RTX 3090 跑 DeepSeek-V4-Flash：128GB 内存 + 特殊参数实现 12.5 tok/s
Ok_Ninja7526 · reddit · 2026-08-02
Reddit 用户 OkNinja7526 分享了在 RTX 3090 24GB + 128GB DDR5（超频至 5600MHz）上运行 DeepSeek-V4-Flash-0731 UD-IQ3S 的经验。通过替换 text-generation-webui 中的 llama.cpp 二进制文件，并设置关键参数 --n-cpu-moe 39（将部分 MoE 专家保留在系统内存），成功运行模型，速度约 12.5 tok/s。模型加载约需 136GB 内存，主要依赖 CPU 和内存带宽。
所属事件:DeepSeek V4 Flash 本地部署潮(26 条相关)→
「Infra」频道最新
- Google 将 2026 年资本开支上调至最高 2050 亿美元 — emmanuelvivier · 2026-10-16
- Google 开源 AX:像 Kubernetes 一样编排数十亿 Agent 任务 — thisdudelikesAI · 2026-10-16
- Valtz 新版支持 FLUX.3，Mac 本地生图最高 4K 分辨率 — TgoAI · 2026-10-16
- 百度开源 FlashMask：长上下文训练最高比 FlashAttention-4 快 1.55 倍 — BaiduResearch · 2026-10-16
- 独立开发者 GYRO 量化实测：体积更小却达 ISTA Q3 水平 — PlasticRevenue4601 · 2026-10-16
- RL 训练系统已成前沿建模最复杂的基建难题,_best_方案是商业机密 — brianryhuang · 2026-10-16