Hy4 preview 如何本地部署？
Hy4 preview 是 MoE 模型，总参数 770B，每 token 激活 49B。Q4 量化整机放显存需要 431GB；把专家放进系统内存后只需 18GB 显存 + 415GB 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 15 tokens/s。卸载模式下最便宜能跑的显卡是 Tesla V100 32GB，预估 3 tokens/s。
Hy4 preview 版本信息
Hy4 preview 本地部署需要多少显存？
MoE：总参数 770B 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 | 235.4GGUF | 182.4 | 184.5 | 192.7 |
| 2-bit | 286.1估 | 287.8 | 289.9 | 298.1 |
| 3-bit | 369估 | 370.6 | 372.7 | 380.9 |
| 4-bit | 467.3GGUF | 430.9 | 432.9 | 441.2 |
| 5-bit | 519.6估 | 521.2 | 523.3 | 531.5 |
| 8-bit | 798.2估 | 799.8 | 801.9 | 810.1 |
| FP16 | 1,505.9估 | 1,507.6 | 1,509.7 | 1,517.9 |
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 Hy4 preview？
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 | 15 | 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。
Hy4 preview 混合推理推荐显卡
AmazonJP
专家权重放系统内存，需要 ≥ 415 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 18 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 Hy4 preview
Ollama 库暂无官方标签。
./build-cuda/bin/llama-cli -m Hy4-preview-Q4_K_M.gguf -ngl 99 -c 8192 --jinja -st -f prompt.txt
docker run --gpus all \
-p 8000:8000 \
--ipc=host \
-v ~/.cache/huggingface:/root/.cache/huggingface \
vllm/vllm-openai:hy4-preview tencent/Hy4-preview-FP8 \
--tensor-parallel-size 8 \
--speculative-config '{"num_speculative_tokens":3,"method":"mtp"}' \
--attention-backend FLASHMLA_SPARSE \
--tool-call-parser hy_v4 \
--reasoning-parser hy_v4 \
--enable-auto-tool-choice \
--port 8000 \
--served-model-name hy4-preview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
Hy4 preview 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Hy4 preview 约需 431GB 显存，留到 520GB 更稳。
哪张显卡最便宜能跑 Hy4 preview？
Mac Studio M3 Ultra 512GB，512GB 显存，预估 15 tokens/s；这台设备还没有价数据。
Hy4 preview 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。