DeepSeek V4 Pro 如何本地部署？
DeepSeek V4 Pro 是 MoE 模型，總參數 1,600B，每 token 啟用 49B。Q4 量化整機放顯存需要 894GB；把專家放進系統記憶體後只需 17GB 顯存 + 879GB 記憶體。收錄的單卡都裝不下它，需要多卡或 Mac Studio 的統一記憶體。卸載模式下最便宜能跑的顯示卡是 GeForce RTX 2080 Ti 22GB，預估 3 tokens/s。
DeepSeek V4 Pro 版本資訊
DeepSeek V4 Pro 本地部署需要多少顯示記憶體？
MoE：總參數 1,600B 全部要常駐記憶體，速度按每 token 啟用的 49B 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 | 375.5估 | 377.5 | 380.3 | 391.8 |
| 2-bit | 594.6估 | 596.5 | 599.4 | 610.8 |
| 3-bit | 766.7估 | 768.6 | 771.5 | 782.9 |
| 4-bit | 849.7GGUF | 893.8 | 896.6 | 908.1 |
| 5-bit | 1,079.6估 | 1,081.5 | 1,084.4 | 1,095.8 |
| 8-bit | 873.4GGUF | 1,660.5 | 1,663.3 | 1,674.7 |
| FP16 | 3,129.2估 | 3,131.2 | 3,134.1 | 3,145.5 |
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 Pro？
閒魚
收錄的單卡都裝不下 DeepSeek V4 Pro：Q4_K_M、8K 上下文下至少需要 894GB 記憶體。
多卡方案至少要湊足 894GB 記憶體。
收錄的統一記憶體機型也裝不下。
DeepSeek V4 Pro 混合推論推薦顯示卡
閒魚
專家權重放系統記憶體，需要 ≥ 879 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 17 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 Pro
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-Pro-0813-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-Pro-0813
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 Pro 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 DeepSeek V4 Pro 約需 894GB 記憶體，留到 1,076GB 更穩。
哪張顯示卡最便宜能跑 DeepSeek V4 Pro？
收錄的單卡都裝不下 DeepSeek V4 Pro，需要多卡或 Mac Studio 的統一記憶體。
DeepSeek V4 Pro 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。