شغّل DeepSeek V4.1 Flash على Mac.

1كم يحتاج من الذاكرة

للنموذج 552 مليار معامل، لكن نحو 189 GiB من تنزيله هي جدولا بحث Engram تُقرأ منهما بضعة صفوف لكل توكن. بيئات التشغيل التي تترك هذين الجدولين على SSD تحتاج ذاكرة أقل بكثير من حجم التنزيل؛ أما الإصدارات التي تحمّل كل شيء فتحتاجه كله (antirez على Hugging Face).

اترك مساحة لـ macOS وللسياق: بنحو 890 بايت لكل توكن، تضيف محادثة من 100,000 توكن أقل من 0.1 GB، فالأوزان هي ما يحسم الأمر.

2أي Mac يستطيع تشغيله

أبقِ النموذج على SSD الداخلي في Mac: تُقرأ صفوف Engram والأوزان المبثوثة من القرص أثناء التوليد، والقرص الخارجي أبطأ بكثير. وخطّط للتنزيل أيضًا: من 250 إلى 520 GB، إضافة إلى مساحة فارغة أثناء دمج الملفات.

3ما سرعته

أول اختبار أداء علني على Mac شغّل إصدار MLX مختلطًا بدقة 4 و8 بت من أوزان سبتمبر على Mac Studio بشريحة M3 Ultra وذاكرة 512 GB (اختبار الأداء على GitHub):

هذا أقل بكثير مما يسمح به العتاد. تقرأ الكتابة نحو 16 مليار معامل لكل توكن، أي نحو 9 GB بدقة 4 بت، لذا يحدّ عرض نطاق الذاكرة محادثة واحدة بنحو 90 توكن في الثانية على M3 Ultra (819 GB/s) و130 على M5 Ultra (1.2 TB/s). دعم البنية الجديدة عمره أسابيع فقط، فتوقّع أن تسدّ بيئات التشغيل الأحدث جزءًا من الفجوة؛ قارن الأرقام الحالية على MLX Bench وفي ملاحظات إصدار بيئات التشغيل.

أما قراءة الموجّهات فتحدّها قدرة الحوسبة لا الذاكرة. شرائح جيل M5 فيها مسرّعات عصبية داخل GPU، وتقرأ الموجّهات مع MLX أسرع بعدة مرات من الشرائح السابقة (Apple).

4كيف تشغّله

DwarfStar (ds4): الأقل استهلاكًا للذاكرة

DwarfStar محرك مفتوح المصدر مصمم لنماذج DeepSeek Flash، يدعم Metal على أجهزة Mac من 96 GB، والبث من SSD للأصغر منها. ويُبقي جداول Engram على القرص في كل الأوضاع (GitHub).

git clone https://github.com/antirez/ds4.git
cd ds4 && make
./download_model.sh ds41f-q2
./ds4 -m gguf/DeepSeek-V4.1-Flash-Q2.gguf --ssd-streaming --ctx 32768

احذف --ssd-streaming إن كانت ذاكرة جهاز Mac تبلغ 256 GB أو أكثر. ويقدّم ./ds4-server النموذج عبر API محلي.

llama.cpp: ملفات GGUF لـ 1017

لا يدعم llama.cpp الرئيسي ولا Ollama نموذج V4.1 Flash بعد. صُنعت ملفات GGUF لـ 1017 بفرع من llama.cpp تبنيه بنفسك؛ ويُنصح بإبقاء جداول Engram على جانب CPU (Hugging Face). والملفات نصية فقط حاليًا.

git clone https://github.com/vcruz305/llama.cpp && cd llama.cpp
git checkout 2076412
cmake -B build && cmake --build build -j
./build/bin/llama-server -hf mrfakename/DeepSeek-V4.1-Flash-1017-GGUF:Q2_K -ot "engram_embd.weight=CPU"

MLX: إصدارات 1017 لـ Apple Silicon

تحافظ إصدارات مجتمع MLX من 1017 على دقة FP4 و FP8 الأصلية من DeepSeek لمعظم الأوزان، وتتضمن أوزان التنبؤ بعدة توكنات (multi-token prediction). تُحمَّل عبر mlx-vlm، الذي يتعامل مع الصور أيضًا، ويدرجها LM Studio كذلك. وتحتاج إلى Mac بذاكرة 512 GB.

pip install -U mlx-vlm
python -m mlx_vlm.generate --model mlx-community/DeepSeek-V4.1-Flash-1017-oQ4e-mtp --prompt "Hello" --max-tokens 200

جديد على النماذج المحلية؟ ابدأ بـ تشغيل نموذج لغة على جهاز Mac وMLX مقابل Ollama مقابل llama.cpp.

5لا تملك Mac بذاكرة 512 GB؟ إليك خياراتك

• استخدم API. تتقاضى DeepSeek مقابل deepseek-flash مبلغ $0.15 لكل مليون توكن مدخلات و$0.60 لكل مليون توكن مخرجات؛ اطّلع على DeepSeek V4.1 Flash 1017.
• شغّل نموذجًا مفتوحًا أصغر. يشغّل Mac بذاكرة 64 GB نماذج من فئة 70B، ويشغّل Mac بذاكرة 128 GB نموذج gpt-oss-120b جيدًا: اطّلع على أفضل Mac لنماذج اللغة المحلية.
• اربط أجهزة Mac معًا. جهازان أو أكثر عبر Thunderbolt 5 يتسعان لنماذج لا يتسع لها جهاز واحد: اطّلع على عناقيد Mac للذكاء الاصطناعي.
• دع جهاز Mac يكسب. يشغّل MLX Node مهام ذكاء اصطناعي لـ MLX Network على أي Mac بشريحة Apple Silicon ويكسب رموز MLX، حتى 1 MLX يوميًا دون مقعد مخصّص. و MLX المُعدَّن مقفل لمدة 30 يومًا، ولمدة أقل مع مقعد مخصّص؛ اطّلع على المخاطر.

6أسئلة

كم أحتاج من RAM لتشغيل DeepSeek V4.1 Flash؟

نحو 163 GB لإصدار DwarfStar بدقة 2 بت مع ترك جداول Engram على SSD، ونحو 316 GB لإصداره بدقة 4 بت، وحجم التنزيل كاملًا، من 343 إلى 432 GB، لإصدارات MLX. أضف مساحة لـ macOS وللسياق.

هل يستطيع MacBook Pro تشغيل DeepSeek V4.1 Flash؟

الطراز بذاكرة 128 GB فقط، وفقط ببث إصدار 2 بت من SSD باستخدام DwarfStar، وهذا تجريبي وبطيء. ويعمل بالكامل في الذاكرة على Mac Studio بذاكرة 256 أو 512 GB.

ما سرعة DeepSeek V4.1 Flash على M3 Ultra؟

أول تشغيل علني على M3 Ultra بذاكرة 512 GB كتب نحو 6.5 توكن في الثانية وقرأ الموجّهات بنحو 275 توكن في الثانية، بإصدار MLX. وعرض نطاق الذاكرة يسمح بنحو 90 توكن في الثانية، لذا يُتوقع أن تكون البرمجيات الأحدث أسرع.

هل توجد نسخة MLX من DeepSeek V4.1 Flash 1017؟

نعم. نشر مجتمع MLX إصدارات من 1017 بحجم 343 GB و432 GB. تعمل مع mlx-vlm أو LM Studio على Mac بذاكرة 512 GB.

هل يعمل DeepSeek V4.1 Flash في Ollama؟

ليس في Ollama أو llama.cpp القياسيين بعد. تحتاج ملفات GGUF إلى فرع من llama.cpp يُبنى من المصدر، أو يمكنك استخدام DwarfStar الذي يدعم النموذج على أجهزة Mac.