Arrakis / Modèles / DeepSeek-V4-Flash

Besoins GPU de DeepSeek-V4-Flash

DeepSeek-V4-Flash compte 291B paramètres. Pour le servir, prévoyez environ 698 Go de mémoire GPU en 16 bits, 349 Go en 8 bits ou 175 Go en 4 bits, dont environ 20 % pour le cache KV et les activations.

C’est un modèle à mélange d’experts : 256 experts, dont 6 actifs pour chaque token. Tous restent en mémoire GPU : prévoyez la mémoire pour l’ensemble des 291B paramètres.

Déployer ce modèle Vérifier un autre modèle

Ce qu’il faut pour le servir

La mémoire GPU pour le faire tourner en inférence, avec la plus petite configuration GPU qui le contient et le prix le plus bas sur Arrakis en ce moment.

Précision	Mémoire et plus petite configuration
16 bits	698 Go : 4 × B200, à partir de 27,16 $ de l’heure pour les 4
8 bits	349 Go : 2 × B200, à partir de 13,58 $ de l’heure pour les 2
4 bits	175 Go : un B200, à partir de 6,79 $ par heure de GPU

Ce qu’il faut pour l’affiner

QLoRA entraîne des adaptateurs sur un modèle figé en 4 bits, LoRA sur un modèle en 16 bits, et le fine-tuning complet met à jour tous les poids. Les chiffres s’entendent hors activations, qui augmentent avec la taille des lots et la longueur des séquences.

Méthode	Mémoire et plus petite configuration
QLoRA	204 Go : un B300, à partir de 4,60 $ par heure de GPU
LoRA	698 Go : 4 × B200, à partir de 27,16 $ de l’heure pour les 4
Fine-tuning complet	4 655 Go : plus d’une machine à 8 GPU

À propos du modèle

D’après sa fiche et ses fichiers sur Hugging Face. Les chiffres de mémoire suivent le guide de la mémoire GPU.

Paramètres: 291B
Experts: 256
Experts par token: 6
Fenêtre de contexte (tokens): 1,048,576
Publié en: FP8
Licence: mit
Date de publication: 2026-04-22
Poids: deepseek-ai/DeepSeek-V4-Flash

Déployez-le sur Arrakis

Ouvrez Models dans la console, choisissez vLLM, SGLang ou llama.cpp, et louez un GPU sur lequel il tient. Vous obtenez un endpoint compatible OpenAI avec sa propre clé d’API, et un accès SSH root à la machine. Ou faites-le tourner vous-même sur n’importe quelle machine avec assez de mémoire GPU :

vLLM

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

Déployer ce modèle Comment fonctionne le déploiement

Questions

Les prix en temps réel de tous les GPU sont sur la page Prix des GPU.

De combien de mémoire GPU DeepSeek-V4-Flash a-t-il besoin ?

Pour le servir, environ 698 Go en 16 bits, 349 Go en 8 bits et 175 Go en 4 bits, dont environ 20 % pour le cache KV et les activations. Pour l’affiner, environ 204 Go avec QLoRA, 698 Go avec LoRA et 4 655 Go pour un fine-tuning complet avec Adam, hors activations.

Puis-je faire tourner DeepSeek-V4-Flash sur un seul GPU ?

Oui, quantifié. En 4 bits, il lui faut environ 175 Go, ce qui tient sur un B200. En 16 bits, il lui faut 4 GPU B200.

Combien coûte l’exécution de DeepSeek-V4-Flash ?

En 16 bits, il lui faut 4 GPU B200 ; en 4 bits, un B200. Chaque configuration de cette page affiche le prix le plus bas par heure de GPU sur Arrakis en ce moment, et vous payez à l’heure depuis un solde prépayé.

Comment déployer DeepSeek-V4-Flash sur Arrakis ?

Ouvrez Models dans la console Arrakis, collez deepseek-ai/DeepSeek-V4-Flash, choisissez vLLM, SGLang ou llama.cpp, et louez un GPU sur lequel il tient. Vous obtenez un endpoint compatible OpenAI avec sa propre clé d’API, et un accès SSH root à la machine.

Plus de modèles

Tous les modèles, et une vérification pour n’importe quel autre.