/ Модель

Характеристики

Лицензия
MIT
Базовая модель
DeepSeek-V4-Flash-Vision-Exp
Библиотека
transformers
Опубликована
4 сен 2026

DeepSeek-V4-Flash-Vision-Exp-GGUF

Генерация текстаТекст → текст15 профессий

DeepSeek-V4-Flash-Vision-Exp-GGUF — текстовая GGUF-квантизация базовой модели DeepSeek-V4-Flash-Vision-Exp, разработанная qtum на основе модели DeepSeek AI.

332скачиваний за 30 дней1лайквеса обновлены4 сен 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

Она предназначена для генерации и обработки текста, рассуждений, программирования, ответов на вопросы и развертывания через llama.cpp или совместимые инструменты. Входные изображения не поддерживаются, поскольку vision encoder в этот выпуск не включен.

Модель использует MoE-архитектуру DeepSeek-V4 с 256 экспертами и маршрутизацией top-6; заявленный общий размер составляет около 2,1 трлн параметров, из которых 50,4 млрд активны при одном проходе. Контекст — до 128K токенов, языки — английский и китайский. Доступны семь уровней квантизации от Q3_K_M до IQ1_S: варианты Q3_K_M–Q2_K ориентированы на использование с минимальной потерей качества, а IQ1_M и IQ1_S обеспечивают максимальное сжатие, но заметно снижают качество. Размер файлов составляет примерно 59–130 ГБ, а требования к видеопамяти — около 61–135 ГБ, поэтому для запуска требуется мощное GPU-оборудование и загрузка всех частей многотомной модели. Модель распространяется по лицензии MIT.

Для каких профессий подходит15

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-Vision-Exp-GGUF (Text-Only)

⚠️ Important: Text-Only Quantization

This repository contains text-only GGUF quantizations of DeepSeek-V4-Flash-Vision-Exp.

  • ✅ Full text reasoning capabilities preserved
  • ✅ All 7 quantization levels with PPL validation
  • ✅ Calibrated with high-quality community dataset
  • ❌ Vision encoder not included (image input not supported)

Vision support in GGUF format requires upstream llama.cpp integration, which is still in development. This release focuses on delivering production-ready text quantizations with comprehensive quality validation.

For multimodal capabilities, use the original safetensors model from deepseek-ai/DeepSeek-V4-Flash-Vision-Exp.


Model Details

PropertyValue
Base ModelDeepSeek-V4-Flash-Vision-Exp
ArchitectureDeepSeek-V4 (256 experts, top-6 routing)
Parameters256×8.4B (2.1T total, 50.4B active)
Context Length128K tokens
Quantization7 levels (Q3_K_M to IQ1_S)
Total Size616 GiB (28 shards)
LicenseMIT

Quantization Quality

All quantizations calibrated with high-quality community dataset and validated with perplexity testing.

Baseline (BF16): PPL = 2.3549

QuantFile SizePPLΔ%Use Case
Q3_K_M130 GB2.66+13%Recommended - Best quality/size balance
IQ3_XXS106 GB3.17+35%High quality, smaller size
Q2_K101 GB3.70+57%Balanced compression
IQ2_XS83 GB5.22+122%Aggressive compression
IQ2_XXS75 GB5.95+153%Very small size
IQ1_M65 GB8.43+258%Extreme compression
IQ1_S59 GB9.22+291%Maximum compression

Quality Notes

  • Q3_K_M through Q2_K: Production-ready, minimal quality loss
  • IQ2_XS through IQ2_XXS: Acceptable for most use cases
  • IQ1_M and IQ1_S: Experimental, noticeable degradation

All models maintain structural integrity with 1328 tensors and 256 experts verified.


How to Use

Requirements

# Latest llama.cpp with DeepSeek-V4 support
git clone https://github.com/ggml-org/llama.cpp
cd llama.cpp
git checkout master  # Ensure you have DeepSeek-V4 support
make LLAMA_CUDA=1    # or your preferred backend

Basic Inference

# Download a quantization (example: Q3_K_M, 130GB)
huggingface-cli download qtum/DeepSeek-V4-Flash-Vision-Exp-GGUF \
  --include "DeepSeek-V4-Flash-Vision-Exp-Q3_K_M-*" \
  --local-dir ./models

# Run inference
./llama-cli \
  -m models/DeepSeek-V4-Flash-Vision-Exp-Q3_K_M-00001-of-00004.gguf \
  -p "Explain quantum computing in simple terms:" \
  -n 512 \
  -ngl 99  # Offload to GPU

Server Mode

./llama-server \
  -m models/DeepSeek-V4-Flash-Vision-Exp-Q3_K_M-00001-of-00004.gguf \
  -c 4096 \
  -ngl 99 \
  --host 0.0.0.0 \
  --port 8080

Python (llama-cpp-python)

from llama_cpp import Llama

llm = Llama(
    model_path="models/DeepSeek-V4-Flash-Vision-Exp-Q3_K_M-00001-of-00004.gguf",
    n_ctx=4096,
    n_gpu_layers=-1,  # Use GPU
    verbose=False
)

response = llm.create_chat_completion(
    messages=[
        {"role": "user", "content": "Write a Python function to calculate Fibonacci numbers."}
    ],
    max_tokens=512,
    temperature=0.7
)

print(response['choices'][0]['message']['content'])

Hardware Requirements

QuantVRAM (Estimate)Recommended GPU
Q3_K_M~135 GB2×H100 (80GB) or 2×A100 (80GB)
IQ3_XXS~110 GB2×H100 (80GB) or 2×A100 (80GB)
Q2_K~105 GB2×H100 (80GB) or 2×A100 (80GB)
IQ2_XS~86 GB2×A100 (40GB) or 1×H100 (80GB)
IQ2_XXS~78 GB1×H100 (80GB)
IQ1_M~67 GB1×A100 (80GB)
IQ1_S~61 GB1×A100 (80GB)

Estimates include model weights + KV cache. Actual requirements vary by context length.


Technical Details

Quantization Method

  • Calibration Dataset: High-quality community dataset (MIT licensed)
  • Protected Layers:
    • Attention: Q8_0
    • Shared Experts: Q8_0
    • Router/Indexer: Q8_0
    • Compressor: Q8_0
    • Hyper-Connections: F32
    • FFN Gate Input: F32
    • Embeddings/Output: Q6_K
  • Verification: All quantizations validated with tensor count (1328) and expert count (256)

Architecture Highlights

  • MoE Structure: 256 experts per layer, top-6 routing
  • Active Parameters: 50.4B per forward pass
  • Hash Routing: First 3 layers use hash-based expert selection
  • Hyper-Connections: Cross-layer skip connections for improved training

Changelog

2026-09-04 - Initial release

  • 7 quantization levels (Q3_K_M to IQ1_S)
  • Text-only conversion with vision tensors filtered
  • Comprehensive PPL validation
  • Community calibration dataset

Limitations

  1. No Vision Support: Image inputs are not supported. Text-only inference.
  2. Large Memory Requirements: Even the smallest quant (IQ1_S) requires 61GB VRAM.
  3. Split Files: Models are split into 4 shards due to size. Download all parts.

Citation

@misc{deepseek-v4-flash-vision-exp-gguf,
  title={DeepSeek-V4-Flash-Vision-Exp-GGUF (Text-Only)},
  author={qtum},
  year={2026},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/qtum/DeepSeek-V4-Flash-Vision-Exp-GGUF}}
}

Original model by DeepSeek AI:

@misc{deepseek-v4-flash-vision-exp,
  title={DeepSeek-V4-Flash-Vision-Exp},
  author={DeepSeek AI},
  year={2026},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp}}
}

License

This quantization is released under the MIT License, matching the base model.


About qtum

qtum publishes high-quality GGUF quantizations with transparent quality metrics and open calibration data. All releases include perplexity validation and are tested for structural integrity.

For questions or issues, please open an issue on this repository.

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
0357c94

0 моделей