Mémoire à chaque précision
| Version | Poids | Avec contexte | Plus petit Mac |
|---|---|---|---|
| 8 bits | 587 GB | 633 GB | plus que tout Mac |
| 6 bits | 449 GB | 484 GB | plus que tout Mac |
| 4 bits | 311 GB | 335 GB | 512 GB |
| 3 bits qualité moindre | 242 GB | 261 GB | 512 GB |
| 2 bits qualité moindre | 173 GB | 186 GB | 256 GB |
Sur chaque puce Apple
Pour chaque puce, la plus petite capacité de mémoire qui fait tourner DeepSeek V4.1 Flash 1017, la meilleure version qui y tient et la vitesse d’écriture à attendre.
| Puce | Demande | Version | Tokens/s |
|---|---|---|---|
| M6 | aucune capacité ne suffit | Trop grand | – |
| M5 Ultra | 512 GB | 4 bits Tourne bien | 60–107 |
| M5 Max | aucune capacité ne suffit | Trop grand | – |
| M5 Pro | aucune capacité ne suffit | Trop grand | – |
| M5 | aucune capacité ne suffit | Trop grand | – |
| M4 Max | aucune capacité ne suffit | Trop grand | – |
| M4 Pro | aucune capacité ne suffit | Trop grand | – |
| M4 | aucune capacité ne suffit | Trop grand | – |
| M3 Ultra | 512 GB | 4 bits Tourne bien | 41–73 |
| M3 Max | aucune capacité ne suffit | Trop grand | – |
| M3 Pro | aucune capacité ne suffit | Trop grand | – |
| M3 | aucune capacité ne suffit | Trop grand | – |
| M2 Ultra | aucune capacité ne suffit | Trop grand | – |
| M2 Max | aucune capacité ne suffit | Trop grand | – |
| M2 Pro | aucune capacité ne suffit | Trop grand | – |
| M2 | aucune capacité ne suffit | Trop grand | – |
| M1 Ultra | aucune capacité ne suffit | Trop grand | – |
| M1 Max | aucune capacité ne suffit | Trop grand | – |
| M1 Pro | aucune capacité ne suffit | Trop grand | – |
| M1 | aucune capacité ne suffit | Trop grand | – |
Comment le faire tourner
- Le plus simple : téléchargez MLX Harness, gratuit et open source. Cherchez DeepSeek V4.1 Flash 1017, téléchargez la version adaptée à votre Mac, et discutez. MLX Harness met aussi le modèle à disposition de vos autres apps via une API compatible OpenAI.Télécharger MLX HarnessGratuit · Apple Silicon · macOS 14.5 ou version ultérieure
- Dans le Terminal avec MLX d’Apple :
pip install mlx-lmmlx_lm.chat --model mlx-community/DeepSeek-V4.1-Flash-1017-oQ4e-mtpVersion MLX : mlx-community/DeepSeek-V4.1-Flash-1017-oQ4e-mtp sur Hugging Face. Les autres précisions sont juste à côté.
Pas à pas : télécharger et exécuter des LLM sur Mac · utiliser MLX Harness · MLX, Ollama ou llama.cpp
À propos de DeepSeek V4.1 Flash 1017
| Créé par | DeepSeek |
|---|---|
| Paramètres | 552B au total · 16B actifs (mixture-of-experts) |
| Contexte | 1M tokens |
| Licence | MIT |
| Sortie | 2026-10 |
| Entrée | Texte et images |
| Intelligence | 45,1 sur l’Artificial Analysis Intelligence Index |
| Poids | deepseek-ai/DeepSeek-V4.1-Flash-1017 |
Guide : pas à pas sur mlx.app
Questions
- De combien de mémoire DeepSeek V4.1 Flash 1017 a-t-il besoin ?
- Environ 311 GB de poids en 4 bits, plus de la place pour le contexte : 335 GB au total. Sur un Mac, il faut donc 512 GB de mémoire unifiée ou plus, car macOS laisse le GPU en utiliser environ 75 % par défaut.
- À quelle vitesse DeepSeek V4.1 Flash 1017 tourne-t-il sur un Mac ?
- La vitesse d’écriture dépend de la bande passante mémoire. Ici, le Mac le plus rapide pour ce modèle est équipé d’une puce M5 Ultra avec 512 GB, à environ 60–107 tokens par seconde (4 bits). Le plus petit Mac qui le fait tourner, avec 512 GB, atteint environ 60–107 avec une puce M5 Ultra.
- Pourquoi DeepSeek V4.1 Flash 1017 est-il plus rapide que sa taille ne le laisse penser ?
- C’est un modèle mixture-of-experts : il garde 552B paramètres en mémoire mais n’en lit que 16B pour chaque token, il écrit donc à la vitesse d’un modèle bien plus petit.
Modèles similaires
Pour votre fiche de modèle ou votre README
Affiche le plus petit Mac qui fait bien tourner DeepSeek V4.1 Flash 1017 et renvoie vers cette page.
[](https://mlx.app/run/deepseek-v4.1-flash-1017)Comment c’est calculé
Mémoire : les paramètres du modèle à 8, 6, 4, 3 ou 2 bits par poids, plus les facteurs d’échelle par groupe de MLX (un demi-bit par poids), ou son format natif, avec en plus de la place pour le contexte. Par défaut, macOS laisse le GPU utiliser environ 75 % de la mémoire unifiée. Vitesse : la bande passante mémoire divisée par les octets lus pour chaque token donne le plafond pour une conversation ; dans les benchmarks Apple Silicon publics de llama.cpp, les exécutions réelles atteignent environ 45 % à 80 % de ce plafond, et c’est la fourchette affichée. Ce sont des estimations, pas des mesures : mesurez votre propre Mac sur MLX Bench. Chiffres des modèles tirés de chaque fiche officielle, chiffres des puces tirés des caractéristiques techniques d’Apple. Vérifié le 2026-10-19. Mêmes données que mlx.app/compare.