Arrakis / 模型 / DeepSeek-V4-Flash

DeepSeek-V4-Flash 的 GPU 需求

DeepSeek-V4-Flash 有 291B 参数。部署推理时，16 位约需 698 GB 显存，8 位约 349 GB，4 位约 175 GB，其中包含约 20% 用于 KV 缓存和激活值。

它是混合专家模型：共 256 个专家，每个 token 激活其中 6 个。所有专家都常驻显存，因此显存要按全部 291B 参数来规划。

部署推理需要什么

推理运行它所需的显存，能放下它的最小 GPU 配置，以及 Arrakis 当前的最低价格。

精度	显存与最小配置
16 位	698 GB：4 × B200，4 块合计每小时 $27.16 起
8 位	349 GB：2 × B200，2 块合计每小时 $13.58 起
4 位	175 GB：一块 B200，每 GPU 小时 $6.79 起

微调需要什么

QLoRA 在冻结的 4 位模型上训练适配器，LoRA 基于 16 位模型，全量微调则会更新所有权重。以上数字不含激活值，激活值会随批大小和序列长度增长。

方法	显存与最小配置
QLoRA	204 GB：一块 B300，每 GPU 小时 $4.60 起
LoRA	698 GB：4 × B200，4 块合计每小时 $27.16 起
全量微调	4,655 GB：多于一台 8 卡机器

关于这个模型

来自它在 Hugging Face 上的模型卡和文件。本页的显存数字遵循GPU 显存指南。

参数量: 291B
专家数: 256
每个 token 的专家数: 6
上下文窗口（token）: 1,048,576
发布精度: FP8
许可证: mit
发布日期: 2026-04-22
权重: deepseek-ai/DeepSeek-V4-Flash

在 Arrakis 上部署

在控制台中打开 Models，选择 vLLM、SGLang 或 llama.cpp，然后租用一块能放下它的 GPU。你会得到一个兼容 OpenAI 的端点，带有专属 API 密钥，并可通过 root SSH 登录机器。也可以在任何显存足够的机器上自己运行：

vLLM

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

部署这个模型部署是怎么运作的

常见问题

所有 GPU 的实时价格见 GPU 价格页面。

DeepSeek-V4-Flash 需要多少显存？

推理部署时，16 位约需 698 GB，8 位约 349 GB，4 位约 175 GB，其中包含约 20% 用于 KV 缓存和激活值。微调时，QLoRA 约需 204 GB，LoRA 约需 698 GB，使用 Adam 全量微调约需 4,655 GB，均未计入激活值。

DeepSeek-V4-Flash 能在单块 GPU 上运行吗？

可以，但需要量化。4 位下约需 175 GB，一块 B200 就能放下。16 位下需要 4 块 B200。

运行 DeepSeek-V4-Flash 要多少钱？

16 位下需要 4 块 B200；4 位下需要一块 B200。本页每种配置都显示 Arrakis 当前每 GPU 小时的最低价格，从预付余额中按小时扣费。

如何在 Arrakis 上部署 DeepSeek-V4-Flash？

在 Arrakis 控制台中打开 Models，粘贴 deepseek-ai/DeepSeek-V4-Flash，选择 vLLM、SGLang 或 llama.cpp，然后租用一块能放下它的 GPU。你会得到一个兼容 OpenAI 的端点，带有专属 API 密钥，并可通过 root SSH 登录机器。