Arrakis / Modelos / DeepSeek-V4-Flash

Requisitos de GPU do DeepSeek-V4-Flash

O DeepSeek-V4-Flash tem 291B parâmetros. Para servi-lo, conte com cerca de 698 GB de memória de GPU em 16 bits, 349 GB em 8 bits ou 175 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações.

É um modelo de mistura de especialistas: 256 especialistas, 6 deles ativos para cada token. Todos ficam na memória da GPU, então conte memória para todos os 291B parâmetros.

Implantar este modelo Verificar outro modelo

O que é preciso para servi-lo

A memória de GPU para rodá-lo em inferência, com a menor configuração de GPU que o comporta e o menor preço na Arrakis agora.

Precisão	Memória e menor configuração
16 bits	698 GB: 4 × B200, a partir de US$ 25,32 por hora pelas 4
8 bits	349 GB: 2 × B200, a partir de US$ 12,66 por hora pelas 2
4 bits	175 GB: uma B200, a partir de US$ 6,33 por GPU-hora

O que é preciso para fazer ajuste fino

O QLoRA treina adaptadores sobre um modelo congelado em 4 bits, o LoRA sobre um em 16 bits, e o ajuste fino completo atualiza todos os pesos. Os valores não incluem as ativações, que crescem com o tamanho do lote e o comprimento da sequência.

Método	Memória e menor configuração
QLoRA	204 GB: uma B300, a partir de US$ 4,60 por GPU-hora
LoRA	698 GB: 4 × B200, a partir de US$ 25,32 por hora pelas 4
Ajuste fino completo	4.655 GB: mais de uma máquina de 8 GPUs

Sobre o modelo

Do cartão e dos arquivos no Hugging Face. Os números de memória seguem o guia de memória de GPU.

Parâmetros: 291B
Especialistas: 256
Especialistas por token: 6
Janela de contexto (tokens): 1,048,576
Publicado em: FP8
Licença: mit
Data de lançamento: 2026-04-22
Pesos: deepseek-ai/DeepSeek-V4-Flash

Implante na Arrakis

Abra Models no console, escolha vLLM, SGLang ou llama.cpp e alugue uma GPU em que ele caiba. Você recebe um endpoint compatível com OpenAI com sua própria chave de API, e SSH root na máquina. Ou rode você mesmo em qualquer máquina com memória de GPU suficiente:

vLLM

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

Implantar este modelo Como funciona a implantação

Perguntas

Os preços em tempo real de todas as GPUs estão na página de preços de GPU.

Quanta memória de GPU o DeepSeek-V4-Flash precisa?

Para servi-lo, cerca de 698 GB em 16 bits, 349 GB em 8 bits e 175 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações. Para fazer ajuste fino, cerca de 204 GB com QLoRA, 698 GB com LoRA e 4.655 GB para ajuste fino completo com Adam, sem contar as ativações.

Posso rodar o DeepSeek-V4-Flash em uma única GPU?

Sim, quantizado. Em 4 bits ele precisa de cerca de 175 GB, que cabem em uma B200. Em 16 bits ele precisa de 4 GPUs B200.

Quanto custa rodar o DeepSeek-V4-Flash?

Em 16 bits ele precisa de 4 GPUs B200; em 4 bits, de uma B200. Cada configuração desta página mostra o menor preço por GPU-hora na Arrakis agora, e você paga por hora a partir de um saldo pré-pago.

Como implanto o DeepSeek-V4-Flash na Arrakis?

Abra Models no console da Arrakis, cole deepseek-ai/DeepSeek-V4-Flash, escolha vLLM, SGLang ou llama.cpp e alugue uma GPU em que ele caiba. Você recebe um endpoint compatível com OpenAI com sua própria chave de API, e SSH root na máquina.

Mais modelos

Todos os modelos, e uma verificação para qualquer outro.