/ Модель

Характеристики

Лицензия
MIT
Базовая модель
DeepSeek-V4-Flash
Библиотека
llama.cpp
Опубликована
29 апр 2026

DeepSeek-V4-Flash-FP4-FP8-SSD

Генерация текстаТекст → текст9 профессий

Квантованный пакет DeepSeek V4 Flash для генерации текста и диалогов в совместимом Flash-MoE runtime llama.cpp.

72скачиваний за 30 дней8лайковвеса обновлены29 апр 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

anemll публикует пакет SSD Flash-MoE для DeepSeek V4 Flash, предназначенный для запуска в совместимых сборках llama.cpp. Это квантованное представление модели: общие и плотные тензоры хранятся в GGUF в формате FP8, а тензоры маршрутизируемых экспертов — в отдельных бинарных банках sidecar в формате FP4. Архитектура deepseek4 содержит 43 блока и 256 экспертов, из которых для каждого токена активируются 6; заявленная длина контекста — 1 048 576 токенов.

Пакет предназначен для генерации текста и диалогового использования. Он требует Flash-MoE-совместимого runtime llama.cpp с поддержкой DeepSeek V4 Flash, режима slot-bank и указанных типов тензоров; обычной загрузки одного плотного GGUF недостаточно. Репозиторий указывает лицензию MIT. В карточке не заявлены специальные ограничения по языкам или предметным областям.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • развёртывание чат-модели в совместимом llama.cpp
  • локальная генерация текста с маршрутизируемыми экспертами

Ограничения

Требуется Flash-MoE-совместимая сборка llama.cpp с поддержкой DeepSeek V4 Flash, slot-bank и нативных типов FP8/FP4; плотный GGUF сам по себе не содержит тензоры экспертов и не является полным пакетом. Языковая поддержка и качество отдельно не описаны.

Для каких профессий подходит9

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

DeepSeek V4 Flash FP4/FP8 SSD Flash-MoE Package

This repository contains an SSD Flash-MoE package for DeepSeek V4 Flash. It is intended for runtimes that can load a dense GGUF plus a routed expert sidecar.

Quantization

  • Dense/shared tensors: native DeepSeek FP8, represented as F8_E4M3_B128 in GGUF.
  • Routed MoE expert tensors: native DeepSeek FP4, represented as MXFP4 in the sidecar manifest.
  • Embeddings, output, norms, routing metadata, and IDs may remain BF16, F32, or I32 where appropriate.

The routed expert tensors are not stored in the dense GGUF. They are stored in the sidecar as layer-major binary banks.

Files

dense/
  model-dense.gguf
  flashmoe-package.json

sidecar/
  manifest.json
  layer_000.bin
  ...
  layer_042.bin

Model Details

  • Architecture: deepseek4
  • Blocks: 43
  • Experts: 256
  • Active experts per token: 6
  • Context length: 1048576
  • Dense GGUF tensors: 1199
  • Routed expert sidecar entries: 129

Example

./build/bin/llama-cli \
  -m dense/model-dense.gguf \
  --moe-mode slot-bank \
  --moe-sidecar sidecar \
  --moe-slot-bank 96 \
  --moe-topk 6 \
  -ngl 999 \
  --moe-cache-io-split 4 \
  -c 8192 \
  -b 128 \
  -ub 1 \
  --no-warmup \
  -p "What is Apple Neural Engine?" \
  -n 256

This package is not a standalone dense-only GGUF. Use a Flash-MoE aware llama.cpp build that supports DeepSeek V4 Flash, slot-bank mode, and the native FP8/FP4 tensor types.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
3aa5c60

0 моделей