DeepSeek V4-Flash-Vision开源实测：8GB视觉模块让模型长出眼睛

DeepSeek V4-Flash-Vision正式开源：首个多模态模型权重放出

DeepSeek再度出手。近日，DeepSeek将旗下首个多模态模型 V4-Flash-Vision-EXP 的完整权重开源至 HuggingFace，标志着这家以性价比著称的国产大模型厂商正式补齐了「视觉」这块拼图。此前该模型的 API 已在官网悄然上线，如今权重开放，意味着开发者终于可以尝试在本地部署，构建属于自己的视觉 Agent 应用。

你可能没注意到，这个模型并非从零训练的全新架构，而是基于 DeepSeek V4-Flash-0731 模型，外接了一个多模态插件模块。换句话说，它的底层文本能力与原版 Flash 一脉相承，视觉能力则是通过额外模块「叠加」而来。

从体量上看，V4-Flash-Vision 的模型大小约为 168GB（FP8 权重），而原版 V4-Flash 为 160GB。也就是说，整个多模态视觉能力仅仅增加了约 8GB 的权重。这一细节颇为耐人寻味——8GB 就能让模型「长出眼睛」，说明多模态的实现或许并没有想象中那么复杂，更多是在成熟文本底座上进行高效的视觉对齐。

从五月内测到正式开源的时间线

DeepSeek 早在今年五月就已经开始内测其视觉能力，只不过当时仅在网页端提供体验，直到后来才推出 API 版本，如今正式开源权重。这一节奏与 DeepSeek 一贯「发布即开源」的作风略有出入。

模型架构与 V4-Flash-0731 完全一致，但权重却迟迟没有立即开放。具体原因不得而知，或许与多模态模块的适配、安全审查有关。这种「先 API、后开源」的分阶段策略，也反映出多模态模型在工程落地上的额外考量。

本地部署现状：vLLM与SGLang暂未适配

目前，想要在本地部署 V4-Flash-Vision 的开发者还需要再等等。

一个略显反常的现象是：DeepSeek 尚未提供 vLLM 的部署命令，主流推理框架 vLLM 和 SGLang 目前也还未对该模型完成适配。通常大厂在模型发布当天，推理框架团队就会同步公布支持信息——例如通义千问的部分模型在发布时便已官宣兼容。一些大厂甚至会提前把模型交给推理框架团队做适配，因此开发者有时能从推理引擎的代码更新中「提前」嗅到新模型的动向。

不过 DeepSeek 这次并未如此。由于模型上传才刚刚完成，vLLM、SGLang 等主流框架还未针对这个 Vision-EXP 多模态扩展模块做支持。虽然它们此前已经适配了 V4-Flash 的纯文本版本，但对新增的视觉模块尚需时间。预计相关适配信息将很快公布。因此，短期内本地部署仍存在一定门槛。

实测体验：一天搭建多模态应用平台

除了参数层面的讨论，实际项目也验证了模型的开发效率。据测试者介绍，他的一个模型服务网站几乎完全基于 DeepSeek V4-Flash-Vision 开发，没有使用其他任何模型。

这个平台不仅提供 API 接口，还集成了 TTS（文本转语音）、语音识别、OCR、声音克隆、图生文等多个本地模型的能力，并为每个功能配套了简化的 Demo 展示应用，用于验证模型可用性并对接 API。

针对「一天真能开发出来吗」的质疑，测试者明确回应：确实是一天内完成了核心开发。其做法是并行启动三四个子 Agent 同步开发不同模块——正是因为模型具备视觉能力，才能通过截图向它反馈前端页面的实际渲染效果，从而快速定位和修复报错。这种「截图 → 分析 → 修改提示词 → 重新生成」的闭环，正是多模态视觉 Agent 相比纯文本模型的核心优势所在。

DeepSeek分时定价策略：性价比是关键卖点

在价格方面，V4-Flash-Vision 的 API 定价与 V4-Flash 完全一致，做到了「加量不加价」。更重要的是 DeepSeek 的分时定价策略：

• 周末：价格为正常价格的一半
• 非工作时间（下班后）：价格为工作日价格的一半

这也是许多开发者选择在周末密集开发的原因之一。从实际使用反馈来看，这是目前「性价比最高的多模态模型」之一。

横向对比：小模型阵营谁更强

在同级别的小模型中，横向对比结果相当直观：

• Gemma 5.3 Flash：使用体验较差，频繁中断、卡顿，已被不少开发者移出日常使用清单。即便免费也难以满足实际开发需求，在 OpenRouter 上的表现与官方版本可能存在差异，推理稳定性堪忧。
• 千问 Qwen3-8B Flash：效果与 DeepSeek 的 27B 模型「差不了太多」，其原生上下文为 256K，可扩展至 1M，官网已提供 100 万上下文的 API 接口，在长上下文场景中有一定竞争力。

综合来看，目前小模型领域的性价比标杆依旧是 DeepSeek V4-Flash 系列。此次视觉能力的加入，无疑进一步巩固了它在轻量级、高性价比开发场景中的领先地位。

总结：DeepSeek多模态开源的意义与展望

DeepSeek V4-Flash-Vision 的开源，代表着国产大模型在多模态方向上又迈出了扎实的一步。仅 8GB 的视觉模块增量、与文本版一致的定价、以及实测中展现出的视觉 Agent 开发能力，都让它在性价比维度上颇具竞争力。

当然，本地部署的支持仍需等待 vLLM 与 SGLang 完成适配。对于追求成本效益的开发者而言，这是一个值得持续关注的模型——尤其是在构建需要「看图理解」的自动化开发流程时。后续本地部署的实际表现和推理框架的适配进度，仍有待进一步验证。