DeepSeek V4 Pro 如何本地部署？
DeepSeek V4 Pro 是 MoE 模型，总参数 1,600B，每 token 激活 49B。Q4 量化整机放显存需要 894GB；把专家放进系统内存后只需 17GB 显存 + 879GB 内存。收录的单卡都装不下它，需要多卡或 Mac Studio 的统一内存。卸载模式下最便宜能跑的显卡是 GeForce RTX 2080 Ti 22GB，预估 3 tokens/s。
DeepSeek V4 Pro 版本信息
DeepSeek V4 Pro 本地部署需要多少显存？
MoE：总参数 1,600B 全部要驻留显存，速度按每 token 激活的 49B 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 | 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 |
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 Pro？
闲鱼
收录的单卡都装不下 DeepSeek V4 Pro：Q4_K_M、8K 上下文下至少需要 894GB 显存。
多卡方案至少要凑够 894GB 显存。
收录的统一内存机型也装不下。
DeepSeek V4 Pro 混合推理推荐显卡
闲鱼
专家权重放系统内存，需要 ≥ 879 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 17 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 Pro
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-Pro-0813-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-Pro-0813
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 Pro 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 DeepSeek V4 Pro 约需 894GB 显存，留到 1,076GB 更稳。
哪张显卡最便宜能跑 DeepSeek V4 Pro？
收录的单卡都装不下 DeepSeek V4 Pro，需要多卡或 Mac Studio 的统一内存。
DeepSeek V4 Pro 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。