/ Модель

Характеристики

Лицензия
MIT
Базовая модель
DeepSeek-V4-Flash-0731-NVFP4
Библиотека
llama.cpp
Опубликована
22 авг 2026

DeepSeek-V4-Flash-0731-NVFP4-GGUF

Генерация текстаТекст → текст6 профессий

Конверсия DeepSeek-V4-Flash-0731 в GGUF для генерации текста через llama.cpp, с дополнительным DSpark для спекулятивного декодирования.

1 007скачиваний за 30 дней0лайковвеса обновлены23 авг 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Это конверсия DeepSeek-V4-Flash-0731 в формат GGUF, подготовленная axiomofmind на основе axiomofmind/DeepSeek-V4-Flash-0731-NVFP4. В README указана независимая калибровка исходных весов deepseek-ai/DeepSeek-V4-Flash-0731; репозиторий содержит основную модель и дополнительную модель-предсказатель DSpark для спекулятивного декодирования.

Модель предназначена для генерации текста в среде llama.cpp. Основные маршрутизируемые экспертные тензоры представлены в NVFP4, тензоры внимания и общих экспертов — в Q8_0, а эмбеддинги и выходная голова — в BF16. Для запуска этой конверсии требуется специальный патч к llama.cpp; README рекомендует не менее 208 ГиБ суммарной видеопамяти для основной модели и полностью размещённого на GPU DSpark. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • генерация текста локально через llama.cpp
  • ответы на вопросы и ведение диалога с текстовой моделью
  • ускорение генерации с помощью спекулятивного декодирования DSpark

Ограничения

Для корректной работы необходим специальный патч llama.cpp; без него вывод будет повреждён. Для основной модели и размещённого на GPU DSpark рекомендуется не менее 208 ГиБ суммарной видеопамяти.

Для каких профессий подходит6

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-0731 NVFP4 GGUF

GGUF conversion of axiomofmind/DeepSeek-V4-Flash-0731-NVFP4, independently calibrated from the official deepseek-ai/DeepSeek-V4-Flash-0731 weights.

Files

  • DeepSeek-V4-Flash-0731-NVFP4-Q8attn-00001-of-00004.gguf through 00004: main model, 165.04 GB total
  • DeepSeek-V4-Flash-0731-DSpark-MXFP4-Q8attn.gguf: optional DSpark drafter, 10.90 GB

The 129 merged routed-expert tensors use NVFP4. Source FP8 attention/shared-expert linear tensors are Q8_0; embeddings and output head are BF16. The separate DSpark drafter uses nine MXFP4 expert tensors.

For the main model and fully GPU-resident DSpark drafter, 208 GiB or more of aggregate VRAM is recommended. The drafter also requires approximately 10.2 GiB of contiguous free VRAM on one GPU. Actual memory use depends on context length, batch size, and runtime settings.

Runtime requirement

This conversion needs the included llama.cpp-deepseek-v4-nvfp4-runtime.patch. Without it, DeepSeek V4 does not apply the NVFP4 per-expert scales and produces corrupted output. The patch applies to llama.cpp commit 5ecbe1ac17ec0484c5b44af0bd580cdc9c428ed4.

git clone https://github.com/ggml-org/llama.cpp
cd llama.cpp
git checkout 5ecbe1ac17ec0484c5b44af0bd580cdc9c428ed4
git apply ../llama.cpp-deepseek-v4-nvfp4-runtime.patch

Main-model example:

llama-server -m DeepSeek-V4-Flash-0731-NVFP4-Q8attn-00001-of-00004.gguf \
  -ngl all -c 32768 -fa on --jinja

Main model with the optional GPU-resident DSpark drafter:

llama-server -m DeepSeek-V4-Flash-0731-NVFP4-Q8attn-00001-of-00004.gguf \
  -md DeepSeek-V4-Flash-0731-DSpark-MXFP4-Q8attn.gguf \
  --spec-type draft-dspark --spec-draft-n-max 5 \
  -ngl all -ngld all \
  -c 32768 -fa on --jinja

The main model and DSpark speculative decoding have both been runtime-validated. Performance and draft acceptance depend on hardware, prompt, context, and generation settings.

The GGUF metadata advertises a 1,048,576-token context. Longer contexts require additional KV-cache and compute memory.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
86f6cfe

0 моделей