01功能特性
优点
- 原生上下文支持高达~1M token
- 高效MoE：284B参数中约13B处于激活状态，以其规模而言，吞吐量尚可
- 专为代码和代码智能体设计
- MIT 许可（宽松）
需了解的局限性
- —~165 GB VRAM（Q4）：需多个 GPU 或大量 RAM
- —社区重新打包版本，并非 DeepSeek 官方构建版本
- —无 Ollama 标签 — 通过 HuggingFace 安装
架构
稀疏 MoE · 总参数量 284B，每个 token 约激活 13B 参数 · 上下文窗口 1,048,576 个 token（1M）· 量化重新打包版本“MoEspresso V2”（约 56.8 GB）
训练
社区重新量化/重新打包（steadfastgaze）的DeepSeek V4 Flash 0731代码导向版本。官方基础模型为DeepSeek；采用优化内存占用的MoEspresso V2格式。训练细节未公开。
最适合的场景
代码智能体 / 代码长上下文 1M
04安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$# HuggingFace : steadfastgaze/DeepSeek-V4-Flash-0731-Coder-56.8GB-MoEspressoV2
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
165 GB
Q5_K_M
质量/体积的良好平衡
202 GB
Q8_0
几乎无法与 FP16 区分
304 GB
FP16
全精度 — 服务器用途
568 GB
CPU 回退 · 如果您没有 GPU，请预留 369 GB 内存 以较低速度运行此模型的最低要求。
运行DeepSeek V4 Flash Coder 284B-A13B (MoEspresso V2)需要什么硬件？
在本地以Q4量化运行DeepSeek V4 Flash Coder 284B-A13B (MoEspresso V2)，大约需要165 GB 显存。可供比较的硬件选项：BOSGAME M5 128GB / 2TB (Ryzen AI Max+ 395) — 此模型超出该迷你 PC 的 GPU 容量：请选择更小的模型或合适的基础设施。
当前在售产品： BOSGAME M5 128GB / 2TB (Ryzen AI Max+ 395)
Amazon查看价格 →为什么选择它？我们的完整资料： BOSGAME M5 128GB / 2TB (Ryzen AI Max+ 395) →
联盟链接 — 您无需承担额外费用，我们可能获得佣金，推荐独立作出。作为 Amazon 合作伙伴，哪个LLM 会从符合条件的购买中获利。
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。