비전 가중치를 MIT로 풀었습니다 | DAKER 커뮤니티

DeepSeek가 허깅페이스 공식 계정에 올린 소식은 한 줄입니다. DeepSeek-V4-Flash-Vision-Exp 실험 멀티모달 모델의 가중치와 추론 참고 코드를 MIT 라이선스로 공개했습니다. 원문 저장소는 deepseek-ai/DeepSeek-V4-Flash-Vision-Exp입니다.

나온 것

1. 모델 카드 생성 시각은 2026-08-31(UTC)입니다. 허깅페이스 모델 API의 createdAt이 2026-08-31T06:16:18.000Z입니다. 오늘 본문이 다루는 각도는 API만 열린 실험 모델 소개가 아니라, 공식 저장소에 가중치·토크나이저·최소 추론 구현이 올라온 공개입니다. API 최초 안내 날짜와 가중치 공개 날짜를 한날짜로 섞지 않습니다.

2. 라이선스는 MIT입니다. README 프론트매터와 배지에 license: mit가 적혀 있습니다. 상용 재배포 조건을 이 본문에서 법률 자문처럼 해석하지 않습니다. 라이선스 파일은 저장소 LICENSE를 읽으십시오.

3. DeepSeek-V4 계열 첫 실험 멀티모달 모델이라고 소개합니다. README는 DeepSeek-V4-Flash 구조에 시각 모듈을 넣고 추가 학습해 시각 이해를 열었다고 적습니다. DeepSeek-V4-Flash-0731과 비교해 멀티모달 에이전트 능력은 크게 올랐고, 텍스트 전용 에이전트 과제는 비슷한 수준을 유지한다고 적혀 있습니다.

4. pipeline_tag는 image-text-to-text입니다. 카드 데이터와 태그에 transformers, safetensors, deepseek_v4가 있습니다. 영상 입력을 공식 지원한다고 README에 적혀 있지 않습니다. 이미지·텍스트 경로로 이해하십시오.

5. README 벤치표 숫자를 그대로 옮깁니다. Terminal Bench 2.1은 83.9, NL2Repo 57.7, Cybergym 75.3, DeepSWE 59.3, Toolathlon-Verified 75.9, DSBench-Hard 63.6, AutomationBench (Public) 25.7입니다. 멀티모달 쪽 ApexBench Pass@1 36.5, Agents’ Last Exam 27.3, Chartography 64.3, ZeroBench Pass@5 35.0입니다. 같은 표에 Opus-4.8 비교열이 있습니다. 이 숫자는 DeepSeek가 README에 적은 내부 평가입니다. 독립 실험실 재현 완료로 바꾸어 쓰지 않습니다.

6. 평가 설정도 README에 적혀 있습니다. 텍스트 에이전트 벤치는 DeepSeek Harness 최소 모드, reasoning effort max, temperature 1.0, top_p 0.95입니다. ApexBench와 Agents’ Last Exam에서 Flash-0731은 입력의 멀티모달 요소를 무시했다는 각주가 있습니다. 벤치 조건을 빼고 점수만 자랑하지 마십시오.

7. 저장소에는 토크나이저, 프롬프트 인코딩 참고, 최소 PyTorch 추론 구현이 있습니다. encoding/과 inference/가 나뉘어 있고, 비전 인코더·얼라이너, DFlash attention, MoE, Hyper-Connections, DSpark forward 경로를 다룬다고 적혀 있습니다. 대형 샤드는 model.safetensors.index.json으로 가리키며 소스 체크아웃에 중복하지 않는다고 합니다.

8. 허깅페이스 safetensors 메타의 total 파라미터 수는 304,646,824,126입니다. 모델 API safetensors.total 값입니다. “약 3050억 파라미터”로 말할 때는 이 메타를 근거로 하십시오. 활성 파라미터 수나 가격을 이 메타에서 꺼내 지어내지 않습니다. README 본문에 별도 파라미터 문장이 없어도, 공개 가중치 메타는 확인할 수 있습니다.

9. OpenAI 스타일 JSON 콘텐츠 블록과 <image>path</image> TXT 표기를 모두 지원한다고 적혀 있습니다. inference/examples의 두 예제가 같은 프롬프트·토큰 ID로 인코딩된다고 합니다. 프롬프트 규격을 임의로 바꿔 재현 실패를 모델 탓으로 돌리지 마십시오.

텍스트 에이전트 점수와 멀티모달 점수를 한 줄 순위로 합치지 마십시오. README는 두 구역으로 표를 나눕니다. Flash-0731 대비 멀티모달 개선이 핵심 메시지이고, 텍스트는 comparable을 유지한다고 적혀 있습니다.

Opus-4.8 열은 참고 비교입니다. Agents’ Last Exam 27.3 vs 25.7, ZeroBench 35.0 vs 34.0처럼 Vision-Exp가 앞선 행과, NL2Repo 57.7 vs 69.7처럼 뒤진 행이 같이 있습니다. “전 벤치 압도”로 요약하지 않습니다.

inference README를 따라 의존성 설치와 체크포인트 변환을 확인하십시오. 상위 README는 inference/README.md를 가리킵니다. 변환 없이 임의 로더로 가중치를 읽다 실패하면, 먼저 공식 경로를 재현하십시오.

태그에는 8-bit, fp8 등이 보일 수 있습니다. 커뮤니티 엔드포인트 호환 태그일 수 있으므로, 공식 양자화 배포물로 단정하지 않습니다. 실제 제공 파일은 siblings·인덱스를 확인하십시오.

모델 이름이 Exp인 이유를 제품 안정성 약속으로 읽지 마십시오. 실험 모델입니다. 이름 변경 가능성은 API 공지 맥락에서도 자주 언급됩니다. 고정 모델 ID를 장기계약 조항처럼 쓰지 않습니다.

다운로드 전에는 저장소 lastModified와 커밋을 기록하십시오. 2026-08-31 생성 이후 파일이 갱신될 수 있습니다. 재현 로그에 시각을 남기십시오.

공식 홈페이지·채팅·허깅페이스·X 배지가 README 상단에 나란히 있습니다. 배포 채널을 확인할 때 deepseek.com과 chat.deepseek.com 링크와 공식 HF 배지를 같이 보면 됩니다. 비공식 미러를 공식으로 착각하지 마십시오.

라이브러리 이름은 transformers로 카드에 적혀 있습니다. 최소 추론 구현은 별도 inference 경로입니다. transformers만 있으면 즉시 로드된다고 단정하지 말고, README와 inference 안내를 순서대로 따르십시오.

텍스트 벤치에서 Cybergym은 75.3으로 Flash-0731의 76.7보다 약간 낮습니다. comparable 유지라는 문장과 함께, 행마다 오르내림이 있다는 점을 팀에 알리십시오. 전 행 상승으로 포장하지 않습니다.

Chartography 64.3과 Opus-4.8 65.0처럼 근접한 행도 있습니다. 근접을 역전으로 바꾸어 쓰지 않습니다. 표 숫자를 그대로 옮기십시오.

가중치 공개 이후에도 Exp 단계이므로 프로덕션 기본 모델로 바로 고정하지 마십시오. 카나리·오프라인 평가를 거친 뒤 교체 기준을 적습니다. 공개 자체가 안정성 보증은 아닙니다.

아닌 것

큐웬 Flash-Next 뼈대 공개와 같은 글이 아닙니다. 그 각도는 이미 다른 글에서 다뤘습니다. 오늘 대상은 DeepSeek 공식 Vision-Exp 저장소입니다.

API만 열린 8월 21일 실험 안내와 같은 각도로 쓰지 않습니다. 오늘 확인하는 사실은 공식 허깅페이스 가중치·코드 공개입니다. API 가격·이미지 토큰 상한을 이 README에 없는 숫자로 채우지 않습니다.

벤치 점수가 독립 기관 인증이라는 뜻도 아닙니다. README는 DeepSeek Harness 설정과 자체 표를 제시합니다. Opus-4.8 열도 같은 표의 비교입니다.

영상·오디오 전 모달 완전체 발표가 아닙니다. 카드는 image-text-to-text입니다. 지원하지 않는 입력을 지원처럼 적지 않습니다.

커뮤니티 LoRA·비공식 변환본이 공식 가중치라는 뜻도 아닙니다. 오늘 링크는 deepseek-ai 네임스페이스 공식 저장소입니다. 다른 사용자 포크와 섞지 마십시오.

오늘 할 일

첫째, 공식 카드와 README를 읽으십시오. https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp에서 MIT, image-text-to-text, 벤치표, 저장소 구성을 확인하십시오.

둘째, 디스크·GPU 예산을 safetensors 인덱스 기준으로 잡으십시오. total 메타 304,646,824,126을 근거로 용량을 가늠합니다. 없는 양자화 공식 빌드를 있다고 팀에 알리지 않습니다.

셋째, encoding 예제와 같은 프롬프트 경로로 스모크 테스트를 하십시오. JSON 블록과 TXT 표기 중 팀 표준 하나를 고릅니다. 임의 프롬프트로 실패를 모델 결함처럼 기록하지 마십시오.

넷째, 벤치를 인용할 때 Harness 최소 모드와 temperature·top_p를 같이 적으십시오. ApexBench 각주도 함께 옮깁니다. 점수만 슬라이드 제목으로 쓰지 않습니다.

다섯째, API 전용 배포와 자체 호스팅을 표로 나누십시오. 가중치 공개는 자체 호스팅 선택지를 엽니다. 운영 SLA는 README가 보장하지 않습니다.

여섯째, 다운로드 커밋 해시와 재현 명령을 공개 링크로 남기십시오. 올린 링크가 제출입니다.

라이선스 검토 전에는 파생 모델 배포 계획을 확정하지 마십시오. MIT 문구는 저장소 LICENSE를 직접 읽습니다. 요약 카드만 보고 법무 결론을 내지 않습니다.

재현 로그에 README 벤치 숫자와 자체 스모크 결과를 칸을 나눠 적으십시오. 자체 점수를 README 점수로 덮어 쓰지 않습니다. 출처 열을 반드시 둡니다.

한 페이지 요약

2026년 8월 31일 DeepSeek 공식 허깅페이스에 DeepSeek-V4-Flash-Vision-Exp가 MIT로 올라왔습니다. 주소는 https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp입니다. V4-Flash에 시각 모듈을 더한 실험 멀티모달 모델이며, image-text-to-text 태그와 토크나이저·인코딩·최소 추론 코드가 포함됩니다. README 벤치표와 Harness 설정, Opus-4.8 비교열이 있고, safetensors total은 304,646,824,126입니다. 큐웬 공개와 다른 대상이며, 독립 인증 벤치나 영상 완전체 발표가 아닙니다. 오늘 할 일은 카드 확인, 용량 산정, 예제 경로 스모크 테스트, 벤치 조건 병기, 호스팅 표 작성, 공개 링크 제출입니다.

출처: Hugging Face — deepseek-ai/DeepSeek-V4-Flash-Vision-Exp (MIT, created 2026-08-31 UTC)