DeepSeek V4 Flash 如何本地部署？
DeepSeek V4 Flash 是 MoE 模型，总参数 284B，每 token 激活 13B。Q4 量化整机放显存需要 160GB；把专家放进系统内存后只需 7GB 显存 + 155GB 内存。能装下它的最便宜设备是 Mac Studio M3 Ultra 512GB，暂无价数据，预估 47.2 tokens/s。卸载模式下最便宜能跑的显卡是 Tesla V100 16GB，预估 12 tokens/s。
DeepSeek V4 Flash 版本信息
DeepSeek V4 Flash 本地部署需要多少显存？
MoE：总参数 284B 全部要驻留显存，速度按每 token 激活的 13B 算。
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存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 |
总显存 = 权重 + KV cache（FP16）+ 1GB 运行开销。标 GGUF 的权重是仓库里的实测文件体积，标「估」的按每参数字节估算。超过这个模型 1M 上下文上限的档位写「—」。各档取仓库里该比特数的任一文件，优先 unsloth 动态量化，所以同一档不同模型对应的文件名可能不同。
什么显卡能跑 DeepSeek V4 Flash？
AmazonJP
| 设备 | 显存GB | 价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
| Mac Studio M3 Ultra 512GB | 512 | —暂无挂单 | 47.2 | 128K |
判定口径：权重 + KV cache + 运行开销 ≤ 可用显存，单卡。MoE 模型标「卸载」表示把专家权重放进系统内存后能跑（显存只放注意力层与 KV cache），速度按内存带宽 70 GB/s 估算。上下文列给的是能装下的最大档位。
DeepSeek V4 Flash 混合推理推荐显卡
AmazonJP
专家权重放系统内存，需要 ≥ 155 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 7 GB。速度受内存带宽限制（按 70 GB/s 估算），比整机放显存慢得多。
用 Ollama / llama.cpp / vLLM 本地部署 DeepSeek V4 Flash
Ollama 库暂无官方标签。
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf unsloth/DeepSeek-V4-Flash-0731-GGUF:Q4_K_M -c 8192
vLLM 跑的是原始精度权重，显存要求比 GGUF 高得多，通常要多卡。
vllm serve deepseek-ai/DeepSeek-V4-Flash-0731
量化文件名以模型库当周抓取为准，口径见数据方法。 数据方法
常见问题
DeepSeek V4 Flash 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 DeepSeek V4 Flash 约需 160GB 显存，留到 192GB 更稳。
哪张显卡最便宜能跑 DeepSeek V4 Flash？
Mac Studio M3 Ultra 512GB，512GB 显存，预估 47.2 tokens/s；这台设备还没有价数据。
DeepSeek V4 Flash 能用 Ollama 跑吗？
暂时不能，Ollama 库还没有它的官方标签；可以用 llama.cpp 加载 GGUF。