DeepSeek-V4.1-Flash 在 DGX Spark (GB10) 上：128 GB unified，放不下，粗估
DeepSeek-V4.1-Flash 在 DGX Spark (GB10) 上（128 GB unified）：放不下。估算 476.18 GiB–549.77 GiB，对照净预算 112.00 GiB（FP8 safetensors，4,096 个 token）。
针对一种配置的有条件判断。上下文、量化和引擎一变，结论也可能变。 本页使用的配置：FP8 safetensors，4,096 个缓存 token，1 个序列，引擎 vllm。 状态：预计内存不足。软件：未核实。.
通用计算器判断的是规范 checkpoint。这个组合另有 3 条社区实测过的部署方案。
预计内存不足未核实当前结果是估算，不是对应环境的实测。3 个已知方案
已知社区运行方案
3 个已知方案该模型在此硬件上的已知真实运行方案。
DeepSeek-V4.1-Flash
2× NVIDIA DGX Spark (GB10, 128 GB unified)
量化:EXL3 2.9 bpw (mul1)(2.9 bpw)
运行时:vLLM· TP2
卸载:Engram n-gram tables (shards 47+48) → NVME
已测试:
- ✓ 文本生成
- ✓ 262,144 上下文
- ✓ 工具调用
- ✓ 视觉
- ✓ 推测解码
实测:31.6 tok/s· 1 流
这是实测部署。详细说明为英文。
DeepSeek-V4.1-Flash
3× NVIDIA DGX Spark (GB10, 128 GB unified)
量化:Native MXFP4 MoE + FP8 Dense
运行时:SGLang· TP3
卸载:Engram n-gram tables (189 GiB) → NVME
已测试:
- ✓ 文本生成
- ✓ ~208K 已测试 (256K cfg)
- ✓ 工具调用
- ✓ 视觉
- ✓ 推测解码
实测:37.9 tok/s· 1 流
这是实测部署。详细说明为英文。
本页固定配置
- 模型DeepSeek-V4.1-Flash
- 硬件NVIDIA DGX Spark (GB10, 128 GB unified)
- 量化FP8 safetensors
- 上下文长度（缓存 token 数）4,096
- 运行引擎
vllm - 同时运行的序列数1
- KV Cache 精度fp16
技术标识与分享数据
- 模型
deepseek-v4.1-flash - 硬件
nvidia-dgx-spark-128gb-unified - 量化
fp8 - 分享这个配置的片段
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6ImRlZXBzZWVrLXY0LjEtZmxhc2giLCJoYXJkd2FyZUlkIjoibnZpZGlhLWRneC1zcGFyay0xMjhnYi11bmlmaWVkIiwiZGV2aWNlQ291bnQiOjEsInF1YW50aXphdGlvbklkIjoiZnA4IiwiY29udGV4dFRva2VucyI6NDA5NiwiY29uY3VycmVudFNlcXVlbmNlcyI6MSwiZW5naW5lIjoidmxsbSIsImt2VHlwZSI6ImZwMTYifX0
内存构成
- Weight artifact
- 475.24 GiB (510,286,023,000 bytes)
- Raw KV cache
- 0.31 GiB (335,544,320 bytes)
- Engine extras / workspace
- 0.63 GiB–74.22 GiB
- Total estimated demand
- 476.18 GiB–549.77 GiB
- Net calculator budget
- 112.00 GiB
- OS / display reserve
- 16.00 GiB
- Remaining vs net budget
- -437.77 GiB–-364.18 GiB
高估算 549.77 GiB，对照净预算 112.00 GiB
内存够用，不代表指定引擎、量化格式和操作系统一定能跑。软件兼容也不代表性能足够好。
这台设备上的其他已发布文件
同一模型、同一设备、同样的上下文（4,096 个 token，1 个序列，FP16 KV）。每一行是一组已发布的权重文件及其常用引擎，按内存从大到小排列。
| 量化 | 运行引擎 | 估算内存 | 适配 |
|---|---|---|---|
| FP8 safetensors 本页配置 | vllm | 476.18 GiB–549.77 GiB | 放不下 · 粗估 |
影响结论的假设
- 请求的上下文在记录的原生窗口 1048576 token 以内。
- 完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。
- 激活参数未知，或没有独立来源。激活参数描述的是 token 路由计算量，不是完整驻留权重体积。
- 权重字节只计入选定的权重文件，不会把仓库里所有量化版本加在一起。
- 下载文件大小不是峰值 GPU 内存。运行时布局、分配器填充和 KV 是额外占用。
- 权重字节来自 48 个已发布的 safetensors 分片，合计 510286023000 字节。
- 该 checkpoint 含视觉组件。纯文本推理不计入视觉编码器或 projector。
- 存在 MTP / draft 权重；未启用时不计入。
相关页面
数据来源
计算器
组合页锁定路由中的模型和设备。要改身份请到主计算器自定义；分享会保留那次选择。
正在加载已发布的目录快照…
搜索或选择目录中的模型，查看本地大模型的显存需求。
搜索或选择目录中的模型，查看本地大模型的显存需求。