog doar pentru citire al modelelor AI open source pentru imagini, video și text. Compară-l cu alte modele Text / LLM și verifică-i scorul de căldură pentru a vedea cât este de popular.

Mai multe modele Text / LLM llm deepseek viziune raționament agenți context lung local

Răsfoiește după familia de modele