/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
10,7 млрд
Размер весов
157 ГБ
Лицензия
MIT
Архитектура
deepseek_v4 · dense
Базовая модель
DeepSeek-V4-Flash-Vision-Exp
Библиотека
mlx
Опубликована
7 сен 2026

DeepSeek-V4-Flash-Vision-Exp-MLX

Генерация текстаТекст → текст5 профессий

Мультимодальная модель DeepSeek V4 для диалогов, генерации текста и анализа изображений, упакованная Solstice-AI для локального запуска на Apple Silicon через MLX.

293скачиваний за 30 дней1лайквеса обновлены8 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Solstice-AI/DeepSeek-V4-Flash-Vision-Exp-MLX — выпуск модели DeepSeek-V4-Flash-Vision-Exp, подготовленный Solstice-AI для запуска на Apple Silicon с использованием MLX. Это мультимодальная модель семейства DeepSeek V4 с разреженной архитектурой Mixture-of-Experts; карточка указывает 10,7 млрд параметров, а README описывает 305 млрд общих параметров и около 13 млрд активируемых на токен, поэтому сведения о размере в источниках расходятся. Модель принимает текст и изображения и предназначена для диалогов, генерации текста и анализа визуального содержимого.

Заявлено контекстное окно до 1 048 576 токенов с масштабированием YaRN, а также поддержка MLA, DSA и ускорения генерации посредством Multi-Token Prediction. Пакет рассчитан на локальный инференс через MLX на Mac с Apple Silicon; README рекомендует macOS 15 или новее и не менее 192 ГБ объединённой памяти для работы с полным контекстом в 1 млн токенов. Для такой конфигурации приводится ориентир около 31 токена в секунду на M3/M4 Ultra, но это заявление карточки, а не независимая оценка.

В метаданных указаны английский и китайский языки, формат safetensors и лицензия MIT. Высокие требования к памяти и оборудованию ограничивают практическое применение; README также указывает, что производительность зависит от Apple Silicon и предлагает отдельную модель-черновик для спекулятивного декодирования.

Сценарии применения

  • диалоговые ответы на вопросы о содержимом изображений
  • анализ изображений с текстовыми инструкциями
  • генерация текста на английском и китайском языках
  • обработка длинных текстовых контекстов
  • локальный запуск мультимодальной модели на Mac с Apple Silicon

Ограничения

Для запуска требуется Mac с Apple Silicon, а полный контекст длиной 1 млн токенов требует значительного объёма объединённой памяти. README и метаданные расходятся в оценке общего числа параметров: указаны 10,7 млрд и 305 млрд.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Summary

Solstice-AI/DeepSeek-V4-Flash-Vision-Exp-MLX is the official Apple Silicon MLX release of DeepSeek's flagship multimodal foundation model, DeepSeek-V4-Flash-Vision-Exp.

Converted and packed for Apple's MLX framework and unified memory architecture, this checkpoint enables high-throughput local execution with full native support for 1,048,576 tokens (1M) context window, Multi-Head Latent Attention (MLA), DeepSeek Sparse Attention (DSA), high-resolution vision processing, and Multi-Token Prediction (MTP) speculative decoding.

Key Architecture & Performance Highlights:

  • Framework: Native Apple MLX format (format: mlx, quantized linear packing into uint32 with uint8 scales).
  • Native 1M Context Window: Exact untouched 1,048,576 tokens (rope_scaling: factor 16, type yarn, original context 65,536 tokens, rope_theta: 10000).
  • Sparse Mixture-of-Experts: 305B total parameters with 256 routed MoE experts, activating only ~13B parameters per token.
  • Apple Silicon Throughput: Tested on M3/M4 Ultra unified memory at ~31 tokens/second (~146.4 GiB memory footprint).
  • Speculative Decoding Companion: Pairable with Solstice-AI/DeepSeek-V4-Flash-MTP-DSpark-MLX for 2x–3x higher generation speeds.
  • Architecture Packages Included: Shipped with the official standalone inference/ and encoding/ tool suites.

Official Benchmark Scoreboard

Evaluated across official full-context benchmarks (greedy decode & standard evaluation harness):

Benchmark SuiteDisciplineDeepSeek-V4-Flash MLXClaude 3.5 SonnetGPT-4o
Terminal-Bench 2.1Agentic Terminal / CLI Execution83.9%63.5%58.7%
SWE-bench VerifiedReal-World Software Engineering65.8%61.2%48.9%
LiveCodeBench v6Competitive Algorithmic Coding84.2%78.4%72.8%
MATH-500High-School / Olympiad Math94.6%89.2%91.4%
AIME 2025American Invitational Mathematics Exam78.2%72.5%63.8%
MMMU (Multimodal)Multi-Discipline Visual Understanding71.4%70.4%69.1%
DocVQA / ChartQAComplex Document & Graph Reasoning92.3%91.8%89.5%

Quickstart on Apple Silicon

1. Requirements

  • Apple Silicon Mac (M2 Ultra, M3 Ultra, M4 Max/Ultra with 192GB+ unified memory recommended for full 1M context serving)
  • macOS 15.0 (Sequoia) or later
  • Python 3.10+ and mlx / mlx-lm
pip install mlx mlx-lm huggingface_hub

2. Basic Text Generation with mlx-lm

from mlx_lm import load, generate

model, tokenizer = load("Solstice-AI/DeepSeek-V4-Flash-Vision-Exp-MLX")

prompt = "Explain how Multi-Head Latent Attention (MLA) reduces KV cache footprint in DeepSeek models."
response = generate(model, tokenizer, prompt=prompt, max_tokens=1024, verbose=True)
print(response)

3. High-Speed Speculative Decoding (MTP Drafter)

To achieve maximum generation throughput, load the companion MTP drafter:

from mlx_lm import load, generate

# Load base model alongside MTP drafter
model, tokenizer = load(
    "Solstice-AI/DeepSeek-V4-Flash-Vision-Exp-MLX",
    draft_model="Solstice-AI/DeepSeek-V4-Flash-MTP-DSpark-MLX"
)

prompt = "Write a complete Rust implementation of a lock-free queue with benchmarks."
response = generate(model, tokenizer, prompt=prompt, max_tokens=2048, verbose=True)
print(response)

4. Running with Inferencer GUI / CLI

inferencer run Solstice-AI/DeepSeek-V4-Flash-Vision-Exp-MLX \
  --draft Solstice-AI/DeepSeek-V4-Flash-MTP-DSpark-MLX \
  --context 1048576

Native Context Window Configuration

{
  "max_position_embeddings": 1048576,
  "rope_scaling": {
    "beta_fast": 32,
    "beta_slow": 1,
    "factor": 16,
    "original_max_position_embeddings": 65536,
    "type": "yarn"
  },
  "rope_theta": 10000
}

License & Attribution

@misc{deepseekv42026,
  title={DeepSeek-V4-Flash: High-Throughput Multimodal Foundation Model with Native 1M Context},
  author={DeepSeek-AI},
  year={2026}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
DeepseekV4ForCausalLM
Ревизия весов
2b5355a

0 моделей