حافظه در هر دقت
| نسخه | وزنها | با کانتکست | کوچکترین Mac |
|---|---|---|---|
| 8 بیت | 302 GB | 326 GB | 512 GB |
| 6 بیت | 231 GB | 249 GB | 512 GB |
| 4 بیت | 160 GB | 173 GB | 256 GB |
| 3 بیت کیفیت پایین‌تر | 124 GB | 134 GB | 192 GB |
| 2 بیت کیفیت پایین‌تر | 88.8 GB | 95.9 GB | 128 GB |
روی هر تراشهٔ Apple
کوچکترین حافظهٔ هر تراشه که DeepSeek V4 Flash 0731 را اجرا میکند، بهترین نسخه‌ای که در آن جا میشود و سرعت نوشتنی که می‌توانید انتظار داشته باشید.
| تراشه | نیاز | نسخه | توکن/ثانیه |
|---|---|---|---|
| M6 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M5 Ultra | 256 GB | 4 بیت خوب اجرا میشود | 74–132 |
| M5 Max | 128 GB | 2 بیت خوب اجرا میشود | 67–120 |
| M5 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M5 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M4 Max | 128 GB | 2 بیت خوب اجرا میشود | 60–107 |
| M4 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M4 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M3 Ultra | 256 GB | 4 بیت خوب اجرا میشود | 50–90 |
| M3 Max | 128 GB | 2 بیت خوب اجرا میشود | 44–78 |
| M3 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M3 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M2 Ultra | 128 GB | 2 بیت خوب اجرا میشود | 88–156 |
| M2 Max | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M2 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M2 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M1 Ultra | 128 GB | 2 بیت خوب اجرا میشود | 88–156 |
| M1 Max | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M1 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M1 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
چطور اجرایش کنید
- راه آسان: MLX Harness را دانلود کنید، رایگان و متن‌باز. DeepSeek V4 Flash 0731 را جست‌وجو کنید، نسخه‌ای را که در Mac شما جا میشود دانلود کنید و گفت‌وگو را شروع کنید. همچنین مدل را از طریق یک API سازگار با OpenAI در اختیار اپ‌های دیگرتان می‌گذارد.دانلود MLX Harnessرایگان · Apple Silicon · macOS 14.5 یا جدیدتر
- در Terminal با MLX از Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/DeepSeek-V4-Flash-4bitنسخه: mlx-community/DeepSeek-V4-Flash-4bit در Hugging Face. دقت‌های دیگر کنار آن هستند.
گام به گام: دانلود و اجرای LLM روی Mac · نحوهٔ استفاده از MLX Harness · MLX در برابر Ollama و llama.cpp
دربارهٔ DeepSeek V4 Flash 0731
| سازنده | DeepSeek |
|---|---|
| پارامترها | 284B در کل · 13B فعال (mixture-of-experts) |
| کانتکست | 1M توکن |
| مجوز | MIT |
| انتشار | 2026-07 |
| ورودی | متن |
| وزنها | deepseek-ai/DeepSeek-V4-Flash-0731 |
پرسش‌ها
- DeepSeek V4 Flash 0731 چقدر حافظه لازم دارد؟
- حدود 160 GB برای وزنها در 4 بیت، بهعلاوهٔ جا برای کانتکست: در کل 173 GB. روی Mac یعنی 256 GB حافظهٔ یکپارچه یا بیشتر، چون macOS بهطور پیشفرض اجازه میدهد GPU حدود 75% آن را استفاده کند.
- DeepSeek V4 Flash 0731 روی Mac چقدر سریع است؟
- سرعت نوشتن به پهنای باند حافظه بستگی دارد. سریعترین Mac برای آن در اینجا یک M5 Ultra با 256 GB است، با حدود 74–132 توکن در ثانیه (4 بیت). کوچکترین Mac که آن را اجرا میکند، با 256 GB، روی یک M5 Ultra به حدود 74–132 میرسد.
- چرا DeepSeek V4 Flash 0731 سریعتر از آنچه اندازهاش نشان میدهد اجرا میشود؟
- این یک مدل mixture-of-experts است: 284B پارامتر را در حافظه نگه میدارد اما برای هر توکن فقط 13B را میخواند، پس با سرعت مدلی بسیار کوچکتر مینویسد.
مدل‌های مشابه
برای کارت مدل یا README شما
کوچکترین Mac را که DeepSeek V4 Flash 0731 را خوب اجرا میکند نشان میدهد و به اینجا لینک میدهد.
[](https://mlx.app/run/deepseek-v4-flash-0731)چطور محاسبه شده
حافظه: پارامترهای مدل در 8، 6، 4، 3 یا 2 بیت برای هر وزن بهعلاوهٔ مقیاس‌های گروهی MLX (نیم بیت برای هر وزن)، یا قالب اصلی آن، به‌اضافهٔ جا برای کانتکست. macOS بهطور پیشفرض اجازه میدهد GPU حدود 75% حافظهٔ یکپارچه را استفاده کند. سرعت: پهنای باند حافظه تقسیم بر بایت‌هایی که برای هر توکن خوانده میشود، سقف سرعت یک گفت‌وگوست؛ در بنچمارک‌های عمومی llama.cpp روی Apple Silicon اجراهای واقعی به حدود 45% تا 80% آن می‌رسند و همین بازه نمایش داده میشود. این‌ها برآوردند، نه اندازه‌گیری: Mac خودتان را روی MLX Bench بسنجید. ارقام مدل‌ها از کارت رسمی هر مدل و ارقام تراشه‌ها از مشخصات فنی Apple است. بررسی‌شده در 2026-10-19. همان داده‌های mlx.app/compare.