Pierwszy model DeepSeeka, który czyta obrazy, jest zarazem pierwszym, którego nie wolno pobrać

DeepSeek uruchomił swój pierwszy model czytający obrazy 21 sierpnia 2026 r., a tydzień później wciąż nie ma czego pobrać. DeepSeek-V4-Flash-Vision-Exp istnieje wyłącznie jako nazwa, którą wpisuje się w wywołanie API — bez wag, bez repozytorium, bez karty modelu. To zerwanie z tym, na czym firma zbudowała markę. Jej modele tekstowe trafiają na Hugging Face na licencji MIT, a otwarty V4-Flash pobrano w samym ostatnim miesiącu blisko cztery miliony razy. Model wizyjny nie ma tam żadnego repozytorium: sprawdzenie konta firmy 28 sierpnia nie pokazało niczego nowszego niż wydanie V4-Pro z 13 sierpnia. Zamiast tego jest punkt dostępowy, dopisek „eksperymentalny” nadany przez samego producenta i strona dokumentacji. Model przyjmuje tekst i zdjęcia naraz — JPEG, PNG, GIF i WebP — a odpowiada tekstem. DeepSeek twierdzi, że w samym tekście dorównuje otwartemu V4-Flash, a w testach agentowych wymagających widzenia zbliża się do Opusa 4.8 od Anthropiku. To pomiary producenta, opublikowane bez pracy naukowej: Terminal-Bench 2.1 — 83,9; DSBench-Hard — 63,6; Chartography — 64,3; ZeroBench — 35,0 przy pięciu próbach. Nikt ich niezależnie nie powtórzył. Liczbą, która w praktyce znaczy więcej, jest cena patrzenia. Niezależnie od pierwotnego rozmiaru zdjęcie jest przeskalowywane i rozliczane najwyżej jako 384 tokeny wejścia, po tej samej stawce co zwykły tekst: 0,44 USD za milion tokenów w godzinach szczytu, o połowę taniej poza nimi. W jednym żądaniu mieści się do 600 obrazów, co daje około dziesięciu centów za same zdjęcia w szczycie — mniej więcej sześć tysięcy fotografii za dolara, a poza szczytem dwanaście tysięcy. Darmowe repozytorium plików pozwala wgrać zdjęcie raz i używać go ponownie zamiast wysyłać za każdym razem. Przed budowaniem czegokolwiek na tym modelu warto przeczytać ograniczenia. Zdjęcia wolno umieszczać wyłącznie w wiadomości użytkownika; w wiadomości systemowej albo asystenta zwracają błąd. Uzupełnianie kodu w środku pliku, które obsługują dwa pozostałe modele linii V4, tutaj nie działa w ogóle. A ponieważ model nie ma karty ani raportu bezpieczeństwa, wdrażający nie ma się na co powołać, gdy ktoś zapyta, pod jakim kątem był testowany.