/ Модель

Характеристики

Лицензия
MIT
Базовая модель
DeepSeek-V4-Flash-0731
Опубликована
31 июл 2026

DeepSeek-V4-Flash-0731-GGUF

Генерация текстаТекст → текст14 профессий

DeepSeek-V4-Flash-0731-GGUF — это квантизированная версия языковой модели DeepSeek-V4-Flash-0731, разработанной deepseek-ai и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp.

2 594скачиваний за 30 дней40лайковвеса обновлены4 авг 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

Модель предназначена для генерации текста и запуска локально через llama.cpp и совместимые приложения, включая LM Studio, KoboldCpp и Text Generation Web UI.

Модель содержит 284 млрд параметров, поддерживает текстовый ввод и поставляется только в формате MXFP4. Доступен вариант размером около 156,38 ГБ, сохраняющий исходное качество квантизации. В модели предусмотрены веса MTP (Multi-Token Prediction) в виде отдельной DSpark draft-модели, которую можно использовать для speculative decoding и ускорения генерации. Языки, максимальная длина контекста и дополнительные модальности в README не указаны.

К сильным сторонам относятся большой размер модели, сохранение исходного качества MXFP4 и возможность ускорения вывода с помощью DSpark. Ограничения включают очень высокие требования к дисковому пространству и аппаратным ресурсам, отсутствие imatrix-калибровки на момент публикации и неопределённость стандартного chat template, который может быть задан некорректно. Модель распространяется по лицензии MIT.

Для каких профессий подходит14

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

Llamacpp Quantizations of DeepSeek-V4-Flash-0731 by deepseek-ai

Using llama.cpp release b10173 for quantization.

Original model: https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-0731

This model is in MXFP4 and as such has only been provided in MXFP4 format!

Other sizes may be provided after some investigation.

Model details:

  • Parameter count: 284B
  • Input support: text
  • MTP: yes - details
  • imatrix: no (for now)

How to run

Prompt format

No chat template specified so default is used. This may be incorrect, check original model card for details.

{system_prompt}<|User|>{prompt}<|Assistant|></think>

Download the MXFP4 files:

FilenameQuant typeFile SizeSplitDescription
DeepSeek-V4-Flash-0731-MXFP4.ggufMXFP4156.38GBtrueOriginal quality.

Downloading using the Hugging Face CLI

First, make sure you have the Hugging Face CLI installed:

pip install -U "huggingface_hub[cli]"

The files marked true in the Split column above are stored as multiple parts in a folder. To download all the parts to a local folder, run:

hf download bartowski/DeepSeek-V4-Flash-0731-GGUF --include "DeepSeek-V4-Flash-0731-MXFP4/*" --local-dir ./

You can either specify a new local-dir (DeepSeek-V4-Flash-0731-MXFP4) or download them all in place (./)

How to run

These quants run with llama.cpp - installable in one line via llama.app:

curl -LsSf https://llama.app/install.sh | sh
llama-server -hf bartowski/DeepSeek-V4-Flash-0731:MXFP4

llama-server includes a built-in chat web UI, served at http://localhost:8080 by default.

These quants were made with llama.cpp release b10173 - if this model's architecture is newly supported, you'll need that release or newer to run them.

They also work in: LM Studio · koboldcpp · ramalama · Jan AI · Text Generation Web UI · LoLLMs · Atomic Chat

MTP (DSpark)

This model has MTP (Multi-Token Prediction) weights in the form of a DSpark draft model. Unlike other MTP implementations, these are not included in the quants themselves - they are provided as a separate file in this repo: dspark-DeepSeek-V4-Flash-0731-MXFP4.gguf

DSpark acts as a draft model, letting llama.cpp run speculative decoding for faster generation. To use it, add the following flag to your llama.cpp command:

--spec-type draft-dspark

When running with -hf as shown above, llama.cpp downloads the DSpark file automatically alongside the model. If you're downloading files manually instead, also grab the dspark file and pass it with -md /path/to/dspark-DeepSeek-V4-Flash-0731-MXFP4.gguf.

Note: the DSpark file keeps the original model's MXFP4 expert weights unchanged (remaining tensors at Q8_0 or higher).

Credits

Thank you kalomaze and Dampf for assistance in creating the imatrix calibration dataset.

Thank you ZeroWw for the inspiration to experiment with embed/output.

Want to support my work? Visit my ko-fi page here: https://ko-fi.com/bartowski

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
9b8fdc6

0 моделей