在agent时间最贵的是什么？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。

然而当今运转，有这样一个开荒者他开源了一个腹地有野心，一台苹果札记本就能部署，也便是说，你从此竣事了“龙虾摆脱”，跑再多任务，也不会再为token付出一分钱了。最重要的是，他用的如故DeeSeek V4 Falsh。

几天前，antirez在GitHub上发布了一个款式，叫ds4。

这是一个专诚为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。

开荒者antirez，真名Salvatore Sanfilippo，是意大利设施员，同期他亦然开源数据库Redis的原作家。Redis其后成为全球互联网基础设施里最常用的内存数据库之一。

往好的方面去思，DeepSeek影响力实足大，诱导到了圈内顶流的设施员，但是坏的方面是，DeepSeek这回简直免费了。

任何开荒者王人不错用ds4，去把DeepSeek V4 Flash装进我方的MacBook Pro里，腹地跑代码、腹地读潦倒文、腹地作念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，思运行它，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。总本钱50万东谈主民币。

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最符合被“塞进腹地电脑”。

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。

它复旧100万token潦倒文，符合编程助手这种长任务；同期KV cache压缩得实足狠，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札记本里。

YC的CEO Garry Tan在X上转了这条音问，只打了一排字：正鄙人载……100万token潦倒文窗口，可用的编程助手才气，全在一台128GB的MacBook Pro上，太自便了。

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精致把这辆底本更符合跑在云霄的大车，改到腹地机器上能跑、能接API、还能被coding agent调用。

曩昔全球思在我方电脑上跑大模子，迢遥用的王人是llama.cpp这个器具。它的克己是什么模子王人能跑，Llama、Qwen、DeepSeek实足复旧。

可问题便是，什么王人能跑，就意味着什么王人跑不到最快。为了温存总计模子，llama.cpp必须作念许多调解，性能上不可能作念到极致。

antirez的思法正值相背，他才岂论别的模子存一火，他就专诚伺候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，是永别称的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汇聚。

就像一个器具箱里有284把器具，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，但它们不是每次王人用，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，而模子里所相重要旅途上的组件，包括shared experts、projections、routing汇聚，总计保持原始精度不动。

也便是说，antirez把这些“候补巨匠”狠狠压缩，压到只剩原来1/4的大小，但那些每次王人要用的中枢组件，一丝王人不动，保持原样。

这是一种永别称的压缩战略，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的潦倒文，这异常于你不错把一整本演义扔给它，它能全记取。

但这样长的潦倒文，意味着AI在责任时要束缚地回头翻看前边的内容。为了让这个“回头翻看”的当作不至于慢到卡死，AI需要把这些内容暂存在一个叫“缓存”的地方，简单随时调用。

以前的作念法是把这个缓存放在内存里。内存速率快，AI每次生成一个字王人要等闲查这个缓存，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，模子自己王人没地方放了。

是以antirez的作念法是顺利把缓存扔到硬盘（SSD）上。ds4把一部分KV现象作念成可落盘、可归附的缓存，让长教唆词和agent反复续写时，不必每次从新惩处。

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，符合作念KV缓存经久化和归附。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的超长对话简直在一台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总计拉满。

按照ds4我方的诠释，2-bit模子自己仍是要占掉简略80GB级别的内存，实在普通使用时，100k到300k潦倒文会更试验一丝。

第三件事，是纯Metal原生旅途。

antirez把总计优化王人押在苹果电脑的GPU上。

因此他专诚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，并不是这个项指标重心。README里也写得很直白，CPU模式现时还不结识，以致可能触发系统崩溃。antirez进一步示意，6686体育官方网站如果有东谈主真思走这条路，后续简略还得靠社区来救援。

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、调试这些普通责任完全够用。

更有真理的是，antirez是独自一东谈主通过GPT-5.5完成的总计这个款式。

02

利好DeepSeek

阐明外媒报谈，DeepSeek现时正在寻求高达73.5亿好意思元的融资，梁文锋当今就处在这个重要的改造点上，用贸易叙事取代DeepSeek过往的时刻叙事。

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。

一个国外著明开荒大佬，自得为你的模子写专用引擎，这自己就诠释DeepSeek在国外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，主流揣摸尺度是benchmark，MMLU、HumanEval、SWE-bench，一串又一串的数字。

但有东谈主自得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王人要试一遍的博主

他选一个模子，然后还要花几周的时分去写专用推理引擎、作念特制量化、搭HTTP职业层、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，在用我方的时分和名声给DeepSeek-V4背书。

说到国产模子出海，现时我能思到的路有两条。

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

这条路很顺利，也很试验，别东谈主不错随时切换，你时时刻刻王人得抵挡你的竞品，从性能到价钱。

另一条是模子被创新。有东谈主把你的权重拿走，作念量化、作念蒸馏、作念专用runtime、作念腹地部署、作念agent器具链。在这条路里，你的模子成了材料。

材料和职业的区别在于，材料会被镶嵌到别东谈主的器具链里，然后就很难被换掉了。

举个例子，某个开荒者把ds4集成到我方的coding agent里，写了一堆建立文献、调试剧本、自动化进程。他的团队成员也王人习尚了这套器具，公司的代码库里到处王人是基于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”那么毛糙了，而是要再行适配引擎、重写剧本、再行培训团队习尚。本钱太高，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。终结发稿，Hugging Face上antirez阿谁deepseek-v4-gguf仓库，就仍是有25000次下载了。

每一次下载，王人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种植起来了。

更值得正经的是连锁效应。

Hacker News上有这样一条高赞驳斥，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，玄虚层去掉得越多，优化空间就越大。

这个地方一朝被考证，意味着每一代有重量的开源模子发布时，王人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。

异常于是每一代模子王人应该有一个我方的“antirez”，开荒出一个我方的“ds4”。

DeepSeek V4 Flash正值踩在了这个起初上。

如果这套逻辑缔造，那么后续每个V4 Flash的小版块迭代，王人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，酿成国外开荒者手里的基础设施材料。

关于现阶段的DeepSeek来说，这种“升维”异常过错。

03

塞翁失马

讲完毕利好，必须讲另一面。

现时来看，DeepSeek的中枢贸易化旅途是API。开荒者调用，按token付费，薄利多销。

这是DeepSeek最擅长的布置。

但ds4这种款式，本体上是在“劝退”一部分API用户。

你不错这样来剖释，一个寂寥开荒者或者小团队，曩昔用Claude Code或者DeepSeek的API跑coding agent。coding agent是高token消费场景，长潦倒文、多轮对话、等闲器具调用、反复重试。

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

然而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。

前期进入一次，之后推理莫得边缘本钱，数据不出腹地，延伸完全可控。

外网论坛上有个开荒者共享了他的方法：普通写代码、改bug这些毛糙任务，全扔给腹地的ds4跑，毋庸钱。只须遭受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消费的部分被腹地化了，只须少许高价值调用还留在云霄。

异常于一分钱莫得给到DeepSeek，却在绝大无数时分王人在使用DeepSeek。

同期，antirez经受的量化方法亦然有“坑”的。

即使是永别称量化战略，只压MoE巨匠不压重要旅途，也不可能完全莫得质地亏损。

外网论坛上仍是有东谈主发出了测试扫尾，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阻隔的问题，叫作念体验讲授权。

就像DeepSeek职业器崩了，我不知谈是为什么崩的，我只会认为是DeepSeek不行。

用户调用DeepSeek官方API，如果成果不好，他简略率会认为是DeepSeek我方的问题。但用户在腹地跑ds4时，面临的是2-bit量化、Metal runtime、SSD KV cache、潦倒文截断、agent建立等一整套变量。

这内部任何一个体式出问题，临了频频被归因到“DeepSeek不行”。

别东谈主帮你扩散模子，但他并不会帮你去珍爱口碑，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，梁文锋更思要的是后者，然则ds4却让DeepSeek成为了前者。

材料只会被镶嵌别东谈主的器具链，不成为DeepSeek提供贸易闭环，只须平台才掌合手分发、计费、账户、数据、开荒者联系和升级节律。

DeepSeek如果仅仅提供权重，被antirez、Cursor、多样腹地agent和第三方runtime拿去创新，它自然获取了名声。不外实在能留住用户的东谈主，可能是那些器具链的开荒者。

这便是开源模子的悖论。

模子越告成，越容易成为别东谈主的底层才气；但底层才气如果莫得收拢开荒者的进口，就有可能被表层居品吃掉大部分贸易价值。

是以ds4对DeepSeek不是毛糙的好音问，也不是坏音问。

不错确定的是6686体育官方网站，关于DeepSeek来说，他们又有故事不错讲给投资东谈主听了。