DeepSeek V4 Flash 如何本地部署？
DeepSeek V4 Flash 是 MoE 模型，總參數 284B，每 token 啟用 13B。Q4 量化整機放顯存需要 160GB；把專家放進系統記憶體後只需 7GB 顯存 + 155GB 記憶體。能裝下它的最便宜裝置是 Mac Studio M3 Ultra 512GB，暫無價資料，預估 47.2 tokens/s。卸載模式下最便宜能跑的顯示卡是 Tesla V100 16GB，預估 12 tokens/s。
DeepSeek V4 Flash 版本資訊
DeepSeek V4 Flash 本地部署需要多少顯示記憶體？
MoE：總參數 284B 全部要常駐記憶體，速度按每 token 啟用的 13B 計算。
| 量化 | 權重體積GB | 8K 總記憶體GB | 32K 總記憶體GB | 128K 總記憶體GB |
|---|---|---|---|---|
| 1-bit | 86.9GGUF | 68.3 | 70.3 | 78.4 |
| 2-bit | 96.8GGUF | 107.2 | 109.2 | 117.3 |
| 3-bit | 128.2GGUF | 137.8 | 139.8 | 147.8 |
| 4-bit | 155.1GGUF | 160 | 162 | 170.1 |
| 5-bit | 191.6估 | 193.3 | 195.3 | 203.4 |
| 8-bit | 161.9GGUF | 296.1 | 298.1 | 306.1 |
| FP16 | 555.4估 | 557.1 | 559.1 | 567.2 |
總記憶體 = 權重 + KV cache（FP16）+ 1GB 執行開銷。標 GGUF 的權重是倉庫裡的實測檔案體積，標「估」的按每參數位元組估算。超過這個模型 1M 上下文上限的檔位寫「—」。各檔取倉庫裡該位元數的任一檔案，優先 unsloth 動態量化，所以同一檔不同模型對應的檔名可能不同。
什麼顯示卡能跑 DeepSeek V4 Flash？
AmazonJP
| 裝置 | 顯存GB | 價 | 預估 t/s | 建議上下文 |
|---|---|---|---|---|
| Mac Studio M3 Ultra 512GB | 512 | —暫無掛單 | 47.2 | 128K |
判定口徑：權重 + KV cache + 執行開銷 ≤ 可用記憶體，單卡。MoE 模型標「卸載」表示把專家權重放進系統記憶體後能跑（顯存只放注意力層與 KV cache），速度按記憶體頻寬 70 GB/s 估算。上下文欄給的是能裝下的最大檔位。
DeepSeek V4 Flash 混合推論推薦顯示卡
AmazonJP
專家權重放系統記憶體，需要 ≥ 155 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 7 GB。速度受記憶體頻寬限制（按 70 GB/s 估算），比整機放顯存慢得多。
用 Ollama / llama.cpp / vLLM 本地部署 DeepSeek V4 Flash
Ollama 庫暫無官方標籤。
llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。
llama-server -hf unsloth/DeepSeek-V4-Flash-0731-GGUF:Q4_K_M -c 8192
vLLM 跑的是原始精度權重，記憶體需求比 GGUF 高得多，通常要多卡。
vllm serve deepseek-ai/DeepSeek-V4-Flash-0731
量化檔名以模型庫當週抓取為準，口徑見資料方法。 資料方法
常見問題
DeepSeek V4 Flash 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 DeepSeek V4 Flash 約需 160GB 記憶體，留到 192GB 更穩。
哪張顯示卡最便宜能跑 DeepSeek V4 Flash？
Mac Studio M3 Ultra 512GB，512GB 記憶體，預估 47.2 tokens/s；這台裝置還沒有價資料。
DeepSeek V4 Flash 能用 Ollama 跑嗎？
暫時不行，Ollama 庫還沒有它的官方標籤；可以用 llama.cpp 載入 GGUF。