01Ce qu'il sait faire
- Contexte massif jusqu'à ~1M tokens
- Orientée code et raisonnement agentique
- Licence MIT permissive
- Release officielle (dépasse la preview)
- —Très gros modèle : ~176 Go VRAM en Q4, hors portée grand public
- —Débit local modeste (~5 tok/s en Q4)
- —Pas de tag Ollama — install via HuggingFace
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Quel GPU pour faire tourner DeepSeek V4 Flash 0731 304B ?
Pour exécuter DeepSeek V4 Flash 0731 304B en local en quantification Q4, il faut environ 176 Go de VRAM. Le meilleur rapport prix/performance : un Mac Studio (64 Go de mémoire unifiée).
Liens affiliés — commission possible sans surcoût pour vous, reco indépendante. En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.