¿Los pesos son abiertos y puedo ejecutarlo localmente?

Sí, los pesos están publicados en Hugging Face en deepseek-ai/DeepSeek-V4-Flash-Vision-Exp. El repositorio incluye una implementación mínima de inferencia en PyTorch y soporte para vLLM, aunque los 284 mil millones de parámetros totales implican que necesitarás mucha memoria GPU para ejecutarlo tú mismo.

¿Cuánto cuesta y cuál es la ventana de contexto?

Vía API cuesta $0.22 por millón de tokens de entrada y $0.65 por millón de tokens de salida, con una ventana de contexto de 1,048,576 tokens.

¿En qué se diferencia de DeepSeek V4 Flash 0731?

Este modelo añade módulos visuales y entrenamiento multimodal continuado sobre V4 Flash 0731, ganando comprensión de imágenes mientras mantiene un rendimiento en agentes de texto aproximadamente comparable al modelo base.

DeepSeek V4 Flash Vision Exp

4845°

#llm #deepseek #visión #razonamiento #agentes #contexto largo

Ejecutar este modelo

Ofertas / Anuncios

OpenRouter Terminal / API

Pago por token

Chatea con este modelo en el navegador o llámalo desde tu código con una clave API.

DeepSeek | contexto de 1,048,576 tokens | $0.22/M entrada, $0.65/M salida. DeepSeek V4 Flash Vision Exp es una versión experimental con visión habilitada de DeepSeek V4 Flash 0731Opens in new tab de DeepSeek, que añade comprensión de imágenes mientras iguala al modelo base en capacidades de texto incluyendo agentes, razonamiento y conocimiento del mundo. Es un modelo sparse mixture-of-experts con 13B parámetros activos de un total de 284B. Es adecuado para comprensión de documentos y gráficos, respuesta a preguntas visuales y flujos de trabajo multimodales que intercalan texto e imágenes.

Guías para este modelo

Mejor LLM local según el uso (octubre 2026): el modelo abierto adecuado para cada tarea

¿Cuánta VRAM necesito realmente para IA local?

Pesos abiertos vs código abierto vs solo API: lo que realmente puedes hacer

¿Qué es un archivo GGUF? Modelos cuantizados explicados (Q4, Q8, fp8, NF4)

Todas las guías

Notas del capitán

Escrito por Captain, el editor de la casa

Notas del 2026-10-13

DeepSeek V4 Flash Vision Exp es la primera entrada multimodal de DeepSeek en la familia V4 Flash, añadiendo comprensión de imágenes a una arquitectura MoE dispersa ya capaz con 13 mil millones de parámetros activos de 284 mil millones totales. Se defiende bien en tareas de agentes de texto mientras añade mejoras significativas en benchmarks multimodales, comprensión de gráficos y preguntas visuales. Si necesitas un modelo rápido y barato que pueda razonar sobre imágenes y texto, vale la pena considerarlo seriamente.

Conocido por

Flujos de trabajo de agentes multimodales que mezclan imágenes y texto en la misma canalización
Comprensión de documentos y gráficos a un precio muy inferior a modelos de visión de vanguardia
Rendimiento en agentes de texto aproximadamente igual a su hermano sin visión DeepSeek V4 Flash 0731
Ventana de contexto de más de un millón de tokens
Pesos abiertos con referencia mínima de inferencia en PyTorch y soporte para vLLM

Cuidado con

Etiqueta experimental significa que el comportamiento puede cambiar; no es una versión estable para producción.
284 mil millones de parámetros totales hacen que el despliegue local sea exigente — necesitarás hardware potente.
Los términos de licencia no se detallan en los materiales publicados por el fabricante; revisa antes de uso comercial.

Mejor para

Agentes y uso de herramientas

Prompts para probar

Extracción de datos de gráfico

Adjunta una imagen de gráfico de barras o líneas. Extrae todas las series de datos, etiqueta cada eje, lista los valores en una tabla markdown y señala cualquier tendencia o anomalía que valga la pena destacar. Sé preciso con los números mostrados; no estimes valores que no sean claramente legibles.

Plan de agente multimodal

Estoy construyendo un agente que recibe una captura de pantalla de un panel web y debe decidir la siguiente acción a tomar. Dada la captura adjunta, identifica todos los elementos interactivos visibles, infiere el estado actual de la aplicación y propone una lista priorizada de próximas acciones con una justificación de una frase para cada una.

Tarea de razonamiento documental

Adjunta una factura escaneada o página de contrato. Identifica las partes involucradas, extrae todas las cifras monetarias y sus partidas asociadas, señala cualquier cláusula o cifra que parezca inusual o inconsistente y resume el documento en tres puntos clave.

Comparar con

DeepSeek Flash Latest
Modelo solo API
Contexto de 1,048,576 tokens · $0.04/M entrada, $0.68/M salida
DeepSeek V4.1 Flash
Modelo con pesos abiertos
Contexto de 1,048,576 tokens · $0.04/M entrada, $0.68/M salida
DeepSeek V4 Flash 0731
Modelo con pesos abiertos
Contexto de 1,048,576 tokens · $0.01/M entrada, $1.28/M salida
DeepSeek V4 Flash 0423
Modelo con pesos abiertos
Contexto de 1,048,576 tokens · $0.09/M entrada, $0.18/M salida

Más modelos de texto de deepseek

Preguntas frecuentes

¿Los pesos son abiertos y puedo ejecutarlo localmente?: Sí, los pesos están publicados en Hugging Face en deepseek-ai/DeepSeek-V4-Flash-Vision-Exp. El repositorio incluye una implementación mínima de inferencia en PyTorch y soporte para vLLM, aunque los 284 mil millones de parámetros totales implican que necesitarás mucha memoria GPU para ejecutarlo tú mismo.
¿Cuánto cuesta y cuál es la ventana de contexto?: Vía API cuesta $0.22 por millón de tokens de entrada y $0.65 por millón de tokens de salida, con una ventana de contexto de 1,048,576 tokens.
¿En qué se diferencia de DeepSeek V4 Flash 0731?: Este modelo añade módulos visuales y entrenamiento multimodal continuado sobre V4 Flash 0731, ganando comprensión de imágenes mientras mantiene un rendimiento en agentes de texto aproximadamente comparable al modelo base.

Veredicto del capitán
Una combinación rara de pesos abiertos, contexto de millones de tokens, visión y precio por debajo del dólar por millón — el estado experimental es la única verdadera advertencia.

Ficha del modelo en Hugging Face

El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.

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

Cómo se suma esta puntuación

Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.

Glosario: los términos usados aquí

Puntuación heat: Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
Piso: Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
Equivalentes a descargas: Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
Escala logarítmica: Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
Likes: Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
Tasa de adopción: Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
Medido y estimado: Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
Seeder: Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
AI Horde: Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
Sitios de generación: Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
Tokens de OpenRouter: Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint): Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
LoRA y embedding: Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
Familia y pesos: La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
Antigüedad: Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
Impulso de familia: Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
Puntaje provisional: Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
¡Nuevo! (periodo de gracia): Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
Tendencia: Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
Modelo típico: El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.

Modelos similares

Qwen3 235B A22B Instruct 2507

Modelos de IA para generar imagen, vídeo y texto

DeepSeek V4 Flash Vision Exp es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.

Más modelos Text / LLM Más Texto / LLM de Text / LLM llm deepseek visión razonamiento agentes contexto largo local

Explorar por familia de modelos