单张 4090 成功运行 Deepseek v4 flash Q2 版本

jack_smirkingrevenge · reddit · 2026-08-15

作者分享在单张 RTX 4090 (64GB RAM) 上运行 Deepseek-v4-flash-0731 的 Q2/Q3 量化版实验。通过使用 UnslothAI 的 checkpoint 并配合 Blaze 内核，以及将高频专家模型驻留在 CPU 内存中的技巧，实现了可用速度的推理（约 8 tps）。作者指出偶尔的专家缺失会导致磁盘读取使速度降至 5 tps，未来计划通过 dspark 和更多内存优化，预计将发布相关技术文章。