在agent时期最贵的是什么？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。

然而现时启动，有这样一个开辟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，你从此完结了“龙虾开脱”，跑再多任务，也不会再为token付出一分钱了。最要害的是，他用的照旧DeeSeek V4 Falsh。

几天前，antirez在GitHub上发布了一个名堂，叫ds4。

这是一个挑升为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。

开辟者antirez，真名Salvatore Sanfilippo，是意大利措施员，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影响力实足大，眩惑到了圈内顶流的措施员，但是坏的方面是，DeepSeek这回果真免费了。

任何开辟者都不错用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。

固然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最合适被“塞进土产货电脑”。

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

它营救100万token高下文，合适编程助手这种长任务；同期KV cache压缩得实足狠，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上转了这条音信，只打了一转字：正鄙人载……100万token高下文窗口，可用的编程助手才调，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持重把这辆底本更合适跑在云霄的大车，改到土产货机器上能跑、能接API、还能被coding agent调用。

夙昔环球念念在我方电脑上跑大模子，深广用的都是llama.cpp这个器用。它的克己是什么模子都能跑，Llama、Qwen、DeepSeek皆备营救。

可问题即是，什么都能跑，就意味着什么都跑不到最快。为了柔和总共模子，llama.cpp必须作念好多谐和，性能上不可能作念到极致。

antirez的念念法适值相悖，他才非论别的模子存一火，他就挑升伺候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罗。

就像一个器用箱里有284把器用，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，而模子里所磋议键旅途上的组件，包括shared experts、projections、routing收罗，一说念保持原始精度不动。

也即是说，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计谋，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营救100万token的高下文，这相配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在责任时要连接地回头翻看前边的内容。为了让这个“回头翻看”的作为不至于慢到卡死，AI需要把这些内容暂存在一个叫“缓存”的场地，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，模子自己都没场地放了。

是以antirez的作念法是径直把缓存扔到硬盘（SSD）上。ds4把一部分KV情状作念成可落盘、可规复的缓存，让长辅导词和agent反复续写时，不必每次从新管理。

这听起来有点离谱，因为硬盘比内存慢多了。

然而当代Mac SSD实足快，合适作念KV缓存历久化和规复。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。

消失即是内存省出来了，100万token的超长对话果真在一台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一说念拉满。

按照ds4我方的施展，2-bit模子自己也曾要占掉大要80GB级别的内存，信得逾期时使用时，100k到300k高下文会更现实一丝。

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。

因此他挑升为苹果芯片写了一套代码，让DeepSeek V4 Flash能在苹果电脑上跑得飞速。

至于CPU，并不是这个项打算重心。README里也写得很直白，CPU方法现时还不富厚，以致可能触发系统崩溃。antirez进一步示意，华游体育中国官网入口如果有东说念主真念念走这条路，后续不详还得靠社区来挽回。

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、调试这些时时责任完全够用。

更有真谛的是，antirez是独自一东说念主通过GPT-5.5完成的通盘这个名堂。

02

利好DeepSeek

阐明外媒报说念，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要害的升沉点上，用交易叙事取代DeepSeek过往的本事叙事。

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。

一个国际着名开辟大佬，繁盛为你的模子写专用引擎，这自己就施展DeepSeek在国际有着一定的生态地位。

夙昔一年，中国开源模子的出海叙事里，主流意料措施是benchmark，MMLU、HumanEval、SWE-bench，一串又一串的数字。

但有东说念主繁盛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期去写专用推理引擎、作念特制量化、搭HTTP工作层、作念agent集成测试，彰着是他认为DeepSeek值得。

这就变非凡于，一个有信誉的第三方，在用我方的时期和名声给DeepSeek-V4背书。

说到国产模子出海，现时我能念念到的路有两条。

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

这条路很径直，也很现实，别东说念主不错随时切换，你每时每刻都得叛逆你的竞品，从性能到价钱。

另一条是模子被修订。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、作念土产货部署、作念agent器用链。在这条路里，你的模子成了材料。

材料和工作的别离在于，材料会被镶嵌到别东说念主的器用链里，然后就很难被换掉了。

举个例子，某个开辟者把ds4集成到我方的coding agent里，写了一堆建设文献、调试剧本、自动化经由。他的团队成员也都风俗了这套器用，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、再行培训团队风俗。资本太高，不详率就不换了。

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。收尾发稿，Hugging Face上antirez阿谁deepseek-v4-gguf仓库，就也曾有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成立起来了。

更值得注重的是连锁效应。

Hacker News上有这样一条高赞辩驳，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若何？GPU越来越贵，概述层去掉得越多，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。

相配于是每一代模子都应该有一个我方的“antirez”，开辟出一个我方的“ds4”。

DeepSeek V4 Flash适值踩在了这个最先上。

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，酿成国际开辟者手里的基础设施材料。

关于现阶段的DeepSeek来说，这种“升维”很是进犯。

03

塞翁失马

讲完毕利好，必须讲另一面。

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

这是DeepSeek最擅长的叮咛。

但ds4这种名堂，实践上是在“劝退”一部分API用户。

你不错这样来富厚，一个寥寂开辟者或者小团队，夙昔用Claude Code或者DeepSeek的API跑coding agent。coding agent是高token浮滥场景，长高下文、多轮对话、频频器用调用、反复重试。

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

然而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。

前期参加一次，之后推理莫得边缘资本，数据不出土产货，延长完全可控。

外网论坛上有个开辟者共享了他的方法：时时写代码、改bug这些简便任务，全扔给土产货的ds4跑，无谓钱。唯一遭逢复杂的架构联想问题，才切换到云霄的DeepSeek V4-Pro或者Claude Opus。

高token浮滥的部分被土产货化了，唯一少许高价值调用还留在云霄。

相配于一分钱莫得给到DeepSeek，却在绝大大都时期都在使用DeepSeek。

同期，antirez选拔的量化方法亦然有“坑”的。

即使是不合称量化计谋，只压MoE群众不压要害旅途，也不可能完全莫得质地亏蚀。

外网论坛上也曾有东说念主发出了测试消失，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繁忙的问题，叫作念体验施展注解权。

就像DeepSeek工作器崩了，我不知说念是为什么崩的，我只会合计是DeepSeek不行。

用户调用DeepSeek官方API，如果着力不好，他不详率会认为是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建设等一整套变量。

这内部任何一个措施出问题，临了时常被归因到“DeepSeek不行”。

别东说念主帮你扩散模子，但他并不会帮你去调整口碑，主若是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，然而ds4却让DeepSeek成为了前者。

材料只会被镶嵌别东说念主的器用链，不成为DeepSeek提供交易闭环，唯一平台才掌合手分发、计费、账户、数据、开辟者关系和升级节律。

DeepSeek如果仅仅提供权重，被antirez、Cursor、多样土产货agent和第三方runtime拿去修订，它自然取得了名声。不外信得过能留住用户的东说念主，可能是那些器用链的开辟者。

这即是开源模子的悖论。

模子越告捷，越容易成为别东说念主的底层才调；但底层才调如果莫得收拢开辟者的进口，就有可能被表层家具吃掉大部分交易价值。

是以ds4对DeepSeek不是简便的好音信，也不是坏音信。

不错笃定的是，关于DeepSeek来说华游体育中国官网入口，他们又有故事不错讲给投资东说念主听了。