/ Модель

Характеристики

Размер весов
55,9 ГБ
Лицензия
MIT
Опубликована
19 июн 2026

deepseek-v4-flash-reap-k128-Q2-Q4-Mixed-GGUF

Генерация текстаТекст → текст15 профессий

Экспериментальная GGUF-версия DeepSeek V4 Flash с удалёнными 50% маршрутизируемых экспертов предназначена для генерации текста и диалогов.

81скачиваний за 30 дней3лайкавеса 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 — это экспериментальная структурно прореженная версия DeepSeek V4 Flash, подготовленная sleepyeldrazi. Метод REAP от Cerebras Research удаляет 50% маршрутизируемых экспертов в слоях Mixture-of-Experts, сохраняя внимание, эмбеддинги, общих экспертов, маршрутизатор и компоненты MTP. Это GGUF-модель смешанной точности: в слоях 37–42 используются эксперты Q4_K, в остальных — IQ2_XXS/Q2_K. Для запуска требуется среда ds4, поддерживающая выбор типа квантования по слоям.

Модель предназначена для генерации текста и диалогов, в том числе для задач программирования, вызова инструментов и поиска знаний. Для калибровки использованы 8 000 промптов на 5 млн токенов; автор сообщает о прореживании без дообучения и без изменения весов сохранённых экспертов. Модель распространяется по лицензии MIT. Для запуска требуется совместимый runtime; README предупреждает о несовместимости с некоторыми средами, ожидающими тензоры экспертов IQ2_XXS.

Сценарии применения

  • генерация ответов в диалоге
  • помощь в написании и анализе кода
  • вызов инструментов в агентных сценариях
  • ответы на исследовательские и справочные вопросы

Ограничения

Для запуска необходим ds4 runtime с поддержкой смешанных типов квантования по слоям; другие среды могут выдавать ошибки при загрузке экспертных тензоров. Модель структурно прорежена и не проходила дообучение.

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 (Mixed Precision)

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.

At a Glance

Base modelDeepSeek V4 Flash
Donor GGUFantirez Layers37-42Q4KExperts (90.9 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 size52.04 GiB
Mixed precisionLayers 3-36: Q2_K/IQ2_XXS · Layers 37-42: Q4_K

Note: This variant preserves the donor's mixed quantization (Q4_K in layers 37-42, IQ2_XXS/Q2_K elsewhere). Requires a ds4 runtime that handles per-layer quant type dispatch. If you encounter "expected IQ2_XXS expert tensors" errors, use the uniform variant.

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.gguf --ctx 131072

API server mode:

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

How It Was Built

  1. Donor GGUF: Downloaded antirez Layers37-42Q4KExperts variant (90.9 GiB) — Q4_K experts in deep layers, IQ2_XXS/Q2_K elsewhere
  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
  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.

Acknowledgments

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
c062d7a

0 моделей