Arrakis / Modelos / DeepSeek-V4-Flash

Requisitos de GPU de DeepSeek-V4-Flash

DeepSeek-V4-Flash tiene 291B parámetros. Para servirlo, calcula unos 698 GB de memoria de GPU en 16 bits, 349 GB en 8 bits o 175 GB en 4 bits, incluido un 20% para la caché KV y las activaciones.

Es un modelo de mezcla de expertos: 256 expertos, 6 de ellos activos en cada token. Todos permanecen en la memoria de la GPU, así que calcula la memoria para los 291B parámetros.

Desplegar este modelo Comprobar otro modelo

Lo que hace falta para servirlo

La memoria de GPU para ejecutarlo en inferencia, con la configuración de GPU más pequeña que lo sostiene y el precio más bajo en Arrakis ahora mismo.

Precisión	Memoria y configuración mínima
16 bits	698 GB: 4 × B200, desde 27,16 US$ por hora las 4
8 bits	349 GB: 2 × B200, desde 13,58 US$ por hora las 2
4 bits	175 GB: una B200, desde 6,79 US$ por GPU-hora

Lo que hace falta para ajustarlo

QLoRA entrena adaptadores sobre un modelo congelado de 4 bits; LoRA, sobre uno de 16 bits, y el ajuste fino completo actualiza todos los pesos. Las cifras no incluyen las activaciones, que crecen con el tamaño del lote y la longitud de secuencia.

Método	Memoria y configuración mínima
QLoRA	204 GB: una B300, desde 4,60 US$ por GPU-hora
LoRA	698 GB: 4 × B200, desde 27,16 US$ por hora las 4
Ajuste fino completo	4.655 GB: más de una máquina de 8 GPU

Sobre el modelo

De su ficha y sus archivos en Hugging Face. Las cifras de memoria siguen la guía de memoria de GPU.

Parámetros: 291B
Expertos: 256
Expertos por token: 6
Ventana de contexto (tokens): 1,048,576
Publicado en: FP8
Licencia: mit
Fecha de publicación: 2026-04-22
Pesos: deepseek-ai/DeepSeek-V4-Flash

Despliégalo en Arrakis

Abre Models en la consola, elige vLLM, SGLang o llama.cpp y alquila una GPU en la que quepa. Obtienes un endpoint compatible con OpenAI con su propia clave de API, y SSH root a la máquina. O ejecútalo tú mismo en cualquier máquina con suficiente memoria de GPU:

vLLM

vllm serve deepseek-ai/DeepSeek-V4-Flash --tensor-parallel-size 4

Desplegar este modelo Cómo funciona el despliegue

Preguntas

Los precios en tiempo real de todas las GPU están en la página de precios de GPU.

¿Cuánta memoria de GPU necesita DeepSeek-V4-Flash?

Para servirlo, unos 698 GB en 16 bits, 349 GB en 8 bits y 175 GB en 4 bits, incluido un 20% para la caché KV y las activaciones. Para ajustarlo, unos 204 GB con QLoRA, 698 GB con LoRA y 4.655 GB para un ajuste fino completo con Adam, sin contar las activaciones.

¿Puedo ejecutar DeepSeek-V4-Flash en una sola GPU?

Sí, cuantizado. En 4 bits necesita unos 175 GB, que caben en una B200. En 16 bits necesita 4 GPU B200.

¿Cuánto cuesta ejecutar DeepSeek-V4-Flash?

En 16 bits necesita 4 GPU B200; en 4 bits, una B200. Cada configuración de esta página muestra el precio más bajo por GPU-hora en Arrakis ahora mismo, y pagas por hora desde un saldo prepago.

¿Cómo despliego DeepSeek-V4-Flash en Arrakis?

Abre Models en la consola de Arrakis, pega deepseek-ai/DeepSeek-V4-Flash, elige vLLM, SGLang o llama.cpp y alquila una GPU en la que quepa. Obtienes un endpoint compatible con OpenAI con su propia clave de API, y SSH root a la máquina.

Más modelos

Todos los modelos, y una comprobación para cualquier otro.