01Ce qu'il sait faire
Points forts
- Frontière open absolue
- Licence MIT
- 1M ctx
- 3 modes thinking (Non/High/Max)
Limites à connaître
- —960+ Go en Q4 — serverfarm requis
- —Pas de quant communautaire encore
Architecture
MoE 1.6T/49B actifs · CSA+HCA hybrid attention · mHC · Muon optimizer · FP4+FP8 mixte
Entraînement
32T+ tokens pré-entraînement.
Idéal pour
Frontière openRaisonnementLong contexte 1M
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.
Q4_K_M
Le plus léger, ~5% de perte
960 Go
Q5_K_M
Bon compromis qualité/taille
1150 Go
Q8_0
Quasi-indistinguable de FP16
1700 Go
FP16
Pleine précision — usage serveur
3200 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 1100 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
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.
$# HuggingFace : deepseek-ai/DeepSeek-V4-Pro
LM Studio
Interface graphique, zéro CLI
→ Voir le guide
llama.cpp
Perf brute, build from source
→ Voir le guide
vLLM
Serveur OpenAI-compatible prod
→ Voir le guide
Jan / GPT4All
Apps desktop tout-en-un
→ Voir le guide
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.