Model · DeepSeek AI · 2026· config.json 已核实
DeepSeek-V4-Flash（290.9B）显存要求 · 本地部署需要什么显卡
原生上下文 1,048,576 tokens · MLA · MoE 256 选 6 · 每 token 激活 13B
推理显存需求（llama.cpp 口径，batch = 1，含 KV/缓冲/开销）
| 量化档 | 权重体积 | 4K 上下文 | 32K 上下文 | 128K 上下文 | 1M 上下文 |
|---|---|---|---|---|---|
| FP8 (E4M3)原生 | 270.9 GiB | 272.4 GiB | 277.2 GiB | 293.8 GiB | 448.1 GiB |
| FP16 / BF16 | 541.8 GiB | 543.3 GiB | 548.1 GiB | 564.7 GiB | 719.0 GiB |
| GGUF Q8_0 | 287.9 GiB | 289.3 GiB | 294.2 GiB | 310.7 GiB | 465.0 GiB |
| GGUF Q4_K_M | 164.2 GiB | 165.7 GiB | 170.5 GiB | 187.1 GiB | 341.4 GiB |
| GGUF Q2_K | 89.1 GiB | 90.5 GiB | 95.4 GiB | 111.9 GiB | 266.2 GiB |
显存需求 = 权重 + KV cache + 计算/输入缓冲 + 框架开销（≈0.8 GB）。权重与 KV 为精确公式， 典型误差 ±3%；≥24 GB 显存可从 4-bit 档起步。
微调显存估算（4096 上下文 × batch 1，梯度检查点开）
| 全参微调（AdamW 混合精度） | 4337.0 GiB |
| LoRA（r=16，7 模块） | 545.1 GiB |
| QLoRA（NF4，r=16） | 143.0 GiB |
微调框架与部署引擎推荐
微调：LLaMA-Factory · 知识蒸馏（R1 → Qwen/Llama 小模型）
部署：SGLang（官方推荐，MLA + DP Attention） · vLLM · TensorRT-LLM · llama.cpp
硬件参考：V3/R1 671B：2 节点 × 8 GPU（H100/A100）；R1-Distill-7B：单卡 16GB+
R1 系列使用建议：温度 0.5–0.7（推荐 0.6），避免 system prompt，强制以 <think> 开头