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。

关联词当今启动，有这样一个斥地者他开源了一个腹地决策，一台苹果条记本就能部署，也便是说，你从此已毕了“龙虾解放”，跑再多任务，也不会再为token付出一分钱了。最关键的是，他用的如故DeeSeek V4 Falsh。

几天前，antirez在GitHub上发布了一个技俩，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。

斥地者antirez，真名Salvatore Sanfilippo，是意大利步履员，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。

往好的方面去念念，DeepSeek影响力有余大，诱骗到了圈内顶流的步履员，但是坏的方面是，DeepSeek这回竟然免费了。

任何斥地者都不错用ds4，去把DeepSeek V4 Flash装进我方的MacBook Pro里，腹地跑代码、腹地读高下文、腹地作念agent任务，而这一切的一切，不需要给DeepSeek付1分钱。

自然DeepSeek V4 Flash自己开源，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，念念运行它，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50万东说念主民币。

而当今，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最适应被“塞进腹地电脑”。

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

它复旧100万token高下文，适应编程助手这种长任务；同期KV cache压缩得有余狠，给腹地内存和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条记本里。

YC的CEO Garry Tan在X上转了这条讯息，只打了一转字：正鄙人载……100万token高下文窗口，可用的编程助手能力，全在一台128GB的MacBook Pro上，太纵容了。

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细密把这辆正本更适应跑在云表的大车，改到腹地机器上能跑、能接API、还能被coding agent调用。

过圆寂界念念在我方电脑上跑大模子，宽敞用的都是llama.cpp这个用具。它的刚正是什么模子都能跑，Llama、Qwen、DeepSeek皆备复旧。

可问题便是，什么都能跑，就意味着什么都跑不到最快。为了关心通盘模子，llama.cpp必须作念许多和洽，性能上不可能作念到极致。

antirez的念念法恰巧相背，他才不论别的模子存一火，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，是不合称的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是路由挑出来的几许个群众子收集。

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“备选群众”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，而模子里所联系键旅途上的组件，包括shared experts、projections、routing收集，沿途保持原始精度不动。

也便是说，antirez把这些“候补群众”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。

这是一种不合称的压缩政策，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复旧100万token的高下文，这相称于你不错把一整本演义扔给它，它能全记着。

但这样长的高下文，意味着AI在职责时要不竭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”的地点，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常常查这个缓存，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，模子自己都没地点放了。

是以antirez的作念法是奏凯把缓存扔到硬盘（SSD）上。ds4把一部分KV情景作念成可落盘、可复原的缓存，让长领导词和agent反复续写时，无谓每次从新处分。

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有余快，得手脚念KV缓存历久化和复原。加上DeepSeek V4 Flash自己对缓存作念过压缩，读写量不大，是以硬盘完全顶得住。

扫尾便是内存省出来了，100万token的超长对话竟然在一台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沿途拉满。

按照ds4我方的剖判，2-bit模子自己依然要占掉大致80GB级别的内存，着实平常使用时，100k到300k高下文会更推行一丝。

第三件事，是纯Metal原生旅途。

antirez把通盘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速即。

至于CPU，并不是这个技俩标要点。README里也写得很直白，CPU模式目下还不踏实，致使可能触发系统崩溃。antirez进一步示意，UED体育中国官方网站入口如果有东说念主真念念走这条路，后续简略还得靠社区来提拔。

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

不算快，但写代码、调试这些平常职责完全够用。

更有道理的是，antirez是独自一东说念主通过GPT-5.5完成的通盘这个词这个技俩。

02

利好DeepSeek

凭据外媒报说念，DeepSeek目下正在寻求高达73.5亿好意思元的融资，梁文锋当今就处在这个关键的调治点上，用买卖叙事取代DeepSeek过往的时间叙事。

那投资东说念主看什么？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。

一个外洋着名斥地大佬，景象为你的模子写专用引擎，这自己就剖判DeepSeek在外洋有着一定的生态地位。

曩昔一年，中国开源模子的出海叙事里，主流忖度法度是benchmark，MMLU、HumanEval、SWE-bench，一串又一串的数字。

但有东说念主景象围绕你作念二次工程，才代表你的模子被认同了。Anthropic用千问作念实验，Cursor蒸馏Kimi，这种认同比分数更值钱。

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，然后还要花几周的时候去写专用推理引擎、作念特制量化、搭HTTP干事层、作念agent集成测试，彰着是他认为DeepSeek值得。

这就变十分于，一个有信誉的第三方，在用我方的时候和名声给DeepSeek-V4背书。

说到国产模子出海，目下我能念念到的路有两条。

一条是API被调用。你提供干事，别东说念主付费使用，你是service provider，客户是consumer。

这条路很奏凯，也很推行，别东说念主不错随时切换，你日复一日都得抗争你的竞品，从性能到价钱。

另一条是模子被改造。有东说念主把你的权重拿走，作念量化、作念蒸馏、作念专用runtime、作念腹地部署、作念agent用具链。在这条路里，你的模子成了材料。

材料和干事的别离在于，材料会被镶嵌到别东说念主的用具链里，然后就很难被换掉了。

举个例子，某个斥地者把ds4集成到我方的coding agent里，写了一堆建立文献、调试剧本、自动化经过。他的团队成员也都民俗了这套用具，公司的代码库里到处都是基于DeepSeek腹地推理的调用。

这时候如果要换成别的模子，就不是“改个API key”那么浅陋了，而是要从新适配引擎、重写剧本、从新培训团队民俗。资本太高，简略率就不换了。

这便是“被镶嵌”的粘性。

ds4把DeepSeek V4 Flash嵌进了Metal原生腹地推理这个场景。铁心发稿，Hugging Face上antirez阿谁deepseek-v4-gguf仓库，就依然有25000次下载了。

每一次下载，都意味着有东说念主在我方的机器上跑起了DeepSeek，粘性也就这样一丝一丝的陶冶起来了。

更值得防卫的是连锁效应。

Hacker News上有这样一条高赞挑剔，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怎样？GPU越来越贵，空洞层去掉得越多，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，都会有东说念主跳出来给它作念专属引擎、专属量化、专属agent接入。

相称于是每一代模子都应该有一个我方的“antirez”，斥地出一个我方的“ds4”。

DeepSeek V4 Flash恰巧踩在了这个最先上。

如果这套逻辑成立，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说念主。

DeepSeek也从一个模子品牌，酿成外洋斥地者手里的基础设施材料。

关于现阶段的DeepSeek来说，这种“升维”非凡进攻。

03

失之东隅

讲完结利好，必须讲另一面。

目下来看，DeepSeek的中枢买卖化旅途是API。斥地者调用，按token付费，薄利多销。

这是DeepSeek最擅长的移交。

但ds4这种技俩，内容上是在“劝退”一部分API用户。

你不错这样来交融，一个零丁斥地者或者小团队，曩昔用Claude Code或者DeepSeek的API跑coding agent。coding agent是高token耗尽场景，长高下文、多轮对话、常常用具调用、反复重试。

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

关联词当今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。

前期过问一次，之后推理莫得边缘资本，数据不出腹地，延长完全可控。

外网论坛上有个斥地者共享了他的方法：平常写代码、改bug这些浅陋任务，全扔给腹地的ds4跑，不费钱。只消碰到复杂的架构野心问题，才切换到云表的DeepSeek V4-Pro或者Claude Opus。

高token耗尽的部分被腹地化了，只灰心少高价值调用还留在云表。

相称于一分钱莫得给到DeepSeek，却在绝大宽敞时候都在使用DeepSeek。

同期，antirez袭取的量化方法亦然有“坑”的。

即使是不合称量化政策，只压MoE群众不压关键旅途，也不可能完全莫得质地亏损。

外网论坛上依然有东说念主发出了测试扫尾，ds4腹地量化版块在超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敏锐。

这就引出了另一个更不毛的问题，叫作念体验解说权。

就像DeepSeek干事器崩了，我不知说念是为什么崩的，我只会认为是DeepSeek不行。

用户调用DeepSeek官方API，如果服从不好，他简略率会认为是DeepSeek我方的问题。但用户在腹地跑ds4时，靠近的是2-bit量化、Metal runtime、SSD KV cache、高下文截断、agent建立等一整套变量。

这内部任何一个方式出问题，临了频频被归因到“DeepSeek不行”。

别东说念主帮你扩散模子，但他并不会帮你去着重口碑，主淌若东说念主家也没这义务。

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

材料只会被镶嵌别东说念主的用具链，弗成为DeepSeek提供买卖闭环，只消平台才掌抓分发、计费、账户、数据、斥地者关系和升级节拍。

DeepSeek如果仅仅提供权重，被antirez、Cursor、多样腹地agent和第三方runtime拿去改造，它自然赢得了名声。不外着实能留住用户的东说念主，可能是那些用具链的斥地者。

这便是开源模子的悖论。

模子越得胜，越容易成为别东说念主的底层能力；但底层能力如果莫得收拢斥地者的进口，就有可能被表层家具吃掉大部分买卖价值。

是以ds4对DeepSeek不是浅陋的好讯息，也不是坏讯息。

不错详情的是ued官方网站，关于DeepSeek来说，他们又有故事不错讲给投资东说念主听了。