DeepSeek 开放 V4 首个多模态模型权重：305B 参数、MIT 许可

8 月 31 日 10 时 17 分（UTC，北京时间 18 时 17 分），DeepSeek 在 Hugging Face 上线，放出完整权重。

模型卡称这是 DeepSeek-V4 家族第一个实验性多模态模型：在 V4-Flash 架构上加入视觉模块并继续训练，Hugging Face 页面标注 305B 参数，采用 MIT 许可，随仓库提供 tokenizer、prompt 编码参考实现与最小 PyTorch 推理实现。

权重上架后的一个多小时内，两方先后确认。10 时 53 分，开源推理引擎 SGLang 官方账号并确认仓库链接，称支持与更新版 cookbook「coming ASAP」；11 时 26 分，发帖「Weights open」并附上同一仓库链接。

「Weights open」：研究员发帖，SGLang 说支持在路上

Zizheng Pan 的 X 简介写的是「Researcher @deepseek_ai. Words are my own.」——DeepSeek 研究员，发言仅代表个人。11 时 26 分，他发了一条只有两个词的推文：「Weights open」，附上 Hugging Face 仓库链接。

这条推文在核验时已获得 207 个赞、16 次转发和 1 万余次浏览。

比它早约 33 分钟，SGLang 官方账号（项目简介「Run LLMs fast at any scale」，位于 Palo Alto）先发了祝贺：「恭喜 @deepseek_ai 放出 DeepSeek-V4-Flash-Vision-Exp 的权重」，并确认 Hugging Face 链接。推文写道：「我们正在开发支持，更新版 cookbook 即将推出（We're working on support now, with an updated cookbook coming ASAP!）」；结尾是「欢迎来到 DeepSeek 原生视觉的新时代」。

ApexBench 从 26.2 到 36.5，涨幅背后有个脚注

模型卡把多模态智能体能力列为这次升级的重点。按 DeepSeek 公布的数字，与 V4-Flash-0731 相比：ApexBench（Pass@1）从 26.2 升至 36.5，Agents' Last Exam 从 25.2 升至 27.3，另有新增的 Chartography 64.3、ZeroBench（Pass@5）35.0。

与 Opus-4.8 同列对比：ApexBench 36.5 对 39.4（落后），Agents' Last Exam 27.3 对 25.7（反超），Chartography 64.3 对 65.0（接近），ZeroBench 35.0 对 34.0（反超）。

文本智能体方面，模型卡称与 V4-Flash-0731「保持可比水平」：7 项文本基准里 6 项小幅上升（DeepSWE 59.3 对 54.4，Toolathlon-Verified 75.9 对 70.3），仅 Cybergym 略降（75.3 对 76.7）。

看这两栏数字要带上模型卡的脚注：在 ApexBench 与 Agents' Last Exam 上，作为对照的 V4-Flash-0731 会忽略输入中的多模态元素；Chartography 与 ZeroBench 两栏，0731 直接是空值。ApexBench 上 10.3 分的差距，至少有一部分来自基线模型此前「看不见」输入，不能全部算作智能体能力的提升。

这些数字均为 DeepSeek 自述口径。模型卡注明，文本基准用 DeepSeek Harness 的 minimal 模式评测（max reasoning effort，temperature 1.0，top_p 0.95）；DeepSeek Harness 是该公司的智能体 harness 框架。

仓库里有什么：tokenizer、编码参考与最小推理

Hugging Face 仓库与权重一起提供了完整的最小运行材料。encoding/ 是 OpenAI 风格消息到模型 prompt 的编码参考实现；inference/ 是最小 PyTorch 推理实现，覆盖 vision encoder 与 aligner、DFlash attention、MoE、Hyper-Connections 以及 DSpark forward path，并附依赖安装、权重转换与 TXT/JSON 两种推理命令（见 inference/README.md）。

模型卡特意说明，<image>path</image> 的 TXT 简写与 JSON 内容块两种写法会编码出完全相同的 prompt 与 token ID；encoding 与 inference 两个目录刻意分离，prompt 格式化不依赖 PyTorch，也不需要符号链接。

权重本体以 safetensors 分片存放，由 model.safetensors.index.json 描述，tensor 类型包括 BF16、F32、F8_E4M3、I8 与 I64；模型页显示已挂出 2 个量化版本。整个仓库采用 MIT 许可，自托管不必等第三方服务栈，官方参考实现就提供了从权重转换到推理命令的完整路径。

十天前它还只有一个 API

开放权重之前，同一模型已经以 API 形式运行了十天。8 月 21 日，，当时的口径与今天的模型卡一致：文本能力（智能体、推理、世界知识）与 V4-Flash 持平，多模态智能体基准「大幅跃升」、接近 Opus-4.8，同日发布的 DeepSeek Harness 0.1.1 开箱即支持新模型。评论区里，在发布约一分钟后追问「Are we gonna get the weights?!?」。

V4 家族本身从开源起步：4 月 24 日，，其中 V4-Flash 为 284B 总参数、13B 激活参数，定位快速与经济。8 月 31 日放出的视觉版，模型卡标注 305B 参数。从 API 到权重，相隔十天。

支持在路上，分数待复现

对自托管用户，MIT 许可加参考推理实现已经把门槛压到「能下载就能跑」；但要在社区推理栈上规模化部署，还得等 SGLang 的支持落地，它目前只预告了「coming ASAP」，没有给出具体日期。模型卡上的基准数字同样是 DeepSeek 自述口径。权重已经在 Hugging Face 上，305B 的模型能不能跑出模型卡上的分数，要看支持落地和社区跑分的结果。