Vision-Exp权重基准重读:3项反超Opus,Chartography差0.7分

8月31日，DeepSeek 把 V4 家族第一个多模态实验模型 DeepSeek-V4-Flash-Vision-Exp 的权重放上了 Hugging Face——距离它以 API 形式上线（8月21日）只过了10天。305B 参数、MIT 许可证，附极简 PyTorch 推理参考实现。权重开放之后最值得做的事，是把官方那张 11 项基准对照表逐项重读一遍：哪些是真反超，哪些其实没有。

3 项反超 Opus，但不在 Chartography

模型卡的三方对照（Vision-Exp / 前代 0731 文本版 / Anthropic Opus-4.8）覆盖 7 项文本 agent 基准与 4 项多模态基准。逐项核对，Vision-Exp 真正压过 Opus-4.8 的只有 3 项：文本侧 DeepSWE 59.3 对 58.0；多模态侧 ZeroBench（Pass@5）35.0 对 34.0、Agents' Last Exam 27.3 对 25.7。

而常被引用的 Chartography 实际是 64.3 对 65.0——Opus 以 0.7 分领先；ApexBench（Pass@1）36.5 对 39.4 同样 Opus 领先。文本侧 Terminal Bench 2.1（83.9 对 85.0）、NL2Repo（57.7 对 69.7）、Cybergym（75.3 对 78.3）、DSBench-Hard（63.6 对 71.7）也都是 Opus 占优。差距是结构性的：纯文本重任务 Opus 仍领先，视觉相关与 SWE 场景 Vision-Exp 开始咬住甚至反超。

与前代 0731 相比，文本侧 7 项里 6 项提升：DeepSWE 从 54.4 到 59.3、Toolathlon-Verified 从 70.3 到 75.9、DSBench-Hard 从 59.6 到 63.6、Terminal Bench 2.1 从 82.7 到 83.9，唯一微降的是 Cybergym。多模态侧跃升更猛：ApexBench 从 26.2 到 36.5——表格脚注注明 0731 在这项忽略了输入中的多模态元素，这 10.3 分正是「装上眼睛」的直接收益。

权重仓库里还有什么

参考实现覆盖视觉编码器、aligner、DFlash 注意力、MoE、Hyper-Connections 和 DSpark 前向路径——组件名对应 DeepSeek 自家今年的注意力工作，非现成模块缝合。评测配置透明：DeepSeek Harness minimal 模式、max 推理强度、temperature = 1.0、top_p = 0.95。

部署给到命令行级：vLLM 一条 docker 命令可在单台 4×GB300 节点起服务，默认开 DSpark 投机解码（3 个投机 token）；SGLang 侧草稿与目标权重同源一份 checkpoint，无需单独 draft 模型。生态跟进快：上线约两天月下载 17,893，已有 2 个微调、8 个量化版本，llama.cpp/LM Studio/Ollama 入口就位。

对开发者的所以呢

API 阶段的跑分只能听官方一面之词；权重落地后，任何人都能在相同配置下重跑这张表——包括亲手验证到底哪几项反超。MIT 许可证没有商用顾虑。下一个信号：Exp 后缀去掉之时，大概率就是 V4 家族多模态正式版的发布日。

参考：huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp 模型卡；theopenweights.com/news/deepseek-v4-flash-vision-exp-2l4q