/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
10,7 млрд
Лицензия
MIT
Архитектура
deepseek_v4 · dense
Базовая модель
DeepSeek-V4-Flash-Vision-Exp
Библиотека
transformers
Опубликована
7 сен 2026

DeepSeek-V4-Flash-Vision-Exp-MXFP4-DSpark

Генерация текстаТекст → текст15 профессий

Solstice-AI/DeepSeek-V4-Flash-Vision-Exp-MXFP4 — производственная MXFP4-версия экспериментальной мультимодальной модели DeepSeek-V4-Flash-Vision-Exp, разработанной DeepSeek-AI и подготовленной, проверенной и упакованной Solstice-AI.

1 307скачиваний за 30 дней1лайквеса обновлены11 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель предназначена для обработки текста и изображений, мультимодального рассуждения, анализа визуального содержания, генерации кода и задач, требующих работы с длинным контекстом. README также указывает совместимость с Transformers, vLLM, SGLang и TensorRT-LLM, а также готовность к speculative decoding через DSpark.

Архитектура включает 305 млрд параметров в конфигурации Mixture-of-Experts, из которых 13 млрд активируются для каждого токена. Указаны 43 скрытых слоя, 256 маршрутизируемых экспертов с шестью активными на токен, Multi-Head Latent Attention и отдельный 32-слойный vision encoder. Заявлена поддержка контекста до 1 048 576 токенов. Основная часть экспертных весов предварительно обучена в формате OCP MXFP4, а исполнение использует схему W4A16: веса представлены в 4-битном формате, активации сохраняются в 16-битном BF16; ряд компонентов, включая vision encoder, маршрутизаторы и нормализации, сохраняется в более высокой точности.

К сильным сторонам относятся высокая вычислительная и memory-bandwidth эффективность по сравнению с полноразмерным представлением, мультимодальность и очень длинное контекстное окно. Ограничения — значительный общий размер модели и требовательность к GPU-инфраструктуре: для практического развёртывания README рекомендует конфигурации от нескольких GPU, а полный контекст в 1 млн токенов рассчитан на крупные кластеры. Модель обозначена как экспериментальная, а приведённые в README результаты тестирования представлены неполностью. Лицензия — MIT.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Executive Summary

Solstice-AI/DeepSeek-V4-Flash-Vision-Exp-MXFP4 is the canonical, production-optimized OCP MXFP4 (W4A16) distribution of DeepSeek's experimental multimodal foundation model deepseek-ai/DeepSeek-V4-Flash-Vision-Exp.

DeepSeek-V4-Flash-Vision-Exp features a 305B parameter Mixture-of-Experts (MoE) architecture (13B activated parameters per token) with 43 hidden layers, 256 routed experts (6 active per token), Multi-Head Latent Attention (MLA), and a dedicated 32-layer multimodal vision encoder, natively supporting a 1,048,576-token (1 Million) context window.

The Gold Standard for W4A16 GPU Serving

Unlike models subjected to lossy post-training weight quantization, DeepSeek pre-trained all 256 routed MoE experts natively in Open Compute Project (OCP) MXFP4 block-floating-point format.

When deployed on modern GPU clusters (NVIDIA H100, A100, RTX 4090, or Blackwell) via engines like vLLM and SGLang, this checkpoint runs strictly in W4A16 mode:

  • Weights in 4-Bit (OCP MXFP4): Dramatically reduces memory bandwidth pressure and fits comfortably on dual or quad 80GB GPU nodes (~150 GB total checkpoint footprint).
  • Activations in 16-Bit (BF16): Activations remain uncompressed during matrix multiplication, ensuring zero activation outlier clipping, zero precision drift, and 100% mathematical integrity across long-context reasoning and vision grounding.
  • Preserved High-Precision Non-Expert Stack: All 32 layers of the multimodal vision encoder, router gate logits, attention heads, shared experts, and layer normalizations remain in their native BF16 / FP8 precision.

Architectural Breakdown

                 +-------------------------------------------------------------+
                 |          DeepSeek-V4-Flash-Vision-Exp (305B Total)           |
                 +-------------------------------------------------------------+
                                                |
               +--------------------------------+-------------------------------+
               | (~96% of Total Parameters)                                     | (~4% of Parameters)
               v                                                                v
+-------------------------------+                              +-------------------------------+
|  256 Routed MoE Experts       |                              |  Non-Expert Dense Layers      |
|  (Natively Trained OCP MXFP4) |                              |  (MLA, Attention, Routers,    |
+-------------------------------+                              |   Shared Experts, Embeddings) |
               |                                               +-------------------------------+
               |                                                                |
               v                                                                v
   Native ~4.25-bit Base State                                       Native BF16 / FP8 / FP32
   (Dequantized to BF16 GEMM)                                        (Bit-Exact Native Math)

Hardware & Deployment Matrix

GPU ConfigurationTotal VRAMContext WindowKV Cache PrecisionDeployment Mode
2× NVIDIA A100 / H100 80GB160 GB32,768FP8High-throughput API server (compact context)
4× NVIDIA A100 / H100 80GB320 GB131,072FP8 / BF16Recommended. Production long-context agent serving
8× NVIDIA H100 / H200 80/141GB640+ GB1,048,576 (1M)FP8 / BF16Maximum concurrency & full 1M reasoning window

Official Benchmark Scoreboard

Evaluated by DeepSeek using the minimal mode of DeepSeek Harness with max reasoning effort (temperature = 1.0, top_p = 0.95):

Benchmark SuiteFocus AreaDeepSeek-V4-Flash-Vision-ExpDeepSeek-V4-Flash-0731Claude Opus-4.8
Terminal Bench 2.1Terminal Execution & Shell Control83.982.785.0
NL2RepoCode Repository Generation57.754.269.7
CybergymCybersecurity Operations & CTF75.376.778.3
DeepSWEReal-World Software Engineering59.354.458.0
Toolathlon-VerifiedMulti-Tool Function Calling Loops75.970.376.2
DSBench-HardComplex Data Science Workflows63.659.671.7
AutomationBench (Public)End-to-End Task Automation25.725.127.2
ApexBench (Pass@1)Multimodal Agent UI & Vision QA36.526.239.4
Agents' Last ExamMultimodal Reasoning & Academic VQA27.325.225.7
ChartographyHigh-Density Chart & Visual Analysis64.3—65.0
ZeroBench (Pass@5)Zero-Shot Multimodal Complex Tasks35.0—34.0

Quick Start & Serving Guide

1. High-Throughput Serving with vLLM + Native DSpark Speculative Acceleration

Launch an OpenAI-compatible API server with multimodal vision support, native reasoning parser, tool calling, and DSpark speculative decoding:

vllm serve Solstice-AI/DeepSeek-V4-Flash-Vision-Exp-MXFP4 \
  --tensor-parallel-size 4 \
  --kv-cache-dtype fp8 \
  --block-size 256 \
  --max-model-len 131072 \
  --tool-call-parser deepseek_v4 \
  --enable-auto-tool-choice \
  --reasoning-parser deepseek_v4 \
  --speculative-config '{"method":"dspark","num_speculative_tokens":3,"draft_sample_method":"probabilistic","enable_adaptive_verification":true}' \
  --trust-remote-code \
  --port 8000

[!TIP] Target and draft weights are co-located in the same checkpoint (shards 46–48). You do not need to supply an external draft model path.


2. Serving with SGLang

For maximum throughput and low-latency prefix caching in agentic workflows, enable DSpark natively:

sglang serve \
  --model-path Solstice-AI/DeepSeek-V4-Flash-Vision-Exp-MXFP4 \
  --tp 4 \
  --speculative-algorithm DSPARK \
  --mem-fraction-static 0.85 \
  --trust-remote-code \
  --host 0.0.0.0 \
  --port 30000

4. Interactive Multimodal Python Client Example

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="none")

response = client.chat.completions.create(
    model="Solstice-AI/DeepSeek-V4-Flash-Vision-Exp-MXFP4",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Analyze this technical architecture diagram and extract all component interactions:"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/system_architecture.png"
                    }
                }
            ]
        }
    ],
    max_tokens=2048,
    temperature=0.2
)

print(response.choices[0].message.content)

Citations & Acknowledgments

@misc{deepseek2026v4flashvision,
  title={DeepSeek-V4-Flash-Vision-Exp: An Open Experimental Multimodal MoE Architecture},
  author={DeepSeek-AI Team},
  year={2026}
}

@software{deepseek2026deepspec,
  title={DeepSpec: High-Throughput Semi-Autoregressive Speculative Decoding Framework},
  author={DeepSeek-AI Team},
  year={2026},
  url={https://github.com/deepseek-ai/DeepSpec}
}

@software{solsticeai2026mxfp4,
  title={Solstice-AI DeepSeek-V4-Flash-Vision-Exp MXFP4 Distribution},
  author={Solstice-AI Research Team},
  year={2026},
  url={https://huggingface.co/Solstice-AI}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
DeepseekV4ForCausalLM
Ревизия весов
7a9c24b

0 моделей