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。

然而现时运转，有这样一个斥地者他开源了一个土产货决策，一台苹果札记本就能部署，也等于说，你从此竣事了“龙虾目田”，跑再多任务，也不会再为token付出一分钱了。最关节的是，他用的照旧DeeSeek V4 Falsh。

几天前，antirez在GitHub上发布了一个模式，叫ds4。

这是一个特意为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，是意大利范例员，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影响力弥漫大，引诱到了圈内顶流的范例员，但是坏的方面是，DeepSeek这回真是免费了。

任何斥地者都不错用ds4，去把DeepSeek V4 Flash装进我方的MacBook Pro里，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，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最顺应被“塞进土产货电脑”。

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

它撑持100万token高下文，顺应编程助手这种长任务；同期KV cache压缩得弥漫狠，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上转了这条音问，只打了一排字：正不才载……100万token高下文窗口，可用的编程助手智商，全在一台128GB的MacBook Pro上，太荒诞了。

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认真把这辆底本更顺应跑在云霄的大车，改到土产货机器上能跑、能接API、还能被coding agent调用。

往常全球思在我方电脑上跑大模子，遍及用的都是llama.cpp这个器具。它的平正是什么模子都能跑，Llama、Qwen、DeepSeek都备撑持。

可问题等于，什么都能跑，就意味着什么都跑不到最快。为了温暖所有模子，llama.cpp必须作念好多妥洽，性能上不可能作念到极致。

antirez的思法无意相背，他才岂论别的模子存一火，他就特意伺候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是路由挑出来的多少个内行子收罗。

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“备选内行”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，而模子里所策划键旅途上的组件，包括shared experts、projections、routing收罗，一谈保持原始精度不动。

也等于说，antirez把这些“候补内行”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策，砍掉体积大头，保住质料命根子。

第二件事，是把KV Cache搬到SSD上。

DeepSeek V4 Flash撑持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在责任时要不断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”的场合，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，模子自己都没场合放了。

是以antirez的作念法是胜仗把缓存扔到硬盘（SSD）上。ds4把一部分KV景象作念成可落盘、可收复的缓存，让长教唆词和agent反复续写时，不必每次从新搞定。

这听起来有点离谱，因为硬盘比内存慢多了。

然而当代Mac SSD弥漫快，顺应作念KV缓存永久化和收复。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。

驱散等于内存省出来了，100万token的超长对话真是在一台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一谈拉满。

按照ds4我方的证实，2-bit模子自己也曾要占掉约莫80GB级别的内存，的确平淡使用时，100k到300k高下文会更执行一丝。

第三件事，是纯Metal原生旅途。

antirez把所有优化都押在苹果电脑的GPU上。

因此他特意为苹果芯片写了一套代码，让DeepSeek V4 Flash能在苹果电脑上跑得赶紧。

至于CPU，并不是这个模式标要点。README里也写得很直白，CPU模式现时还不踏实，致使可能触发系统崩溃。antirez进一步暗示，华游体育如果有东谈主真思走这条路，后续八成还得靠社区来救援。

在M3 Max 128GB的MacBook Pro上，实测速率是每秒能生成26个字附近。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。

更有兴味的是，antirez是独自一东谈主通过GPT-5.5完成的通盘这个模式。

02

利好DeepSeek

笔据外媒报谈，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关节的转动点上，用交易叙事取代DeepSeek过往的期间叙事。

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。

一个国际有名斥地大佬，自得为你的模子写专用引擎，这自己就证实DeepSeek在国际有着一定的生态地位。

往常一年，中国开源模子的出海叙事里，主流预计范例是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都要试一遍的博主

他选一个模子，然后还要花几周的时刻去写专用推理引擎、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。

这就变格外于，一个有信誉的第三方，在用我方的时刻和名声给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。你提供劳动，别东谈主付费使用，你是service provider，客户是consumer。

这条路很胜仗，也很执行，别东谈主不错随时切换，你时时刻刻都得叛逆你的竞品，从性能到价钱。

另一条是模子被阅兵。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器具链。在这条路里，你的模子成了材料。

材料和劳动的离别在于，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，某个斥地者把ds4集成到我方的coding agent里，写了一堆成就文献、调试剧本、自动化历程。他的团队成员也都俗例了这套器具，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”那么浅显了，而是要从新适配引擎、重写剧本、从新培训团队俗例。本钱太高，八成率就不换了。

这等于“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。规定发稿，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，都意味着有东谈主在我方的机器上跑起了DeepSeek，粘性也就这样一丝一丝的诞生起来了。

更值得舒缓的是连锁效应。

Hacker News上有这样一条高赞批驳，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如何？GPU越来越贵，概括层去掉得越多，优化空间就越大。

这个主义一朝被考证，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。

相配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无意踩在了这个早先上。

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谈主。

DeepSeek也从一个模子品牌，造成国际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”格外迫切。

03

收之桑榆

讲已矣利好，必须讲另一面。

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

这是DeepSeek最擅长的叮嘱。

但ds4这种模式，实质上是在“劝退”一部分API用户。

你不错这样来相识，一个落寞斥地者或者小团队，往常用Claude Code或者DeepSeek的API跑coding agent。coding agent是高token豪侈场景，长高下文、多轮对话、常常器具调用、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。

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，之后推理莫得边缘本钱，数据不出土产货，延长完全可控。

外网论坛上有个斥地者共享了他的步调：平淡写代码、改bug这些浅显任务，全扔给土产货的ds4跑，无须钱。惟一遭受复杂的架构贪图问题，才切换到云霄的DeepSeek V4-Pro或者Claude Opus。

高token豪侈的部分被土产货化了，惟一极少高价值调用还留在云霄。

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

同期，antirez接受的量化步调亦然有“坑”的。

即使是不合称量化计策，只压MoE内行不压关节旅途，也不可能完全莫得质料蚀本。

外网论坛上也曾有东谈主发出了测试驱散，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悉力的问题，叫作念体验讲明权。

就像DeepSeek劳动器崩了，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，如果后果不好，他八成率会认为是DeepSeek我方的问题。但用户在土产货跑ds4时，靠近的是2-bit量化、Metal runtime、SSD KV cache、高下文截断、agent成就等一整套变量。

这内部任何一个局势出问题，终末频频被归因到“DeepSeek不行”。

别东谈主帮你扩散模子，但他并不会帮你去爱戴口碑，主若是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，然而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提供交易闭环，惟一平台才掌捏分发、计费、账户、数据、斥地者相关和升级节律。

DeepSeek如果仅仅提供权重，被antirez、Cursor、多样土产货agent和第三方runtime拿去阅兵，它自然获取了名声。不外的确能留住用户的东谈主，可能是那些器具链的斥地者。

这等于开源模子的悖论。

模子越得手，越容易成为别东谈主的底层智商；但底层智商如果莫得收拢斥地者的进口，就有可能被表层居品吃掉大部分交易价值。

是以ds4对DeepSeek不是浅显的好音问，也不是坏音问。

不错确定的是华游体育(中国)2026世界杯官方IOS|Android手机app下载，关于DeepSeek来说，他们又有故事不错讲给投资东谈主听了。