当前位置：

社区首页

电脑数码

存储设备

网络存储

AIGC文章详情

深度求索开源DeepSeek-V4-Flash：普通电脑可运行，最低16GB内存支持本地部署

源自66位全网作者

05-23 14:49

精选参考来源

前面讲的用 6G 显存的 GTX 1660 Ti 跑 Qwen3.5-35B-A3B-Q4_K_M.gguf 速度能达到 21 t/s ~ 25 t/s 的这个实验（网页链接），有人问是不是用这个机器跑别的模型也可以。首先，并不能因为 35B 的 Qwen3.5-35B-A3B 在这个机器上能跑，所以认为 27B 的 Qwen3.5-27B 肯定也可以。实际上即使 Qwen3.5-9B 跑起来也很慢，只有 6 t/s。这主要是因为 Qwen3.5-35B-A3B 是 MoE 模型，激活参数只有 3B。也就是说，对显存较小机器来说，Qwen3.5-35B-A3B 是 Qwen3.5 系列中最适合的。另外，总参数 30B 激活参数 3B 的 GLM-4.7-Flash-Q4_K_M 也量化到 Q4，同样用 llama.cpp 在这台机器上的速度大约 13 t/s。Qwen3.5 的速度更快可能和它用了混合注意力设计、软件优化更好等因素等有关。所以，不仅在 Qwen3.5 系列中，而是在当前所有模型中，Qwen3.5-35B-A3B 可能都是小显存机器跑大模型的最优解。如果你有类似硬件，想体验一下，但对技术了解不多，可以参考下面的最简化尝试步骤（假设你的操作系统是 Windows）：1、下载 llama.cppgithub.com/ggml-org/llama.cpp/releases/download/b8352/llama-b8352-bin-win-cuda-12.4-x64.zipgithub.com/ggml-org/llama.cpp/releases/download/b8352/cudart-llama-bin-win-cuda-12.4-x64.zip把两个压缩包解开，文件放进同一个目录。假设该目录名字是 llama。2、下载 Qwen3.5-35B-A3B-Q4_K_M.ggufhuggingface.co/unsloth/Qwen3.5-35B-A3B-GGUF/resolve/main/Qwen3.5-35B-A3B-Q4_K_M.gguf?download=true建议存放在固态硬盘而不是机械硬盘上，这会直接影响接下来加载模型的速度。3、在命令行执行 llama 目录中的 llama-cli：llama-cli -m Qwen3.5-35B-A3B-Q4_K_M.gguf

【中国信通院正式启动DeepSeek V4国产化适配测试工作】中国信通院今天宣布，正式启动DeepSeek V4国产化适配测试，推动模型与国产软硬件深度协同、加速产业落地。本次测试依托工信部重点实验室与AISHPerf基准体系开展，覆盖芯片、服务器、一体机、集群、开发工具链、智算平台等全栈AI软硬件产品，聚焦DeepSeek V4全系列模型的推理、微调流程。评测从适配易用性、功能完备性、优化效果、性能、成本五大维度评估，并新增长序列处理、代码能力、智能体调用成功率、任务拆解等专项指标，形成立体化评测体系。DeepSeek V4发布当日已实现多家国产硬件Day-0适配，标志国产AI软硬件进入同频迭代阶段。本次测试将客观验证适配水平，强化国产算力支撑，加快构建自主可控AI生态。DeepSeek V4包含V4-Pro（旗舰版）与V4-Flash（轻量版）双版本，两大版本均原生支持100万Token超长上下文（约75万字），采用自研DSA稀疏注意力机制，百万上下文推理成本降低70%，显存占用减少40%。V4-Pro：总参数达1.6万亿，激活参数49B，主打顶级性能上限，对标GPT-5、Claude Opus等全球顶尖闭源模型，适配复杂推理、代码生成、科研计算等高难度任务。V4-Flash：总参数284B，激活参数13B，主打高效低成本，推理能力接近Pro版，速度更快、价格更低，适合日常交互、内容创作、企业轻量化部署等场景。

全部
来源

内容由AI生成

1. 前面讲的用 6G 显存的 GTX 1660 Ti 跑 Qwen3.5-35B-A3B-Q4_K_M.gguf 速度能达到 21 t/s ~ 25 t/s 的这个实验（网页链接），有人问是不是用这个机器跑别的模型也可以。首先，并不能因为 35B 的 Qwen3.5-35B-A3B 在这个机器上能跑，所以认为 27B 的 Qwen3.5-27B 肯定也可以。实际上即使 Qwen3.5-9B 跑起来也很慢，只有 6 t/s。这主要是因为 Qwen3.5-35B-A3B 是 MoE 模型，激活参数只有 3B。也就是说，对显存较小机器来说，Qwen3.5-35B-A3B 是 Qwen3.5 系列中最适合的。另外，总参数 30B 激活参数 3B 的 GLM-4.7-Flash-Q4_K_M 也量化到 Q4，同样用 llama.cpp 在这台机器上的速度大约 13 t/s。Qwen3.5 的速度更快可能和它用了混合注意力设计、软件优化更好等因素等有关。所以，不仅在 Qwen3.5 系列中，而是在当前所有模型中，Qwen3.5-35B-A3B 可能都是小显存机器跑大模型的最优解。如果你有类似硬件，想体验一下，但对技术了解不多，可以参考下面的最简化尝试步骤（假设你的操作系统是 Windows）：1、下载 llama.cppgithub.com/ggml-org/llama.cpp/releases/download/b8352/llama-b8352-bin-win-cuda-12.4-x64.zipgithub.com/ggml-org/llama.cpp/releases/download/b8352/cudart-llama-bin-win-cuda-12.4-x64.zip把两个压缩包解开，文件放进同一个目录。假设该目录名字是 llama。2、下载 Qwen3.5-35B-A3B-Q4_K_M.ggufhuggingface.co/unsloth/Qwen3.5-35B-A3B-GGUF/resolve/main/Qwen3.5-35B-A3B-Q4_K_M.gguf?download=true建议存放在固态硬盘而不是机械硬盘上，这会直接影响接下来加载模型的速度。3、在命令行执行 llama 目录中的 llama-cli：llama-cli -m Qwen3.5-35B-A3B-Q4_K_M.gguf

2. 【中国信通院正式启动DeepSeek V4国产化适配测试工作】中国信通院今天宣布，正式启动DeepSeek V4国产化适配测试，推动模型与国产软硬件深度协同、加速产业落地。本次测试依托工信部重点实验室与AISHPerf基准体系开展，覆盖芯片、服务器、一体机、集群、开发工具链、智算平台等全栈AI软硬件产品，聚焦DeepSeek V4全系列模型的推理、微调流程。评测从适配易用性、功能完备性、优化效果、性能、成本五大维度评估，并新增长序列处理、代码能力、智能体调用成功率、任务拆解等专项指标，形成立体化评测体系。DeepSeek V4发布当日已实现多家国产硬件Day-0适配，标志国产AI软硬件进入同频迭代阶段。本次测试将客观验证适配水平，强化国产算力支撑，加快构建自主可控AI生态。DeepSeek V4包含V4-Pro（旗舰版）与V4-Flash（轻量版）双版本，两大版本均原生支持100万Token超长上下文（约75万字），采用自研DSA稀疏注意力机制，百万上下文推理成本降低70%，显存占用减少40%。V4-Pro：总参数达1.6万亿，激活参数49B，主打顶级性能上限，对标GPT-5、Claude Opus等全球顶尖闭源模型，适配复杂推理、代码生成、科研计算等高难度任务。V4-Flash：总参数284B，激活参数13B，主打高效低成本，推理能力接近Pro版，速度更快、价格更低，适合日常交互、内容创作、企业轻量化部署等场景。

3. aiX-apply-4B逆袭DeepSeek-V3.2！aiXcoder发布代码变更应用模型，单卡推理提效15倍

4. 【DeepSeek V4中文能力测评出炉：重回国内第一！】SuperCLUE团队发布DeepSeek V4系列中文大模型测评结果，DeepSeek-V4-Pro凭借综合表现拿下国内第一，Flash版本紧随其后位居第二，国产开源模型再迎突破。本次测评覆盖数学推理、科学推理、代码生成、智能体任务规划、指令遵循、幻觉控制六大维度，Pro版本得分70.98分，Flash版本68.82分，两项成绩均大幅领先国内其他模型。DeepSeek V4系列采用全新注意力机制，全版本支持百万级长上下文，同时降低算力与显存占用，搭配国产芯片使用，整体效率更高。相比上一代 V3.2，两个版本均实现全面提升。Pro版本智能体能力提升超20分，数学推理提升近10分，指令遵循提升近12分，幻觉控制也有明显优化。Flash版本在保持高效推理的同时，智能体与数学推理同样大幅提升，性价比突出。Pro版本（15元/百万Tokens）侧重高性能，幻觉控制更稳，适合复杂任务与专业场景。Flash 版本速度更快、成本更低，API价格仅1.25元每百万Tokens，日常使用更划算。测评同时指出，模型与海外顶尖模型在代码生成、复杂指令执行等方面仍有差距。整体来看，DeepSeek V4凭借均衡能力与亲民成本，站稳国内第一梯队，成为日常办公、开发创作、长文本处理的优质选择。

5. 刚刚，DeepSeek官方正式发布DeepSeek-V4，这个版本主打100万token超长上下文，Agent、知识、推理国内开源领先~分为两个版本：DeepSeek‑V4‑Pro：1.6T参数/激活49B，专家模式，性能比肩GPT‑5.4、Claude‑Opus、Gemini，推理/知识/代码开源第一。DeepSeek‑V4‑Flash：284B参数/激活13B，快速模式，推理接近Pro，更快更便宜，简单Agent任务持平Pro。定价方面：Pro更贵、Flash平价；Pro下半年算力扩容后预计会大幅降价~

6. 爆火的“无审查”AI 视频模型来了！Sulphur 2 本地部署实测：8G 显存也能跑！完全免费开源 | 零度解说

7. OpenClaw + Ollama 本地部署！无需 API，断网可用，多模型自由切换（GPT-OSS / Qwen 3 / GLM 4.7）

8. DeepSeek V4 预览版本上线并同步开源，哪些亮点值得关注？

9. #DeepSeekV4发布# 终于发了！模型按大小分为两个版本：DeepSeek-V4-Pro和DeepSeek-V4-Flash。DeepSeek-V4-Pro性能比肩顶级闭源模型，在 Agentic Coding 评测中，V4-Pro 已达到当前开源模型最佳水平，并在其他 Agent 相关评测中同样表现优异。在世界知识测评中，大幅领先其他开源模型，仅稍逊于顶尖闭源模型 Gemini-Pro-3.1。数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro 超越当前所有已公开评测的开源模型。DeepSeek-V4-Flash由于模型参数和激活更小，相较之下 V4-Flash 能够提供更加快捷、经济的 API 服务。在 Agent 测评中，DeepSeek-V4-Flash 在简单任务上与 DeepSeek-V4-Pro 旗鼓相当，但在高难度任务上仍有差距。DeepSeek API已上线 V4-Pro 与 V4-Flash，支持 OpenAI ChatCompletions 接口与 Anthropic 接口。太强了！！

10. DeepSeek-V4预览版发布：开启百万上下文普惠时代4月24日，深度求索公司正式上线并开源DeepSeek-V4预览版。该模型具备百万字超长上下文能力，在智能体、世界知识和推理性能上实现国内与开源领域领先，标志大模型长文本处理进入新纪元。DeepSeek-V4系列包含两个版本：参数1.6万亿的DeepSeek-V4-Pro和参数2840亿的DeepSeek-V4-Flash。两者均基于超大规模预训练数据，并将百万上下文作为标准配置。性能方面，DeepSeek-V4-Pro展现出世界顶级水平。官方评测显示，其在Agentic Coding评测中达开源模型最佳水平，使用体验优于Claude 3.5 Sonnet，交付质量接近GPT-4o Opus非思考模式。在知识推理、数学、STEM和竞赛型代码测评中，V4-Pro超越所有已公开评测的开源模型，成绩比肩顶级闭源模型。技术突破在于全新注意力机制，通过token维度压缩结合DSA稀疏注意力，实现全球领先的长上下文处理能力，同时大幅降低计算资源和显存需求。模型针对Agent能力专项优化，深度适配Claude Code、OpenClaw等主流产品，在代码任务、文档生成方面表现显著提升。官方示例显示，V4-Pro能生成包含复杂数据表格、营销策略和排期规划的完整PPT方案。DeepSeek API已同步支持V4-Pro与V4-Flash，兼容OpenAI ChatCompletions和Anthropic接口。定价为：V4-Pro输入每百万token 12元，输出24元；V4-Flash输入每百万token 1元，输出2元。受限于高端算力，Pro版本服务吞吐量有限，预计下半年昇腾950超节点批量上市后价格将大幅下调。深度求索已在Hugging Face和ModelScope平台开源DeepSeek-V4模型权重并发布技术报告。

11. 3B打32B？海外病毒式传播的小模型，竟然来自BOSS直聘

12. NVIDIA最新发布的Nemotron 3 Nano模型，它拥有31.6亿参数的稀疏激活架构（MoE），实际激活仅3.6亿，支持超长1百万token上下文，性能超越GPT-OSS和Qwen3-30B，同时推理速度提升2.2到3.3倍。惊艳之处不仅在于速度和规模，更在于它能在普通24GB显存设备上本地运行，极大降低了高性能AI模型的硬件门槛。这意味着未来本地AI将不再是大厂专属，更多企业和开发者能自主搭建、定制智能系统，实现更高效的长距离推理和复杂任务处理。NVIDIA不仅开源了权重，还公开了训练配方和可再分发的数据集，真正赋能AI社区和生态建设。这种“开源+高效+实用”的组合，预示着AI进入一个更民主、更灵活的阶段。技术上，Nemotron 3 Nano用稀疏激活策略减少计算负担，配合超长上下文能力，推动工具调用和多步推理成为可能。速度的飞跃，让本地部署AI从理想变为现实，开启“智能自动化+工具整合”的新时代。这背后反映的是，AI进步的关键不在于简单堆参数，而是更聪明的模型结构和更贴近实际需求的设计。未来，谁掌握了高效且开放的本地AI，谁就能在创新和效率上抢占先机。原文推文链接：research.nvidia.com/labs/nemotron/Nemotron-3

13. MiniMax M2.5模型正式上线，是否真正实现“生产力SOTA ”与“低负担”，如何评价其表现？

14. 全球AI开发者新宠！阶跃星辰Step 3.5 Flash，两天登顶OpenRouter趋势榜

15. 本地运行大模型推理经常需要复杂配置，llama.cpp 通用性强但针对性不足，各种框架兼容性问题层出不穷，调试优化耗时费力。ds4 把 DeepSeek V4 Flash 的本地推理优化到极致，提供了专为 Apple Silicon 的高性能 Metal 推理引擎。不仅支持 100 万 token 超长上下文、高质量思考模式，还提供磁盘 KV 缓存持久化、OpenAI/Anthropic 兼容 API，甚至 2bit 量化在 128GB MacBook 上流畅运行。GitHub：github.com/antirez/ds4主要功能：- Metal 专用 DeepSeek V4 Flash 推理引擎，M3 Max 达 84 t/s；- 100 万 token 上下文窗口 + 超压缩 KV 缓存，支持磁盘持久化；- 兼容 OpenAI/Anthropic API，支持工具调用和 SSE 流式输出；- 2bit/4bit 特殊量化，128GB RAM MacBook 即可运行 284B 参数模型；- 多种思考模式（normal/max），思考长度随问题复杂度自适应；- CLI 交互 + Server 模式，完美适配 coding agent（如 opencode、Pi）。支持 macOS（Metal），make 编译后即可运行，适合开发者、研究者和 AI 爱好者。#DeepSeek##本地大模型##AppleSilicon#

16. DeepSeek v4全面支持百万上下文 token，这意味着什么？到底有多厉害？

17. 单卡双芯 48G 显存！打造 20L 紧凑型 AI 算力怪兽：DeepSeek 70B 实测 19 tokens/s

18. 刚刚，DeepSeek V4 双版本正式上线！

19. 【16GB显卡玩本地代码生成，到底值不值得折腾？】最近在Reddit上看到一个很有代表性的讨论：一位刚入门本地LLM的用户，用5070Ti（16GB显存）跑Qwen 2.5 Coder 7B，结果发现上下文窗口小得可怜，一个文件就把上下文吃光了。这引发了一场关于“16GB显存搞本地代码生成是否可行”的热烈讨论。先说结论：能用，但需要策略。+ 混合架构是主流方案得到最多认可的做法是“云端规划，本地执行”。先用Claude或ChatGPT做高层设计，让它生成详细的构建计划，包括架构设计、文件结构、执行步骤和边界情况。然后把这个大计划拆成小模块，逐个喂给本地模型实现。这套方法背后的逻辑很实在：规划阶段不涉及敏感数据，可以放心用云端最强模型；真正写代码时涉及数据库连接、业务逻辑、API密钥这些东西，交给本地处理更安心。+ 模型和工具选择16GB显存能跑什么？社区推荐最多的是GPT-OSS 20B，这是个稀疏MoE模型，能完整装进16GB显存，支持128K上下文，推理速度也快。还有人提到Devstral Small 2 24B的Q3_K_M量化版本，配合q4_0的KV缓存，也能撑到接近100K上下文。工具方面，LM Studio被频繁提及，因为可以精细调参，还能起本地API服务。有经验的用户还会结合MCP服务器、向量数据库等工具来扩展能力。+ 真相时刻：天花板在哪里也有很多清醒的声音。有人直言，除非公司明确禁止用云服务，否则本地方案很难匹配云端SOTA模型的效果。特别是现在的Agent工作流动辄需要海量上下文，16GB确实捉襟见肘。一位用户的观察很到位：本地模型在直接提问时还能产出有用的代码片段，但一旦进入自主Agent模式，由于上下文受限、工具定义占用空间等原因，表现会明显下降。+ 适用场景本地方案更适合：写绘图代码、实现辅助函数、调试定位这类“有点烦但不复杂”的任务。对于完整的Vibe Coding流程，当前硬件确实力不从心。有人花几百刀买了两张MI50 32GB，跑Qwen3 30B能到155K上下文和90 token/s，这才算舒适区。说到底，本地LLM是“能用的工具”而非“最强工具”。如果你本身会写代码，把它当个高效助手，省省API费用，完全可行。但如果追求生产力最大化，闭源模型带来的效率提升确实很难忽视。reddit.com/r/LocalLLaMA/comments/1qgwup8/is_local_coding_even_worth_setting_up

20. MiniMax M2.5模型正式上线，是否真正实现“生产力SOTA ”与“低负担”，如何评价其表现？

21. 【2300亿参数只激活100亿，MiniMax做到了什么】 MiniMax-M2.5的参数规模终于曝光：总参数2300亿，活跃参数仅100亿。这个数字意味着什么？对于显卡资源有限的开发者来说，这可能是目前性价比最高的本地大模型选择。 MoE架构的精妙之处在于：每个token只调用100亿参数完成计算，但整个2300亿参数库随时待命。你不能只加载100亿参数就跑起来，因为下一个token可能需要完全不同的专家组合。这是一种「按需调用」的智慧，而非简单的模型瘦身。社区里有人做了个有趣的实验：用gzip压缩模型文件，竟然能减少30%的体积。从信息论角度看，这说明模型内部存在大量冗余。但冗余未必是坏事，就像传统神经网络中的冗余有时反而能提升性能。真正的挑战是：如何在保持推理效率的前提下利用这种压缩潜力？实测数据相当可观。六张32GB的Mi50显卡跑Q4量化版本，短上下文能达到每秒15个token，150k上下文时降到4.5个token。对于追求无限本地推理的开发者而言，这个速度完全可以接受。有人在单张RX 7900 XTX上跑Q3量化版，也能稳定在每秒12个token。关于REAP压缩技术，社区讨论颇为热烈。Cerebras团队已经将MiniMax 2.1压缩到139亿参数，质量损失极小。如果能对2.5版本做类似处理，压缩到160亿参数左右，再配合量化，最终可能只需要85到90GB就能跑起来。这对128GB内存的机器来说，意味着还有足够的空间处理长上下文和工具调用。不过也有用户指出MiniMax系列的一个特点：对非常具体的指令响应不够精准。比如让它只回答「4」，它可能会先输出一大段推理过程。这在某些场景下是优势，在另一些场景下则显得啰嗦。从GLM需要翻倍参数才能继续进化，到Kimi动辄万亿参数，MiniMax用2300亿参数做到了接近Sonnet的水平。这不是参数军备竞赛的胜利，而是架构设计的胜利。 reddit.com/r/LocalLLaMA/comments/1r35d2x/minimaxai_minimaxm25_has_230b_parameters_and_10b

22. DeepSeek-V4终于更新了！一百万超长上下文，Agent能力大幅增强，能力接近Opus 4.6

23. DeepSeek-V4正式上线：开源双版本+1M上下文，Pro版对标Opus，Flash版省钱神器

24. 最近小米的大模型 MiMo-V2-Flash 在海外开发者社区还挺火的不少国外开发者已经把 MiMo-V2-Flash 当成 Gemini 3 Flash 的性价比替代方案了，因为它在代码能力表现不错的前提下，API 定价只有同级主流模型的 2.5%，而且现在还依然是限时免费。对开发者来说，等于多了一个性能不错、成本极低的新选择。

25. 这次AI应用培训内容相当的炸裂了，浓缩了我过去两年所有本地AI技术。ollama lmstudio llamacpp comfyui flux wan ltx gptq gguf coding agent openclaw rag。总之，你能想到的工作站级AI技术一网打尽了。本地AI场景全覆盖，本地文档，本地编程，本地生图，本地视频，本地搜索，量化技术，agent技术。总之，两年的AI迭代技术内容，经过优化和压缩，一次性做成培训内容交付。我的目标是构建一个全面的“本地优先”AI应用堆栈，涵盖了从模型服务到应用部署的完整流程。通过（GPTQ/GGUF）量化技术，解决在消费级硬件上运行大型模型的现实问题。入门简单（Ollama、lm studio ），也有深度内容Llama.cpp量化技术生态。并且将这些技术场景化，本地模型+IED+agent= ai coding、comfyui+模型+lora=本地视频、本地模型+agent+数据=rag 模型+agent+编程=无限可能。之前只做编程培训是因为AI编程的生态最选成熟，AI应用没起来。但现在AI本地化应用已经初见端倪。怎么说呢，这次培训就是AI全家桶，一次管饱。

26. #用声音马住中国年##微博声浪计划# 千问Qwen3.5-Plus成本仅谷歌大模型5%，API调用0.8元/百万Token。总参数3970亿但推理仅激活170亿，256K上下文吞吐量提升19倍，跨模态能力强。春节赋能年俗，企业端推动AI下沉，消费端加速普惠，关键指标全球领先。宇思说科技的微博音频

27. DeepSeek V4终于发布了！昇腾首发，超长上下文记忆达1M，有V4-Pro和V4-Flash两个版本。性价比超高！这次每百万tokens输入最低仅需1元，输出仅需2元，Pro版本是12元和24元。什么水平？Flash版本跟GPT-5.4和Claude Opus 4.6比，输入分别低了约5倍和13倍，输出分别低了约52倍和85倍，快去试试吧~V4直通车：网页链接#DeepSeekV4发布# #DeepSeek v4 百万上下文#

28. 什么样的电脑可以“养虾”？部署OpenClaw笔记本推荐

29. #用声音马住中国年##微博声浪计划# DeepSeek静默更新，上下文窗口从128K提升至1M Token，支持处理《三体》全集级长文本。核心技术包括Engram记忆模块等，显存占用降低40%。实测处理《简爱》仅需1分钟，《三体》全集耗时数分钟。此次更新使其跻身全球长文本处理第一梯队，国产芯片适配降低推理成本，应用场景广泛。铱玎蜀黍的微博音频

30. 128GB内存联想百应NUC，到底能不能玩转“小龙虾”

31. 如何评价小米开源的MiMo-V2-Flash大模型，表现如何?

32. 如何评价DeepSeek V4 Pro官网限时2.5折优惠？

33. DeepSeek V4 Pro限时特惠 2.5折持续到5月5日

34. #腾讯工程师在楼下免费安装OpenClaw#3月6日，腾讯在深圳腾讯大厦北广场举办OpenClaw免费安装活动，现场由腾讯云Lighthouse工程师提供一站式服务，涵盖安装部署、模型配置、IM渠道打通及热门技能解锁。 OpenClaw 可以理解为一个 "专属数字员工"，是一个开源的、可以部署在你个人电脑或服务器上的 AI 智能体框架。它的核心理念是从"只会聊天的对话机器人"进化为 "能干活的执行者" 。简单来说，你可以把它想象成一位 24 小时待命、懂你工作习惯的免费实习生。

35. 【阿里云百炼首发上线DeepSeek-V4，API价格与官网一致】4月24日，阿里云百炼平台在DeepSeek-V4开源的当天，便同步上线了V4-Pro和V4-Flash两款模型，API定价与DeepSeek官网完全对齐。关键信息：V4-Flash输入最低1元/百万Tokens、输出最低2元/百万Tokens。两款均支持百万Token超长上下文。百炼近期还将开放Token Plan支持该模型。目前该平台已汇聚超100款全模态模型。观察：从“模型超市”到“零延时上新”，百炼正试图用最全的模型矩阵和最低的调用门槛，吸引更多开发者和企业将AI能力内嵌到业务中。#阿里云百炼 #DeepSeek-V4 #大模型API

36. 为什么DeepSeek V4这么强？它到底更新了啥？

37. DeepSeek V4好用吗？【秋芝的AI开箱】

38. 「Github一周热点112期」DeepSeek V4王者归来，一个项目玩转GPT-Image-2

39. DeepSeek V4 网页端《原神×我的世界》融合小游戏代码测试：拳打 ChatGPT，脚踢 Gemini，硬刚 Claude

40. Qwen 3.5 型号在 3090 W/ hermes 代理商中排名。0. 8b ：仅供娱乐，CPU占用率低，别抱太大期望，但它能在任何设备上运行。2b：开始可用，可以进行一些小的工具调用（但不太可靠），容易偏离任务，需要大幅调整方向。4b：实际可用，能够可靠地执行工具调用，能够可靠地执行技能（主要优势），不会像 2b 那样严重地偏离任务。9b：具备4b的所有功能，但能执行更复杂的任务，仍然需要转向，仍然无法一次性完成任务，但比小型型号更智能。A3b：速度快，通用智能更强，感觉速度像 9b，但推理能力更接近 27b，能很好地执行工具调用和复杂技能，漂移极小，只是缺乏大型模型编码能力。27b：在我看来是 3090 的最佳选择，没有跑偏，工具调用流畅，编写和执行技能都非常出色，感觉知识水平在 Sonnet 3.6-4 之间，但代码更简洁易懂，代码实用，可以处理项目中的多个文件。整体知识水平感觉更高。唯一的缺点是速度明显比 A3b 和 9b 慢。

41. #DeepSeek v4 百万上下文# 直接就发布了，这次太炸裂，又是行业重磅！DeepSeek-V4已经正式上线并开源，其核心特点如下：拎几个重点来聊聊：1、百万上下文标配：Pro与Flash双版本均原生支持1M token超长上下文。2、领先性能：Agent能力、世界知识与推理性能达国内与开源领域领先，Agentic Coding性能登顶开源模型。3、架构革新：创新采用基于token维度的动态压缩与DSA稀疏注意力技术，大幅降低算力与显存消耗。4、双版本策略：推出Pro版（1.6T参数，49B激活）与Flash版（284B参数，13B激活）。5、开源生态：同步开源模型权重，并已完成对华为昇腾等国产芯片的深度适配。#DeepSeekV4发布##DeepSeekV4和GPT5.5谁更强#

42. 在Cline中配置使用DeepSeek V4，非常强！

43. redis的开发者antirez专门 fork 了一个 llama.cpp 用来跑deepseek-v4-flash地址：github.com/antirez/llama.cpp-deepseek-v4-flash视频为其在 M3 Max 128GB 上运行deepseek-v4-flash的 2 位量化模型效果。#AI创造营#

44. 解决所有大模型问题?这怎么可能!但外网确实传疯了...