/ Модель

Характеристики

Лицензия
MIT
Базовая модель
DeepSeek-V4-Flash-0731
Опубликована
8 авг 2026

DeepSeek-V4-Flash-REAP-80G-imatrix-0731

Генерация текстаТекст → текст12 профессий

Экспериментальная сокращённая и квантованная в GGUF производная DeepSeek-V4-Flash-0731 для локальной генерации текста в диалогах и других текстовых задачах.

72скачиваний за 30 дней1лайквеса обновлены8 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

DeepSeek-V4-Flash-0731 REAP 80G — производная версия DeepSeek-V4-Flash-0731 от автора репозитория, сокращённая методом REAP и упакованная в формат GGUF с разной точностью квантования. В каждом MoE-блоке сохранено 160 из 256 маршрутизируемых экспертов; эксперты используют IQ2XXS, проекции W2 — Q4_K, а внимание, общие эксперты и выходная голова — Q8_0. Модель предназначена для генерации текста в диалоговом режиме и локального запуска на совместимом с DeepSeek-V4 оборудовании и ПО.

Карточка описывает её как экспериментальную производную, не являющуюся официальным выпуском DeepSeek. Ожидаемые сценарии включают диалог, программирование, рассуждения, работу с инструментами и длинным контекстом, но качество этих возможностей следует оценивать на своих задачах. Для запуска требуются среды, понимающие компоненты DeepSeek-V4; обычные загрузчики GGUF могут не поддерживать используемые компоненты MXFP4, sparse attention, токенизатор и DSpark MTP. Оценки паритета с исходной моделью по бенчмаркам нет.

Модель основана на deepseek-ai/DeepSeek-V4-Flash-0731; метаданные указывают языки en и zh, лицензию MIT и задачу text-generation. README предупреждает, что важность экспертов оценивалась по близкому раннему чекпойнту, а не по версии 0731; удалено 37,5% маршрутизируемых экспертов. Совместимость MTP-блоков требует отдельной проверки.

Сценарии применения

  • локальный диалог с языковой моделью
  • генерация и дополнение программного кода
  • решение задач на рассуждение
  • вызов инструментов в агентных сценариях
  • обработка длинных текстовых контекстов

Ограничения

Удалено 37,5% маршрутизируемых экспертов, а оценки бенчмарков не подтверждают сохранение качества исходной модели; качество на задачах программирования, рассуждения, работы с инструментами и длинным контекстом нужно проверять отдельно. Требуется совместимый с DeepSeek-V4 runtime, а совместимость MTP-блоков также следует проверить отдельно.

Для каких профессий подходит12

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 REAP 80G

A balanced, memory-efficient GGUF quantization of deepseek-ai/DeepSeek-V4-Flash-0731 with 160 of 256 routed experts retained via REAP pruning.

This is an experimental derivative. It is not an official DeepSeek release, and pruning/quantization can reduce quality. Evaluate it on your own coding, reasoning, tool-use, and long-context workloads before production use.

What's Inside

ItemValue
Source revision9e165c30e2704aec5d9d593cce3eebd58bbef1cb
Original routed experts256 per MoE scope
Retained routed experts160 per MoE scope
Routed experts removed37.5%
Router top-k6, unchanged
Backbone MoE layers43
DSpark MTP blocks3, mapped to backbone layers 40, 41, 42
GGUF tensor count1,328
GGUF size~70.9 GB

Quantization Recipe

This model uses a mixed-precision scheme optimized for quality at reduced size:

  • Experts (routed w1/w3): IQ2XXS (2.06 bpw)
  • Routed W2 (down projection): Q4_K (4.58 bpw)
  • Attention projections: Q8_0
  • Shared experts: Q8_0
  • Output head: Q8_0
  • Token embeddings: BF16

The W2 projection was upgraded to Q4_K to preserve the MoE expert quality that degrades fastest under aggressive quantization, while keeping the rest of the model at high precision.

How It Was Made

  1. REAP pruning retained 160/256 experts per layer from the DeepSeek-V4-Flash-0731 checkpoint using transferred rankings from the 0xSero/deepseek-v4-flash-reap-observations-v2 dataset.
  2. GGUF conversion used the antirez/ds4 deepseek4-quantize tool with the recipe above.
  3. Imatrix was collected via the ds4 runtime's routed-MoE activation collector on a Q4KExperts template GGUF, using the DeepSeek-V4-Flash-chat-v2-routed-moe-ds4 calibration corpus.
  4. Verification included structural checks (1,328 tensors, zero failures) and runtime smoke tests.

Usage

Use a DeepSeek-V4-capable runtime. Generic GGUF loaders may not understand the model's custom MXFP4, sparse-attention, tokenizer, and DSpark MTP components.

llama.cpp / llama-server

./llama-cli -m DeepSeek-V4-Flash-REAP-80G-imatrix-0731.gguf \
  -ngl 99 \
  -c 8192 \
  --chat-template deepseek-v4

vLLM

For the tested vLLM preview lineage, patch vllm_topk_softplus_sqrt so expert counts outside the fused kernel's supported set call the Torch fallback. See the runtime/ directory in the source repository for the patch script.

Limitations

  • Expert importance came from a closely aligned earlier checkpoint, not a fresh 0731 observation.
  • Structural and smoke validation do not establish benchmark parity with the unpruned model.
  • This is an aggressive 37.5% routed-expert prune. Coding preservation is plausible because coding and agentic data were included, but must be measured rather than assumed.
  • The included three DSpark MTP blocks were pruned consistently; MTP runtime compatibility should be validated separately from backbone generation.

Credits and License

Thanks to DeepSeek for the base model, Cerebras Research for REAP, the vLLM contributors, and the ds4 community for the GGUF toolchain.

This derivative follows the source repository's MIT license. See LICENSE for the full text.

Citation

If you use this model in your research, please cite the original DeepSeek-V4-Flash work and the REAP pruning methodology.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

Не найден файл GGUF для запуска.

Ревизия весов
f0ec2aa

0 моделей