DeepSeek V4 Vision: Gewichte unter MIT

Als DeepSeek Ende August sein erstes multimodales Modell der V4-Reihe ankündigte, gab es dazu nur eine API. Zu offenen Gewichten stand weder in der Doku noch in der Berichterstattung etwas, und das exp im Namen sprach eher dagegen. Seit dem 31.08.2026 liegt das Repository auf Hugging Face, mit Gewichten und einer Lizenz, die man sich genau ansehen sollte, weil sie diesmal angenehm kurz ausfällt.

Die Lizenz ist wirklich MIT

Das ist der Punkt, an dem sich die letzten offenen Modelle aus China unterschieden haben. Die LICENSE-Datei im Repository beginnt mit "MIT License", Copyright DeepSeek, und enthält keine Zusatzklauseln. Wer das Modell als Dienst weiterverkaufen will, darf das. Eine Namensnennungspflicht im Produkt gibt es nicht, Nutzungsbeschränkungen ebenso wenig.

Der Kontrast zu GLM-5.3 vom 29.08.2026 ist deutlich. Dort steht license: other, und eine Klausel zieht eine Grenze für alle, die selbst ein Model as a Service betreiben wollen. Wer eine Lizenz braucht, die die Rechtsabteilung in fünf Minuten durchwinkt, bekommt sie hier.

Was tatsächlich im Repository liegt

Die folgenden Zahlen stammen aus den Metadaten und der config.json des Repositories, nicht aus einer Ankündigung.

168 GB sind eine Ansage. Das ist keine Laptopentscheidung, sondern eine Serverentscheidung, und selbst dann braucht man mehrere Karten. Wer nur ausprobieren will, ob das Modell zur Aufgabe passt, nimmt sinnvollerweise erst die API.

Was das Modell laut Hersteller kann

Die Benchmarktabelle in der Modellkarte vergleicht gegen die eigene Vorversion und gegen Opus 4.8. Das sind Herstellerzahlen, unabhängig nachgemessen hat das noch niemand.

Zwei Dinge fallen auf. Bei Cybergym liegt das neue Modell unter seiner eigenen Vorversion, der Zugewinn ist also nicht flächendeckend. Und bei den beiden multimodalen Vergleichswerten setzt die Vorversion laut Fußnote die Bildanteile schlicht aus, was den Abstand künstlich vergrößert. Der ehrliche Vergleich in dieser Disziplin ist der gegen Opus 4.8, und da liegt DeepSeek knapp darunter.

Der Haken für den Praxiseinsatz

Im Repository liegt laut Modellkarte eine minimale PyTorch-Referenzimplementierung, die den Vision-Encoder, den Aligner und den Rest der Architektur abdeckt. Das reicht, um zu zeigen, wie es gemeint ist. Eine produktionsreife Laufzeitumgebung ist es nicht, und ob und wann vLLM oder SGLang das Modell sauber bedienen, sagt die Modellkarte nicht, wir haben es auch nicht geprüft. Wer offene Gewichte für den Eigenbetrieb bewertet, sollte diesen Punkt vor der Hardwarebestellung klären.

Die API-Variante als Zwischenschritt

Dasselbe Modell gibt es weiterhin über DeepSeeks API, und die Limits stehen in der Dokumentation:

• maximal 384 Token pro Bild
• bis zu 600 Bilder pro Request
• Bildkante bis 8192 Pixel, ab 15 Bildern nur noch 4096
• JPEG, PNG, GIF und WebP
• bis 32 MiB pro Bild, über die Files API bis 64 MiB

Erreichbar ist das über einen OpenAI-kompatiblen Endpunkt, einen Anthropic-kompatiblen und die Responses-API. Für einen Machbarkeitstest reicht das, und man spart sich die Hardwarefrage. Für alles mit Kundendaten gilt die übliche Einordnung: eine API in China ist keine DSGVO-Lösung, und genau dafür sind die offenen Gewichte da.

Wo offene Gewichte in der Souveränitätsfrage wirklich helfen und wo nicht, steht in Offene Gewichte: Souveränität auf dem Papier.

Einordnung

Ein multimodales Agentenmodell nahe an Opus 4.8, unter MIT, mit einer Million Token Kontext, ist ein echter Zugewinn für alle, die aus Datenschutzgründen selbst hosten müssen. Das exp im Namen sollte man trotzdem ernst nehmen: experimentell heißt hier auch, dass Werkzeugkette und Support noch nicht mitgeliefert werden. Als Kandidat für die nächste Modellevaluation gehört es auf die Liste, als Ersatz für eine laufende Produktion noch nicht.