DeepSeek-V4.1-Flash 显存与内存需求

具体的模型版本，带来源的结构和权重文件信息。 FP8 safetensors：8,192 个 token 下约 476.49 GiB–550.14 GiB，1 条序列，FP16 KV，vllm。

当前结果是估算，不是对应环境的实测。未核实有文件依据的权重3 个已知方案

已知社区运行方案

3 个已知方案

在真实硬件上核对过上下文、量化和运行时的社区与维护者部署。

DeepSeek-V4.1-Flash
2× NVIDIA DGX Spark (GB10, 128 GB unified)
上游维护者实测
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。

使用这套配置快速开始（英文）来源 ↗
DeepSeek-V4.1-Flash
3× NVIDIA DGX Spark (GB10, 128 GB unified)
上游维护者实测
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。

使用这套配置快速开始（英文）来源 ↗
DeepSeek-V4.1-Flash
4× NVIDIA DGX Spark (GB10, 128 GB unified)
上游维护者实测
量化:Native MXFP4 MoE + FP8 Dense (TP=4)
运行时:SGLang· TP4
卸载:Engram n-gram tables (189 GiB) → NVME
已测试:
  • ✓ 文本生成
  • ✓ 1,048,576 上下文
  • ✓ 工具调用
  • ✓ 视觉
  • ✓ 推测解码
实测:45.4 tok/s· 1 流

这是实测部署。详细说明为英文。

使用这套配置快速开始（英文）来源 ↗

能跑的设备

发布方与出处

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。

这次估算里的内存分层

文件字节、原始 KV、引擎额外占用和总需求是分开的。这不是一次运行时轨迹。

Weight artifact
475.24 GiB (510,286,023,000 bytes)
Raw KV cache
0.63 GiB (671,088,640 bytes)
Engine extras / workspace
0.63 GiB–74.28 GiB
Total estimated demand
476.49 GiB–550.14 GiB

计入的文件

量化计入的文件字节运行引擎证据
FP8 safetensors
fp8
48 个 safetensors 分片
选定字节合计：510,286,023,000 (475.24 GiB / 510.29 GB)
第一个分片：model-00001-of-00048.safetensors
最后一个分片：model-00048-of-00048.safetensors
查看全部 48 个分片文件
  • model-00001-of-00048.safetensors
  • model-00002-of-00048.safetensors
  • model-00003-of-00048.safetensors
  • model-00004-of-00048.safetensors
  • model-00005-of-00048.safetensors
  • model-00006-of-00048.safetensors
  • model-00007-of-00048.safetensors
  • model-00008-of-00048.safetensors
  • model-00009-of-00048.safetensors
  • model-00010-of-00048.safetensors
  • model-00011-of-00048.safetensors
  • model-00012-of-00048.safetensors
  • model-00013-of-00048.safetensors
  • model-00014-of-00048.safetensors
  • model-00015-of-00048.safetensors
  • model-00016-of-00048.safetensors
  • model-00017-of-00048.safetensors
  • model-00018-of-00048.safetensors
  • model-00019-of-00048.safetensors
  • model-00020-of-00048.safetensors
  • model-00021-of-00048.safetensors
  • model-00022-of-00048.safetensors
  • model-00023-of-00048.safetensors
  • model-00024-of-00048.safetensors
  • model-00025-of-00048.safetensors
  • model-00026-of-00048.safetensors
  • model-00027-of-00048.safetensors
  • model-00028-of-00048.safetensors
  • model-00029-of-00048.safetensors
  • model-00030-of-00048.safetensors
  • model-00031-of-00048.safetensors
  • model-00032-of-00048.safetensors
  • model-00033-of-00048.safetensors
  • model-00034-of-00048.safetensors
  • model-00035-of-00048.safetensors
  • model-00036-of-00048.safetensors
  • model-00037-of-00048.safetensors
  • model-00038-of-00048.safetensors
  • model-00039-of-00048.safetensors
  • model-00040-of-00048.safetensors
  • model-00041-of-00048.safetensors
  • model-00042-of-00048.safetensors
  • model-00043-of-00048.safetensors
  • model-00044-of-00048.safetensors
  • model-00045-of-00048.safetensors
  • model-00046-of-00048.safetensors
  • model-00047-of-00048.safetensors
  • model-00048-of-00048.safetensors
510,286,023,000 (475.24 GiB / 510.29 GB)vllm, sglang, unspecifiedfile-metadata
INT4 theoretical没有已发布的文件381,602,657,897 (理论行不是可下载的发布文件。)—theoretical

按量化与上下文查看显存

并发序列数为 1。KV 默认 FP16。区间包含所列引擎已记录的运行时额外占用。这些数字与交互式计算器使用同一套核心。

量化2,048 tokens8,192 tokens32,768 tokens
FP8 safetensors476.02 GiB–549.59 GiB476.49 GiB–550.14 GiB478.37 GiB–552.36 GiB
INT4 theoretical
理论行不是可下载的发布文件。
355.68 GiB–458.51 GiB356.15 GiB–459.09 GiB358.02 GiB–461.40 GiB

KV Cache（原始数据）

用这个模型打开计算器

相关页面

数据来源

影响结论的假设

计算器

正在加载已发布的目录快照…

先选择模型，再检查设备。

量化

设备类型

工作负载

上下文长度主要影响 KV Cache 内存。

高级设置
运行时

这次估算使用的引擎和 KV 缓存类型。

工作负载

开销场景，以及是否计入预填充工作区。

拓扑

模型如何切到多张设备上。各设备的显存不会相加。

副本数是高级部署选项。数量指节点或 GPU，不是副本。

预算

系统保留和安全余量。数字框清空时保留上一次的值。

GiB（2^30 字节）

%

自定义模型

导入配置或手填结构。点导入之前不会去扫描仓库。

仅在浏览器中解析，不会上传文件。

只允许 huggingface.co 上的 config.json，不使用 token，不读取私有仓库。

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。