DeepSeek publicó los pesos de V4-Flash-Vision-Exp en Hugging Face el 31 de agosto. Las marcas de tiempo del repositorio proceden directamente de la API de la plataforma: creado a las 06:16:18 UTC, shards subidos desde las 06:57 UTC, y la tarjeta del modelo a las 07:57 UTC. Eso equivale a las 14:16 CST, el lunes por la tarde en China.
Por qué la fecha es la noticia
DeepSeek anunció este modelo el 21 de agosto, y su propia documentación lo describía como disponible a través de la API. No se mencionaban los pesos. En consecuencia, los rastreadores de modelos lo datan en el 21 de agosto, de modo que la publicación de hoy se registra como un duplicado de algo de hace diez días y no como lo que realmente ocurrió — un modelo cerrado que pasa a ser uno de pesos abiertos. Para cualquiera que no pueda enviar datos a una API, no son el mismo evento, y solo uno de ellos cambia lo que puede desplegar.
Qué incluye la publicación
Licencia MIT. 48 shards, 167.811.372.792 bytes —unos 167,8 GB. 43 capas, 256 expertos enroutados más uno compartido, seis activos por token, un contexto de 1.048.576 tokens, pesos FP8 e4m3 con expertos en FP4 y una torre de visión nativa de 32 capas. Una licencia MIT para un modelo multimodal de mezcla de expertos de este tamaño es inusualmente permisiva: sin anexo de uso aceptable, sin umbral de ingresos ni cláusula de revisión, como las que han ido apareciendo recientemente en las licencias chinas de pesos abiertos.
En qué se equivoca el enfoque habitual
La cifra principal en multimodal merece matices. La mejora estrella que se cita para este modelo se mide frente a una referencia que la propia nota al pie de DeepSeek dice que no recibe las imágenes, por lo que parte de la mejora se puntúa frente a una comparación solo de texto, que es un suelo y no un competidor. La tarjeta lo explica con claridad; los resúmenes que repiten la cifra, no. Se omiten además otras dos cosas: al menos un benchmark de seguridad en programación empeoró respecto a la versión anterior, y el modelo pierde la mayoría de las comparativas uno contra uno frente al principal modelo fronterizo occidental. "Rendimiento comparable en texto" hace mucho trabajo de promediado.
Una afirmación que no se sostuvo
La cobertura describe un lanzamiento simultáneo en Hugging Face y ModelScope. ModelScope devuelve record not found para el modelo. A fecha de publicación, los pesos están solo en Hugging Face.