Quanta memória DeepSeek V4 Flash 0731 precisa?

Cerca de 160 GB de pesos com 4 bits, mais espaço para o contexto: 173 GB no total. No Mac, isso significa 256 GB de memória unificada ou mais, já que o macOS deixa a GPU usar cerca de 75% dela por padrão.

Qual é a velocidade de DeepSeek V4 Flash 0731 no Mac?

A velocidade de escrita depende da largura de banda da memória. Aqui, o Mac mais rápido para ele é um M5 Ultra com 256 GB, a cerca de 74–132 tokens por segundo (4 bits). O menor Mac que o roda, com 256 GB, chega a cerca de 74–132 em um M5 Ultra.

Por que DeepSeek V4 Flash 0731 roda mais rápido do que o tamanho sugere?

É um modelo mixture-of-experts: ele mantém 284B parâmetros na memória, mas lê só 13B a cada token, então escreve na velocidade de um modelo bem menor.

Um Mac roda DeepSeek V4 Flash 0731? Memória e velocidade

Memória em cada precisão

Versão	Pesos	Com contexto	Menor Mac
8 bits	302 GB	326 GB	512 GB
6 bits	231 GB	249 GB	512 GB
4 bits	160 GB	173 GB	256 GB
3 bits qualidade menor	124 GB	134 GB	192 GB
2 bits qualidade menor	88,8 GB	95,9 GB	128 GB

Em cada chip da Apple

O menor tamanho de memória de cada chip que roda DeepSeek V4 Flash 0731, a melhor versão que cabe e a velocidade de escrita que você pode esperar.

Chip	Precisa	Versão	Tokens/s
M6	nenhum tamanho serve	Grande demais	–
M5 Ultra	256 GB	4 bits Roda bem	74–132
M5 Max	128 GB	2 bits Roda bem	67–120
M5 Pro	nenhum tamanho serve	Grande demais	–
M5	nenhum tamanho serve	Grande demais	–
M4 Max	128 GB	2 bits Roda bem	60–107
M4 Pro	nenhum tamanho serve	Grande demais	–
M4	nenhum tamanho serve	Grande demais	–
M3 Ultra	256 GB	4 bits Roda bem	50–90
M3 Max	128 GB	2 bits Roda bem	44–78
M3 Pro	nenhum tamanho serve	Grande demais	–
M3	nenhum tamanho serve	Grande demais	–
M2 Ultra	128 GB	2 bits Roda bem	88–156
M2 Max	nenhum tamanho serve	Grande demais	–
M2 Pro	nenhum tamanho serve	Grande demais	–
M2	nenhum tamanho serve	Grande demais	–
M1 Ultra	128 GB	2 bits Roda bem	88–156
M1 Max	nenhum tamanho serve	Grande demais	–
M1 Pro	nenhum tamanho serve	Grande demais	–
M1	nenhum tamanho serve	Grande demais	–

Como rodar

O jeito fácil: baixe o MLX Harness, grátis e open source. Procure DeepSeek V4 Flash 0731, baixe a versão que cabe no seu Mac e comece a conversar. O MLX Harness também disponibiliza o modelo para os seus outros apps por uma API compatível com a OpenAI.Baixe o MLX HarnessGrátis · Apple Silicon · macOS 14.5 ou posterior
No Terminal, com o MLX da Apple:pip install mlx-lmmlx_lm.chat --model mlx-community/DeepSeek-V4-Flash-4bitVersão MLX: mlx-community/DeepSeek-V4-Flash-4bit no Hugging Face. As outras precisões ficam logo ao lado.

Passo a passo: baixar e rodar LLMs no Mac · como usar o MLX Harness · MLX vs Ollama vs llama.cpp

Sobre DeepSeek V4 Flash 0731

Criado por	DeepSeek
Parâmetros	284B no total · 13B ativos (mixture-of-experts)
Contexto	1M tokens
Licença	MIT
Lançamento	2026-07
Entrada	Texto
Pesos	deepseek-ai/DeepSeek-V4-Flash-0731

Perguntas

Quanta memória DeepSeek V4 Flash 0731 precisa?: Cerca de 160 GB de pesos com 4 bits, mais espaço para o contexto: 173 GB no total. No Mac, isso significa 256 GB de memória unificada ou mais, já que o macOS deixa a GPU usar cerca de 75% dela por padrão.
Qual é a velocidade de DeepSeek V4 Flash 0731 no Mac?: A velocidade de escrita depende da largura de banda da memória. Aqui, o Mac mais rápido para ele é um M5 Ultra com 256 GB, a cerca de 74–132 tokens por segundo (4 bits). O menor Mac que o roda, com 256 GB, chega a cerca de 74–132 em um M5 Ultra.
Por que DeepSeek V4 Flash 0731 roda mais rápido do que o tamanho sugere?: É um modelo mixture-of-experts: ele mantém 284B parâmetros na memória, mas lê só 13B a cada token, então escreve na velocidade de um modelo bem menor.

Modelos parecidos

Todos os modelos · Todos os Macs · Compare o seu Mac

Para o model card ou o README do seu modelo

Mostra o menor Mac que roda bem DeepSeek V4 Flash 0731 e leva para esta página.

[![Runs on a Mac](https://mlx.app/badge/run/deepseek-v4-flash-0731.svg)](https://mlx.app/run/deepseek-v4-flash-0731)

Como é calculado

Memória: os parâmetros do modelo com 8, 6, 4, 3 ou 2 bits por peso, mais as escalas por grupo do MLX (meio bit por peso), ou o formato nativo do modelo, com espaço extra para o contexto. Por padrão, o macOS deixa a GPU usar cerca de 75% da memória unificada. Velocidade: a largura de banda da memória dividida pelos bytes lidos por token é o teto para uma conversa; nos benchmarks públicos de Apple Silicon do llama.cpp, execuções reais chegam a cerca de 45% a 80% desse teto, que é a faixa mostrada. São estimativas, não medições: meça o seu Mac no MLX Bench. Dados dos modelos tirados de cada model card oficial; dados dos chips, das especificações técnicas da Apple. Verificado em 2026-10-19. Os mesmos dados de mlx.app/compare.