DeepSeek V4

Что входит в серию

На 17 сентября 2026 года у организации deepseek-ai на Hugging Face десять репозиториев с «V4» в имени ^[1]. Отдельного репозитория «DeepSeek-V4» без суффикса нет — серия состоит из вариантов.

Первые две модели появились 22 апреля 2026 года и обновлялись 22 июня ^{[2] [6]}; авторы называют их предварительной версией серии — «a preview version of DeepSeek-V4 series» ^[5]. V4.1-Flash выложена 10 сентября 2026 года ^[8].

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].

«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].

Про расхождение у V4.1-Flash. Карточка называет 552 млрд параметров основы и отдельно 196 млрд параметров памяти Engram ^[9], а в файлах репозитория API насчитывает 763,2 млрд ^[8]. 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]. Авторская инструкция запуска рассчитана на четыре ускорителя: MP=4 ^[4].
• V4-Pro — 864,7 ГБ ^[6]. В авторской инструкции — восемь ускорителей: MP=8 ^[7].
• V4.1-Flash — 510,3 ГБ ^[8].

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]. Карточка говорит то же словами: обе модели поддерживают контекст в один миллион токенов ^[5]. Для режима максимального рассуждения авторы советуют окно не меньше 384 тыс. токенов ^[5].

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]. Это заявление автора.

Лицензия

В репозиториях V4-Pro, V4-Flash и V4.1-Flash лежит файл LICENSE с текстом лицензии MIT ^[10]; отдельного файла с лицензией на веса в них нет ^[6]. Карточка формулирует это одной фразой: «This repository and the model weights are licensed under the MIT License» ^[5]. Текст MIT разрешает использовать, изменять, распространять и продавать копии при сохранении уведомления об авторских правах ^[10]. 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].

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]. По карточке веса выложены в смешанной точности FP4 + FP8 ^[5]; чтобы работать целиком в FP8, авторы советуют убрать "expert_dtype": "fp4" из config.json и передать --expert-dtype fp8 при конвертации ^[7]. Рекомендуемые параметры генерации — temperature = 1.0, top_p = 1.0 ^[5].

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.

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]. Для небольших машин автор выложил дистилляты R1 — плотные модели, дообученные на ответах R1 ^[12]:

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].

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]. 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]. Модель deepseek-v4-flash в библиотеке тоже есть, но только с тегом cloud — она выполняется в облаке Ollama, а не на вашей машине ^[15].

У самого R1 карточка указывает контекст 128 тыс. токенов ^[12], а в config.json значение max_position_embeddings равно 163 840 ^[13]. 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.