حافظه در هر دقت
| نسخه | وزنها | با کانتکست | کوچکترین Mac |
|---|---|---|---|
| 8 بیت | 587 GB | 633 GB | بیش از هر Mac |
| 6 بیت | 449 GB | 484 GB | بیش از هر Mac |
| 4 بیت | 311 GB | 335 GB | 512 GB |
| 3 بیت کیفیت پایین‌تر | 242 GB | 261 GB | 512 GB |
| 2 بیت کیفیت پایین‌تر | 173 GB | 186 GB | 256 GB |
روی هر تراشهٔ Apple
کوچکترین حافظهٔ هر تراشه که DeepSeek V4.1 Flash 1017 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 | 512 GB | 4 بیت خوب اجرا میشود | 60–107 |
| M5 Max | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M5 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M5 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M4 Max | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M4 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M4 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M3 Ultra | 512 GB | 4 بیت خوب اجرا میشود | 41–73 |
| M3 Max | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M3 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M3 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M2 Ultra | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| 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 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| 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 V4.1 Flash 1017 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-V4.1-Flash-1017-oQ4e-mtpنسخه: mlx-community/DeepSeek-V4.1-Flash-1017-oQ4e-mtp 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 V4.1 Flash 1017
| سازنده | DeepSeek |
|---|---|
| پارامترها | 552B در کل · 16B فعال (mixture-of-experts) |
| کانتکست | 1M توکن |
| مجوز | MIT |
| انتشار | 2026-10 |
| ورودی | متن و تصویر |
| هوش | 45.1 در Artificial Analysis Intelligence Index |
| وزنها | deepseek-ai/DeepSeek-V4.1-Flash-1017 |
راهنما: گام به گام در mlx.app
پرسش‌ها
- DeepSeek V4.1 Flash 1017 چقدر حافظه لازم دارد؟
- حدود 311 GB برای وزنها در 4 بیت، بهعلاوهٔ جا برای کانتکست: در کل 335 GB. روی Mac یعنی 512 GB حافظهٔ یکپارچه یا بیشتر، چون macOS بهطور پیشفرض اجازه میدهد GPU حدود 75% آن را استفاده کند.
- DeepSeek V4.1 Flash 1017 روی Mac چقدر سریع است؟
- سرعت نوشتن به پهنای باند حافظه بستگی دارد. سریعترین Mac برای آن در اینجا یک M5 Ultra با 512 GB است، با حدود 60–107 توکن در ثانیه (4 بیت). کوچکترین Mac که آن را اجرا میکند، با 512 GB، روی یک M5 Ultra به حدود 60–107 میرسد.
- چرا DeepSeek V4.1 Flash 1017 سریعتر از آنچه اندازهاش نشان میدهد اجرا میشود؟
- این یک مدل mixture-of-experts است: 552B پارامتر را در حافظه نگه میدارد اما برای هر توکن فقط 16B را میخواند، پس با سرعت مدلی بسیار کوچکتر مینویسد.
مدل‌های مشابه
برای کارت مدل یا README شما
کوچکترین Mac را که DeepSeek V4.1 Flash 1017 را خوب اجرا میکند نشان میدهد و به اینجا لینک میدهد.
[](https://mlx.app/run/deepseek-v4.1-flash-1017)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.