/ Модель

Характеристики

Контекст
163 840 токенов
Параметры
37,6 млрд
Лицензия
MIT
Архитектура
deepseek_v3 · dense
Базовая модель
DeepSeek-R1
Библиотека
modelopt
Опубликована
14 июл 2026

DeepSeek-R1-NVFP4-v2-mlpinf

Генерация текстаТекст → текст

Квантизированная до FP4 версия DeepSeek-R1 для диалоговой генерации текста и запуска через TensorRT-LLM.

107скачиваний за 30 дней0лайковвеса обновлены16 июл 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

centml/DeepSeek-R1-NVFP4-v2-mlpinf — сторонняя квантизированная версия DeepSeek-R1, созданная с помощью официального рецепта NVIDIA TensorRT Model Optimizer и калибровочного набора MLPerf Inference для DeepSeek-R1. Это трансформерная модель генерации текста на архитектуре DeepSeek R1; в метаданных указано 37,6 млрд параметров и контекст до 163 840 токенов. Текстовый ввод и вывод поддерживаются через TensorRT-LLM.

Модель предназначена для диалоговой генерации и решения задач, для которых используют DeepSeek-R1, включая математические вопросы и пошаговые рассуждения. Квантизация FP4 весов и активаций снижает требования к диску и памяти GPU примерно в 1,6 раза; кэш KV квантизирован до FP8, а проекции MLA остаются в более высокой точности. Репозиторий ориентирован на запуск с TensorRT-LLM на NVIDIA Blackwell; в README для примера развертывания указаны восемь GPU Blackwell или новее.

Модель подготовлена CentML как сторонний артефакт для бенчмарка MLPerf, а не разработана NVIDIA или DeepSeek AI. Лицензия — MIT, README сообщает о коммерческом и некоммерческом использовании. Указаны английские рекомендации по промптингу DeepSeek-R1; подтверждений поддержки других языков в предоставленных данных нет.

Сценарии применения

  • ответы на вопросы в диалоге
  • решение математических задач с пошаговыми рассуждениями
  • генерация текста на основе текстовых запросов

Ограничения

Для запуска требуется TensorRT-LLM и совместимое оборудование NVIDIA Blackwell; пример развертывания в README требует восемь GPU Blackwell или новее. Квантизация FP4 может влиять на качество относительно исходной модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Overview

Description:

This model is a quantized version of DeepSeek AI's DeepSeek R1 model, produced with the official NVIDIA TensorRT Model Optimizer DeepSeek recipe and calibrated with the MLPerf Inference deepseek-r1 calibration dataset. It is quantized with FP4 weights and activations (the same quantization scheme as nvidia/DeepSeek-R1-FP4-v2, including the wo module in attention layers) and is ready for inference with TensorRT-LLM. This model is ready for commercial/non-commercial use.

Third-Party Community Consideration

This model is not owned or developed by NVIDIA or DeepSeek AI. It has been produced by a third party from the open DeepSeek R1 checkpoint for the MLPerf Inference deepseek-r1 benchmark. See the original DeepSeek R1 Model Card.

License/Terms of Use:

MIT

Model Architecture:

Architecture Type: Transformers

Network Architecture: DeepSeek R1

Input:

Input Type(s): Text

Input Format(s): String

Input Parameters: 1D (One Dimensional): Sequences

Other Properties Related to Input: Context length up to 128K. Per DeepSeek's usage recommendations: temperature 0.5–0.7 (0.6 recommended), no system prompt, and for math problems ask for step-by-step reasoning with the final answer in \boxed{}.

Output:

Output Type(s): Text

Output Format: String

Output Parameters: 1D (One Dimensional): Sequences

Software Integration:

Supported Runtime Engine(s):

  • TensorRT-LLM

Supported Hardware Microarchitecture Compatibility:

  • NVIDIA Blackwell

Preferred Operating System(s):

  • Linux

Model Version(s):

Quantized with NVIDIA TensorRT Model Optimizer, main branch @ 089c06e4 (July 2026), using the examples/deepseek recipe (deepseek_v3/ptq.py for calibration, deepseek_v3/quantize_fp8_to_nvfp4.sh for weight conversion).

Datasets:

Calibration Dataset: mlperf_deepseek_r1_calibration_dataset_500_fp8_eval — the official 500-sample MLPerf Inference deepseek-r1 calibration set. See the MLPerf deepseek-r1 reference README for dataset details and download instructions.

  • Data collection method: Hybrid: Human, Automated
  • Labeling method: Hybrid: Human, Automated

Inference:

Engine: TensorRT-LLM

Test Hardware: NVIDIA GB200 NVL72

Post Training Quantization

This model was obtained by quantizing the weights and activations of DeepSeek R1 to FP4 data type, ready for inference with TensorRT-LLM. Only the weights and activations of the linear operators within the transformer blocks are quantized (fine-grained FP4 block scaling with group size 16; the KV cache is quantized to FP8; MLA attention projections remain in higher precision). This optimization reduces the number of bits per parameter from 8 to 4, reducing the disk size and GPU memory requirements by approximately 1.6x.

Calibration runs the official recipe unmodified except for the calibration dataloader, which reads the MLPerf deepseek-r1 calibration set (500 samples, max sequence length 2048, batch size 4).

Usage

Deploy with TensorRT-LLM

To deploy the quantized checkpoint with TensorRT-LLM LLM API, use the following sample code (requires 8 GPUs of Blackwell generation or later, and TensorRT-LLM built from source with the latest main branch):

from tensorrt_llm import SamplingParams
from tensorrt_llm._torch import LLM

def main():

    prompts = [
        "Hello, my name is",
        "The president of the United States is",
        "The capital of France is",
        "The future of AI is",
    ]
    sampling_params = SamplingParams(max_tokens=32)

    llm = LLM(model="centml/DeepSeek-R1-NVFP4-v2-mlpinf", tensor_parallel_size=8, enable_attention_dp=True)

    outputs = llm.generate(prompts, sampling_params)

    # Print the outputs.
    for output in outputs:
        prompt = output.prompt
        generated_text = output.outputs[0].text
        print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")


# The entry point of the program need to be protected for spawning processes.
if __name__ == '__main__':
    main()

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
DeepseekV3ForCausalLM
Ревизия весов
93947a0

0 моделей