/ Модель

Характеристики

Размер весов
50,4 ГБ
Лицензия
MIT
Опубликована
19 июн 2026

deepseek-v4-flash-reap-k128-Q2-GGUF

Генерация текстаТекст → текст15 профессий

Квантизированная и структурно сокращённая версия DeepSeek V4 Flash для генерации текста, диалогов, программирования и задач с инструментами.

123скачиваний за 30 дней7лайковвеса обновлены19 июн 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

DeepSeek V4 Flash REAP K128 (Uniform) — производная версия DeepSeek V4 Flash от sleepyeldrazi. В модели удалена половина маршрутизируемых экспертов MoE с помощью метода REAP; механизм внимания, эмбеддинги, общие эксперты, маршрутизатор и компоненты MTP сохранены. Тонкая настройка не выполнялась: оставшиеся веса взяты без изменений из исходной модели. Репозиторий содержит GGUF с равномерной квантизацией экспертов IQ2_XXS/Q2_K; заявленный размер файла — 46,98 ГиБ.

Модель предназначена для генерации текста и диалогового использования, в том числе для задач программирования, вызова инструментов и поиска знаний. Совместима со средой ds4-engine; для запуска требуется ds4-for-reaped с поддержкой компактного GGUF. Калибровка при отборе экспертов проводилась на контексте 4096 токенов, но это не подтверждает максимальную длину контекста модели. Лицензия — MIT.

Удаление половины экспертов и низкая точность квантизации могут повлиять на качество ответов; README не приводит количественных результатов оценки. Вызов инструментов обозначен как сценарий калибровки и использования, но сам по себе не подтверждает наличие отдельного интерфейса tool calling.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • помощь с написанием и разбором кода
  • вызов инструментов в агентных сценариях
  • ответы на исследовательские и справочные вопросы

Ограничения

Удалено 50% маршрутизируемых экспертов, а эксперты хранятся в низкоточных форматах IQ2_XXS/Q2_K, поэтому качество может уступать исходной модели; количественные результаты оценки в README не приведены. Для запуска требуется совместимая сборка ds4-engine с поддержкой компактного GGUF.

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 — REAP K128 (Uniform)

REAP-pruned DeepSeek V4 Flash at K128 (128 routed experts per MoE layer). Prunes 50% of routed experts via Cerebras REAP (Router-weighted Expert Activation Pruning), preserving all attention, embeddings, shared experts, router, and MTP components.

Drop-in compatible with the standard ds4-engine runtime — uniform IQ2_XXS/Q2_K expert quantization throughout all layers. No per-layer quant dispatch required.

At a Glance

Base modelDeepSeek V4 Flash
Donor GGUFantirez IQ2XXS-w2Q2K-AProjQ8 (80.8 GiB)
Pruning methodREAP (Cerebras Research)
Routed experts128 per layer (down from 256)
Kept slots5,888 / 11,008
Hash-preservedLayers 0-2 (256 experts each)
PrunedLayers 3-42 (128 experts each)
Formatds4-compact-v1 GGUF
File size46.98 GiB
QuantizationUniform IQ2_XXS / Q2_K experts in all layers

This is the recommended variant for most users. Uniform expert quantization means it works out of the box with any ds4-engine build. The mixed-precision variant (52 GiB) has Q4_K in layers 37-42 but requires runtime per-layer quant dispatch.

Domain Split (Calibration)

8,000 prompts · 5.0M tokens · 1.3B routed expert observations

DomainShare
Coding & development35-40%
Agentic tool-calling16%
Research & knowledge15-20%
Math & science10-15%
Design & planning5-10%
Trivia & general QA3-5%

Calibration used the REAP activation_energy_sum2 score metric with 4,096 token context per prompt. Top-to-bottom expert score gap in layer 3: 2,200x (strong pruning signal).

How to Run

Requires eouya2/ds4-for-reaped (ds4 engine with compact GGUF support):

git clone https://github.com/eouya2/ds4-for-reaped
cd ds4-for-reaped
make cuda-spark -j$(nproc)  # DGX Spark / CUDA
# or: make                    # Metal / macOS

./ds4 --cuda -m DeepSeek-V4-Flash-REAP-K128-uniform.gguf --ctx 131072

API server mode:

./ds4-server --cuda -m DeepSeek-V4-Flash-REAP-K128-uniform.gguf \
  --host 0.0.0.0 --port 17777 --ctx 131072

How It Was Built

  1. Donor GGUF: Downloaded antirez IQ2XXS-w2Q2K-AProjQ8 variant (80.8 GiB) — uniform IQ2_XXS/Q2_K experts throughout
  2. Calibration: 8,000 prompts collected and run through ds4's imatrix collector on a DGX Spark (NVIDIA GB10) at 4,096 token context
  3. REAP scoring: Imatrix activation data converted to per-expert REAP scores using activation_energy_sum2 (same calibration used for the mixed-precision variant — REAP scores are quantization-independent)
  4. Pruning: 50% expert removal via ds4_prune_gguf.py from eouya2/reap-for-ds4. Layers 0-2 (hash-routed) preserved. Expert tensors copied byte-for-byte — no dequant/requant.
  5. Output: ds4-compact-v1 GGUF

No fine-tuning. Purely structural expert removal. Weights are unmodified — a subset of the original experts.

Comparison with Mixed-Precision Variant

Uniform (this)Mixed Precision
File size46.98 GiB52.04 GiB
Expert quantsIQ2_XXS/Q2_K all layersQ4_K in layers 37-42
CompatibilityDrop-inNeeds quant-aware runtime
QualityBaselineSlightly higher in deep layers

Acknowledgments

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
62d0106

0 моделей