在agent期间最贵的是什么？是token。

一些重度agent使用者，一个月用掉几亿token，账单小几万块钱亦然常有的事。

关联词现时初始，有这样一个开拓者他开源了一个土产货决议，一台苹果札记本就能部署，也即是说，你从此收场了“龙虾解放”，跑再多任务，也不会再为token付出一分钱了。最环节的是，他用的如故DeeSeek V4 Falsh。

几天前，antirez在GitHub上发布了一个神志，叫ds4。

这是一个特殊为DeepSeek V4 Flash写的推理引擎。一共几千行C代码，不错让DeepSeek V4 Flash这个模子在128G内存的苹果电脑上跑起来。

开拓者antirez，真名Salvatore Sanfilippo，是意大利方法员，同期他亦然开源数据库Redis的原作家。Redis自后成为全球互联网基础设施里最常用的内存数据库之一。

往好的方面去想，DeepSeek影响力富余大，引诱到了圈内顶流的方法员，但是坏的方面是，DeepSeek这回的确免费了。

任何开拓者都不错用ds4，去把DeepSeek V4 Flash装进我方的MacBook Pro里，土产货跑代码、土产货读高下文、土产货作念agent任务，而这一切的一切，不需要给DeepSeek付1分钱。

自然DeepSeek V4 Flash自身开源，可FP16精度的原始模子要吃掉284G内存，显存需求更是高达160G。

因此，想运行它，你至少得有两张英伟达A100 80GB、一条512GB DDR5 ECC内存，以及一个4TB NVMe SSD。总资本50万东谈主民币。

而现时，一台3万块钱的MacBook Pro就能跑。

那antirez为什么偏巧选中DeepSeek V4 Flash呢？

原因是DeepSeek最适当被“塞进土产货电脑”。

它有284B总参数，富余大；但每次推理只激活13B参数，又不像传统大模子那样千里重。

它赞成100万token高下文，适当编程助手这种长任务；同期KV cache压缩得富余狠，给土产货内存和SSD留住了操作空间。

DeepSeek V4 Flash刚好站在了这样一个神奇的均衡点上，既大到值得折腾，又小到能被塞进苹果札记本里。

YC的CEO Garry Tan在X上转了这条音书，只打了一瞥字：正鄙人载……100万token高下文窗口，可用的编程助手才智，全在一台128GB的MacBook Pro上，太豪恣了。

01

ds4究竟是什么？

先说论断，ds4不是一个模子，它是一台“专用发动机”。DeepSeek V4 Flash是车，苹果电脑是路，ds4讲求把这辆蓝本更适当跑在云表的大车，改到土产货机器上能跑、能接API、还能被coding agent调用。

以前全球想在我方电脑上跑大模子，深广用的都是llama.cpp这个用具。它的刚正是什么模子都能跑，Llama、Qwen、DeepSeek完全赞成。

可问题即是，什么都能跑，就意味着什么都跑不到最快。为了温雅总共模子，llama.cpp必须作念许多息争，性能上不可能作念到极致。

antirez的观念恰巧相背，他才不论别的模子生死，他就特殊伺候DeepSeek V4 Flash这一个，把它优化到极限。

他一共作念了3件事。

第一件事，是分别称的2-bit量化。

DeepSeek V4 Flash的架构是MoE（Mixture of Experts），284B总参数里，每次推理只激活13B，这13B是路由挑出来的多少个巨匠子网络。

就像一个用具箱里有284把用具，每次只拿出13把来用。这284B内部，有一大堆“备选巨匠”占了90%以上的空间，但它们不是每次都用，仅仅候补。

antirez的作念法是，只对这批routed experts作念激进的2-bit量化，up和gate矩阵用IQ2_XXS，down矩阵用Q2_K，而模子里所相环节旅途上的组件，包括shared experts、projections、routing网络，一都保持原始精度不动。

也即是说，antirez把这些“候补巨匠”狠狠压缩，压到只剩原来1/4的大小，但那些每次都要用的中枢组件，一丝都不动，保持原样。

这是一种分别称的压缩计策，砍掉体积大头，保住质地命根子。

第二件事，是把KV Cache搬到SSD上。

DeepSeek V4 Flash赞成100万token的高下文，这终点于你不错把一整本演义扔给它，它能全记取。

但这样长的高下文，意味着AI在责任时要抑止地回头翻看前边的内容。为了让这个“回头翻看”的动作不至于慢到卡死，AI需要把这些内容暂存在一个叫“缓存”的场所，便捷随时调用。

以前的作念法是把这个缓存放在内存里。内存速率快，AI每次生成一个字都要频频查这个缓存，是以必须放内存。

但问题是，如果让128GB内存的MacBook Pro跑DeepSeek-V4 Flash，光缓存就能把内存吃光，模子自身都没场所放了。

是以antirez的作念法是平直把缓存扔到硬盘（SSD）上。ds4把一部分KV情景作念成可落盘、可还原的缓存，让长领导词和agent反复续写时，不必每次从新处置。

这听起来有点离谱，因为硬盘比内存慢多了。

关联词当代Mac SSD富余快，得行为念KV缓存经久化和还原。加上DeepSeek V4 Flash自身对缓存作念过压缩，读写量不大，是以硬盘完全顶得住。

末端即是内存省出来了，100万token的超长对话的确在一台MacBook上跑起来了。

不外这不等于128GB MacBook不错毫无压力地把100万token一都拉满。

按照ds4我方的证据，2-bit模子自身照旧要占掉肤浅80GB级别的内存，信得过平淡使用时，100k到300k高下文会更施行一丝。

第三件事，是纯Metal原生旅途。

antirez把总共优化都押在苹果电脑的GPU上。

因此他特殊为苹果芯片写了一套代码，让DeepSeek V4 Flash能在苹果电脑上跑得连忙。

至于CPU，并不是这个项盘算要点。README里也写得很直白，CPU格式现时还不踏实，甚而可能触发系统崩溃。antirez进一步示意，开云体育(中国)官方网站如果有东谈主真想走这条路，后续不祥还得靠社区来支援。

在M3 Max 128GB的MacBook Pro上，实测速率是每秒能生成26个字傍边。M3 Ultra 512GB的Mac Studio上能跑到每秒36个字。

不算快，但写代码、调试这些平淡责任完全够用。

更故意念念的是，antirez是独自一东谈主通过GPT-5.5完成的通盘这个神志。

02

利好DeepSeek

字据外媒报谈，DeepSeek现时正在寻求高达73.5亿好意思元的融资，梁文锋现时就处在这个环节的漂浮点上，用交易叙事取代DeepSeek过往的技艺叙事。

那投资东谈主看什么？不仅仅看模子跑分，不仅仅看API调用量，更看生态位和不可替代性。

一个国际著明开拓大佬，餍足为你的模子写专用引擎，这自身就证据DeepSeek在国际有着一定的生态地位。

以前一年，中国开源模子的出海叙事里，主流揣测方法是benchmark，MMLU、HumanEval、SWE-bench，一串又一串的数字。

但有东谈主餍足围绕你作念二次工程，才代表你的模子被招供了。Anthropic用千问作念实验，Cursor蒸馏Kimi，这种招供比分数更值钱。

antirez不是AI圈里那种什么新模子都要试一遍的博主

他选一个模子，然后还要花几周的期间去写专用推理引擎、作念特制量化、搭HTTP劳动层、作念agent集成测试，彰着是他认为DeepSeek值得。

这就变出奇于，一个有信誉的第三方，在用我方的期间和名声给DeepSeek-V4背书。

说到国产模子出海，现时我能意想的路有两条。

一条是API被调用。你提供劳动，别东谈主付费使用，你是service provider，客户是consumer。

这条路很平直，也很施行，别东谈主不错随时切换，你日复一日都得抵拒你的竞品，从性能到价钱。

另一条是模子被窜改。有东谈主把你的权重拿走，作念量化、作念蒸馏、作念专用runtime、作念土产货部署、作念agent用具链。在这条路里，你的模子成了材料。

材料和劳动的区别在于，材料会被镶嵌到别东谈主的用具链里，然后就很难被换掉了。

举个例子，某个开拓者把ds4集成到我方的coding agent里，写了一堆配置文献、调试剧本、自动化经由。他的团队成员也都风尚了这套用具，公司的代码库里到处都是基于DeepSeek土产货推理的调用。

这时候如果要换成别的模子，就不是“改个API key”那么简便了，而是要再行适配引擎、重写剧本、再行培训团队风尚。资本太高，不祥率就不换了。

这即是“被镶嵌”的粘性。

ds4把DeepSeek V4 Flash嵌进了Metal原生土产货推理这个场景。界限发稿，Hugging Face上antirez阿谁deepseek-v4-gguf仓库，就照旧有25000次下载了。

每一次下载，都意味着有东谈主在我方的机器上跑起了DeepSeek，粘性也就这样一丝一丝的建造起来了。

更值得注释的是连锁效应。

Hacker News上有这样一条高赞评述，他说如果以后针对精准的GPU加模子组合构建超优化推理引擎会奈何？GPU越来越贵，详尽层去掉得越多，优化空间就越大。

这个标的一朝被考据，意味着每一代有重量的开源模子发布时，都会有东谈主跳出来给它作念专属引擎、专属量化、专属agent接入。

终点于是每一代模子都应该有一个我方的“antirez”，开拓出一个我方的“ds4”。

DeepSeek V4 Flash恰巧踩在了这个开头上。

如果这套逻辑建立，那么后续每个V4 Flash的小版块迭代，都会自然地被镶嵌到这个“一代模子配一个专用引擎”的轮回里。

梁文锋成了第一个吃螃蟹的东谈主。

DeepSeek也从一个模子品牌，酿成国际开拓者手里的基础设施材料。

关于现阶段的DeepSeek来说，这种“升维”终点遑急。

03

收之桑榆

讲结束利好，必须讲另一面。

现时来看，DeepSeek的中枢交易化旅途是API。开拓者调用，按token付费，薄利多销。

这是DeepSeek最擅长的叮嘱。

但ds4这种神志，骨子上是在“劝退”一部分API用户。

你不错这样来和谐，一个独处开拓者或者小团队，以前用Claude Code或者DeepSeek的API跑coding agent。coding agent是高token销耗场景，长高下文、多轮对话、频频用具调用、反复重试。

按token计费的话，一个重度agent的开拓者每个月可能要花几千块钱的token用度。

关联词现时他眼前出现了另一个选项。

花几万块钱买一台128GB的MacBook Pro，然后跑ds4。

前期插足一次，之后推理莫得边缘资本，数据不出土产货，延长完全可控。

外网论坛上有个开拓者共享了他的方法：平淡写代码、改bug这些简便任务，全扔给土产货的ds4跑，无谓钱。惟有碰到复杂的架构想象问题，才切换到云表的DeepSeek V4-Pro或者Claude Opus。

高token销耗的部分被土产货化了，惟有一丝高价值调用还留在云表。

终点于一分钱莫得给到DeepSeek，却在绝大多量期间都在使用DeepSeek。

同期，antirez禁受的量化方法亦然有“坑”的。

即使是分别称量化计策，只压MoE巨匠不压环节旅途，也不可能完全莫得质地亏本。

外网论坛上照旧有东谈主发出了测试末端，ds4土产货量化版块在超2000行代码的文献里偶尔丢失变量作用域，幻觉略多，MoE路由层对量化噪声尤其明锐。

这就引出了另一个更穷困的问题，叫作念体验讲解权。

就像DeepSeek劳动器崩了，我不知谈是为什么崩的，我只会以为是DeepSeek不行。

用户调用DeepSeek官方API，如果后果不好，他不祥率会认为是DeepSeek我方的问题。但用户在土产货跑ds4时，濒临的是2-bit量化、Metal runtime、SSD KV cache、高下文截断、agent配置等一整套变量。

这内部任何一个设施出问题，临了频频被归因到“DeepSeek不行”。

别东谈主帮你扩散模子，但他并不会帮你去注意口碑，主如果东谈主家也没这义务。

更深一层看，“成为材料”和“成为平台”是完全不同的两件事，梁文锋更想要的是后者，关联词ds4却让DeepSeek成为了前者。

材料只会被镶嵌别东谈主的用具链，不可为DeepSeek提供交易闭环，惟有平台才掌抓分发、计费、账户、数据、开拓者相干和升级节拍。

DeepSeek如果仅仅提供权重，被antirez、Cursor、各式土产货agent和第三方runtime拿去窜改，它自然赢得了名声。不外信得过能留住用户的东谈主，可能是那些用具链的开拓者。

这即是开源模子的悖论。

模子越顺利，越容易成为别东谈主的底层才智；但底层才智如果莫得收拢开拓者的进口，就有可能被表层产物吃掉大部分交易价值。

是以ds4对DeepSeek不是简便的好音书，也不是坏音书。

不错详情的是开云体育，关于DeepSeek来说，他们又有故事不错讲给投资东谈主听了。