# DeepSeek V4

Источник: https://modelium.tech/modeli/deepseek-ai/deepseek-v4/

DeepSeek V4 — серия открытых моделей DeepSeek. В ней V4-Pro (по заявлению автора 1,6 трлн параметров, 49 млрд активных) и V4-Flash (284 млрд, 13 млрд активных), обе с контекстом до 1 млн токенов; веса распространяются по лицензии MIT. 10 сентября 2026 года добавилась мультимодальная V4.1-Flash. Одной видеокарты для них не хватит — даже у младшей V4-Flash файлы весов занимают около 160 ГБ. Для работы на одной видеокарте подходят дистилляты DeepSeek-R1 размером от 1,5 до 70 млрд параметров.

> [!note] **Мы это не запускали.** Размеры, параметры и команды взяты из файлов и карточек репозиториев Hugging Face на 17 сентября 2026 года, у каждого указана ревизия. Результаты тестов — заявления автора, Modelium их не воспроизводил.

## Что входит в серию

На 17 сентября 2026 года у организации deepseek-ai на Hugging Face десять репозиториев с «V4» в имени [1](https://huggingface.co/api/models?author=deepseek-ai&search=V4&full=true). Отдельного репозитория «DeepSeek-V4» без суффикса нет — серия состоит из вариантов.

| Модель | Параметры: всего и активных, по карточке | Тензоров в файлах, по API | Файлы весов | Тип |
|---|---|---|---|---|
| DeepSeek-V4-Flash | 284 млрд, 13 млрд [5](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md) | 290,9 млрд [2](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Flash?blobs=true) | 159,6 ГБ [2](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Flash?blobs=true) | текст |
| DeepSeek-V4-Pro | 1,6 трлн, 49 млрд [5](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md) | 1 598,8 млрд [6](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Pro?blobs=true) | 864,7 ГБ [6](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Pro?blobs=true) | текст |
| DeepSeek-V4.1-Flash | 552 млрд основы; 8 млрд на чтении запроса, 16 млрд на генерации [9](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/dba1be0a40aa45a94ad051997016db3960a90277/README.md) | 763,2 млрд [8](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4.1-Flash?blobs=true) | 510,3 ГБ [8](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4.1-Flash?blobs=true) | текст и изображения |

Первые две модели появились 22 апреля 2026 года и обновлялись 22 июня [2](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Flash?blobs=true) [6](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Pro?blobs=true); авторы называют их предварительной версией серии — «a preview version of DeepSeek-V4 series» [5](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md). V4.1-Flash выложена 10 сентября 2026 года [8](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4.1-Flash?blobs=true).

Остальные репозитории серии: базовые версии без дообучения (V4-Flash-Base, V4-Pro-Base), датированные сборки V4-Flash-0731 и V4-Pro-0813, варианты DSpark и экспериментальная V4-Flash-Vision-Exp [1](https://huggingface.co/api/models?author=deepseek-ai&search=V4&full=true).

**«V4 Pro Max» и «V4 Flash Max» — не отдельные модели.** Так карточка называет режим максимального усилия рассуждения у V4-Pro и V4-Flash: «the maximum reasoning effort mode» [5](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md).

**Про расхождение у V4.1-Flash.** Карточка называет 552 млрд параметров основы и отдельно 196 млрд параметров памяти Engram [9](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/dba1be0a40aa45a94ad051997016db3960a90277/README.md), а в файлах репозитория API насчитывает 763,2 млрд [8](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4.1-Flash?blobs=true). Мы приводим оба числа и не сводим их в одно.

## Сколько памяти нужно

Размер файлов весов — нижняя граница: столько памяти нужно только для того, чтобы загрузить модель в той точности, в какой она выложена. Поверх неё идут кэш контекста и служебные расходы программы запуска. Считали мы просто — сложили размеры всех файлов `.safetensors` в репозитории по данным API.

- **V4-Flash — 159,6 ГБ** [2](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Flash?blobs=true). Авторская инструкция запуска рассчитана на четыре ускорителя: `MP=4` [4](https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash/blob/60d8d70770c6776ff598c94bb586a859a38244f1/inference/README.md).
- **V4-Pro — 864,7 ГБ** [6](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Pro?blobs=true). В авторской инструкции — восемь ускорителей: `MP=8` [7](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/inference/README.md).
- **V4.1-Flash — 510,3 ГБ** [8](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4.1-Flash?blobs=true).

Это серверный класс, а не настольный. Сколько памяти потребуется сверх весов при вашем окне контекста, мы не измеряли.

## Контекст

В `config.json` и у V4-Flash, и у V4-Pro значение `max_position_embeddings` равно 1 048 576 токенов [3](https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash/blob/60d8d70770c6776ff598c94bb586a859a38244f1/config.json). Карточка говорит то же словами: обе модели поддерживают контекст в один миллион токенов [5](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md). Для режима максимального рассуждения авторы советуют окно не меньше 384 тыс. токенов [5](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md).

Авторы также заявляют, что на контексте в миллион токенов V4-Pro требует 27 % вычислений на токен и 10 % кэша контекста от того, что нужно DeepSeek-V3.2 [5](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md). Это заявление автора.

## Лицензия

В репозиториях V4-Pro, V4-Flash и V4.1-Flash лежит файл `LICENSE` с текстом лицензии MIT [10](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/LICENSE); отдельного файла с лицензией на веса в них нет [6](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Pro?blobs=true). Карточка формулирует это одной фразой: «This repository and the model weights are licensed under the MIT License» [5](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md). Текст MIT разрешает использовать, изменять, распространять и продавать копии при сохранении уведомления об авторских правах [10](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/LICENSE). Юридическую оценку для вашего случая мы не даём.

## Как запускают — по инструкции автора

Авторская инструкция состоит из двух шагов: конвертация весов под нужное число ускорителей и запуск генерации [7](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/inference/README.md).

```bash
export EXPERTS=384   # у V4-Flash — 256
export MP=8          # у V4-Flash — 4
export CONFIG=config.json
python convert.py --hf-ckpt-path ${HF_CKPT_PATH} --save-path ${SAVE_PATH} --n-experts ${EXPERTS} --model-parallel ${MP}
torchrun --nproc-per-node ${MP} generate.py --ckpt-path ${SAVE_PATH} --config ${CONFIG} --interactive
```

Значения для V4-Flash — из её собственной инструкции [4](https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash/blob/60d8d70770c6776ff598c94bb586a859a38244f1/inference/README.md). По карточке веса выложены в смешанной точности FP4 + FP8 [5](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md); чтобы работать целиком в FP8, авторы советуют убрать `"expert_dtype": "fp4"` из `config.json` и передать `--expert-dtype fp8` при конвертации [7](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/inference/README.md). Рекомендуемые параметры генерации — `temperature = 1.0`, `top_p = 1.0` [5](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md).

## Что автор заявляет о качестве

Это цифры из карточек моделей. Они получены автором в режиме максимального усилия рассуждения; независимой проверки у нас нет, и на ваших задачах результат может быть другим.

| Тест | V4-Pro, режим Max [5](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md) | V4.1-Flash, режим Max [9](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/dba1be0a40aa45a94ad051997016db3960a90277/README.md) |
|---|---|---|
| GPQA Diamond, Pass@1 | 90,1 | 90,9 |
| Codeforces, рейтинг | 3206 | 3471 |
| MMLU-Pro, EM | 87,5 | — |
| LiveCodeBench, Pass@1 | 93,5 | — |
| SWE Verified, Resolved | 80,6 | — |
| Terminal-Bench 2.1, Pass@1 | — | 90,6 |

Прочерк значит, что мы не выписывали это значение из карточки, а не что теста не было.

## Если нужна модель для одной видеокарты

Большие модели DeepSeek на одну видеокарту не помещаются, и это касается не только V4: у DeepSeek-R1 файлы весов занимают 688,6 ГБ [11](https://huggingface.co/api/models/deepseek-ai/DeepSeek-R1?blobs=true). Для небольших машин автор выложил дистилляты R1 — плотные модели, дообученные на ответах R1 [12](https://huggingface.co/deepseek-ai/DeepSeek-R1/blob/56d4cbbb4d29f4355bab4b9a39ccb717a14ad5ad/README.md):

| Дистиллят | На какой модели основан |
|---|---|
| DeepSeek-R1-Distill-Qwen-1.5B | Qwen2.5-Math-1.5B |
| DeepSeek-R1-Distill-Qwen-7B | Qwen2.5-Math-7B |
| DeepSeek-R1-Distill-Llama-8B | Llama-3.1-8B |
| DeepSeek-R1-Distill-Qwen-14B | Qwen2.5-14B |
| DeepSeek-R1-Distill-Qwen-32B | Qwen2.5-32B |
| DeepSeek-R1-Distill-Llama-70B | Llama-3.3-70B-Instruct |

Для них в карточке есть готовая команда запуска через vLLM: `vllm serve deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --tensor-parallel-size 2 --max-model-len 32768 --enforce-eager` [12](https://huggingface.co/deepseek-ai/DeepSeek-R1/blob/56d4cbbb4d29f4355bab4b9a39ccb717a14ad5ad/README.md).

**Лицензия у дистиллятов сложнее, чем метка в репозитории.** Сам R1 распространяется по MIT, но карточка отдельно оговаривает: дистилляты на Qwen2.5 изначально лицензированы по Apache 2.0, дистиллят на Llama-3.1-8B — по лицензии llama3.1, на Llama-3.3-70B — по лицензии llama3.3 [12](https://huggingface.co/deepseek-ai/DeepSeek-R1/blob/56d4cbbb4d29f4355bab4b9a39ccb717a14ad5ad/README.md). Для коммерческого использования моделей на основе Llama читайте именно эти лицензии.

**В Ollama.** Для дистиллятов R1 в библиотеке Ollama есть готовые теги с такими размерами файлов: `deepseek-r1:1.5b` — 1,1 ГБ, `7b` — 4,7 ГБ, `8b` — 5,2 ГБ, `14b` — 9,0 ГБ, `32b` — 20 ГБ, `70b` — 43 ГБ; полная `671b` — 404 ГБ [14](https://ollama.com/library/deepseek-r1). Модель `deepseek-v4-flash` в библиотеке тоже есть, но только с тегом `cloud` — она выполняется в облаке Ollama, а не на вашей машине [15](https://ollama.com/library/deepseek-v4-flash).

У самого R1 карточка указывает контекст 128 тыс. токенов [12](https://huggingface.co/deepseek-ai/DeepSeek-R1/blob/56d4cbbb4d29f4355bab4b9a39ccb717a14ad5ad/README.md), а в `config.json` значение `max_position_embeddings` равно 163 840 [13](https://huggingface.co/deepseek-ai/DeepSeek-R1/blob/56d4cbbb4d29f4355bab4b9a39ccb717a14ad5ad/config.json). Приводим оба.

## Чего на этой странице нет

Нет скорости генерации, стоимости и качества на русском языке: собственных замеров у Modelium нет. Нет и совета «какую модель взять» — он зависит от задачи, и для него нужна проверка на ваших данных.

## Источники

1. [Hugging Face API — репозитории deepseek-ai с «V4» в имени](https://huggingface.co/api/models?author=deepseek-ai&search=V4&full=true) — получено 2026-09-17
2. [Hugging Face API — deepseek-ai/DeepSeek-V4-Flash, метаданные и файлы](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Flash?blobs=true) — получено 2026-09-17
3. [DeepSeek-V4-Flash — config.json](https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash/blob/60d8d70770c6776ff598c94bb586a859a38244f1/config.json) — получено 2026-09-17
4. [DeepSeek-V4-Flash — инструкция запуска (inference/README.md)](https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash/blob/60d8d70770c6776ff598c94bb586a859a38244f1/inference/README.md) — получено 2026-09-17
5. [DeepSeek-V4-Pro — карточка модели (README.md)](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md) — получено 2026-09-17
6. [Hugging Face API — deepseek-ai/DeepSeek-V4-Pro, метаданные и файлы](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Pro?blobs=true) — получено 2026-09-17
7. [DeepSeek-V4-Pro — инструкция запуска (inference/README.md)](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/inference/README.md) — получено 2026-09-17
8. [Hugging Face API — deepseek-ai/DeepSeek-V4.1-Flash, метаданные и файлы](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4.1-Flash?blobs=true) — получено 2026-09-17
9. [DeepSeek-V4.1-Flash — карточка модели (README.md)](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/dba1be0a40aa45a94ad051997016db3960a90277/README.md) — получено 2026-09-17
10. [DeepSeek-V4-Pro — файл LICENSE](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/LICENSE) — получено 2026-09-17
11. [Hugging Face API — deepseek-ai/DeepSeek-R1, метаданные и файлы](https://huggingface.co/api/models/deepseek-ai/DeepSeek-R1?blobs=true) — получено 2026-09-17
12. [DeepSeek-R1 — карточка модели (README.md)](https://huggingface.co/deepseek-ai/DeepSeek-R1/blob/56d4cbbb4d29f4355bab4b9a39ccb717a14ad5ad/README.md) — получено 2026-09-17
13. [DeepSeek-R1 — config.json](https://huggingface.co/deepseek-ai/DeepSeek-R1/blob/56d4cbbb4d29f4355bab4b9a39ccb717a14ad5ad/config.json) — получено 2026-09-17
14. [Библиотека Ollama — deepseek-r1](https://ollama.com/library/deepseek-r1) — получено 2026-09-17
15. [Библиотека Ollama — deepseek-v4-flash](https://ollama.com/library/deepseek-v4-flash) — получено 2026-09-17