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。

然而当今驱动，有这样一个开拓者他开源了一个土产货有琢磨，一台苹果札记本就能部署，也等于说，你从此杀青了“龙虾解放”，跑再多任务，也不会再为token付出一分钱了。最舛错的是，他用的如故DeeSeek V4 Falsh。

几天前，antirez在GitHub上发布了一个神志，叫ds4。

这是一个专门为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，是意大利法式员，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。

往好的方面去念念，DeepSeek影响力饱和大，引诱到了圈内顶流的法式员，但是坏的方面是，DeepSeek这回竟然免费了。

任何开拓者皆不错用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最允洽被“塞进土产货电脑”。

它有284B总参数，饱和大；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，允洽编程助手这种长任务；同期KV cache压缩得饱和狠，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，可用的编程助手才气，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细致把这辆正本更允洽跑在云霄的大车，改到土产货机器上能跑、能接API、还能被coding agent调用。

畴前公共念念在我方电脑上跑大模子，精深用的皆是llama.cpp这个器用。它的克己是什么模子皆能跑，Llama、Qwen、DeepSeek透澈复旧。

可问题等于，什么皆能跑，就意味着什么皆跑不到最快。为了缓和通盘模子，llama.cpp必须作念许多调解，性能上不可能作念到极致。

antirez的念念法刚巧相悖，他才无论别的模子存一火，他就专门伺候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行家子网络。

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“备选行家”占了90%以上的空间，但它们不是每次皆用，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，而模子里所相舛错旅途上的组件，包括shared experts、projections、routing网络，一齐保持原始精度不动。

也等于说，antirez把这些“候补行家”狠狠压缩，压到只剩原来1/4的大小，但那些每次皆要用的中枢组件，一丝皆不动，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复旧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”的行动不至于慢到卡死，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每次生成一个字皆要常常查这个缓存，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，模子自己皆没场所放了。

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气象作念成可落盘、可规复的缓存，让长领导词和agent反复续写时，无谓每次重新处罚。

这听起来有点离谱，因为硬盘比内存慢多了。

然而当代Mac SSD饱和快，允洽作念KV缓存耐久化和规复。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。

收场等于内存省出来了，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一齐拉满。

按照ds4我方的确认，2-bit模子自己照旧要占掉纯粹80GB级别的内存，简直平方使用时，100k到300k高下文会更本质一丝。

第三件事，是纯Metal原生旅途。

antirez把通盘优化皆押在苹果电脑的GPU上。

因此他专门为苹果芯片写了一套代码，让DeepSeek V4 Flash能在苹果电脑上跑得马上。

至于CPU，并不是这个项琢磨重心。README里也写得很直白，CPU形状咫尺还不踏实，致使可能触发系统崩溃。antirez进一步暗示，滚球app软件如果有东说念主真念念走这条路，后续冒失还得靠社区来救济。

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、调试这些平方责任完全够用。

更专门义的是，antirez是独自一东说念主通过GPT-5.5完成的通盘这个神志。

02

利好DeepSeek

左证外媒报说念，DeepSeek咫尺正在寻求高达73.5亿好意思元的融资，梁文锋当今就处在这个舛错的滚动点上，用生意叙事取代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。

一个国外闻明开拓大佬，惬心为你的模子写专用引擎，这自己就确认DeepSeek在国外有着一定的生态地位。

畴前一年，中国开源模子的出海叙事里，主流预计法式是benchmark，MMLU、HumanEval、SWE-bench，一串又一串的数字。

但有东说念主惬心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皆要试一遍的博主

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就业层、作念agent集成测试，显著是他认为DeepSeek值得。

这就变迥殊于，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，咫尺我能念念到的路有两条。

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

这条路很径直，也很本质，别东说念主不错随时切换，你每时每刻皆得反抗你的竞品，从性能到价钱。

另一条是模子被转变。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。

材料和就业的差异在于，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，某个开拓者把ds4集成到我方的coding agent里，写了一堆成立文献、调试剧本、自动化历程。他的团队成员也皆习尚了这套器用，公司的代码库里到处皆是基于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、再行培训团队习尚。资本太高，冒失率就不换了。

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。限制发稿，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，皆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树立起来了。

更值得驻守的是连锁效应。

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，轮廓层去掉得越多，优化空间就越大。

这个标的一朝被考证，意味着每一代有重量的开源模子发布时，皆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皆应该有一个我方的“antirez”，开拓出一个我方的“ds4”。

DeepSeek V4 Flash刚巧踩在了这个滥觞上。

如果这套逻辑成立，那么后续每个V4 Flash的小版块迭代，皆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，造成国外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”尽头伏击。

03

失之东隅

讲完了利好，必须讲另一面。

咫尺来看，DeepSeek的中枢生意化旅途是API。开拓者调用，按token付费，薄利多销。

这是DeepSeek最擅长的嘱咐。

但ds4这种神志，本体上是在“劝退”一部分API用户。

你不错这样来泄露，一个孤独开拓者或者小团队，畴前用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、常常器用调用、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。

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，之后推理莫得角落资本，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步伐：平方写代码、改bug这些简便任务，全扔给土产货的ds4跑，不费钱。惟一际遇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耗尽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，却在绝大巨额时分皆在使用DeepSeek。

同期，antirez选择的量化步伐亦然有“坑”的。

即使是不合称量化计谋，只压MoE行家不压舛错旅途，也不可能完全莫得质地蚀本。

外网论坛上照旧有东说念主发出了测试收场，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敏锐。

这就引出了另一个更可贵的问题，叫作念体验讲明权。

就像DeepSeek就业器崩了，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，如果后果不好，他冒失率会认为是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成立等一整套变量。

这内部任何一个设施出问题，临了常常被归因到“DeepSeek不行”。

别东说念主帮你扩散模子，但他并不会帮你去珍视口碑，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提供生意闭环，惟一平台才掌合手分发、计费、账户、数据、开拓者关联和升级节律。

DeepSeek如果仅仅提供权重，被antirez、Cursor、多样土产货agent和第三方runtime拿去转变，它自然获取了名声。不外简直能留住用户的东说念主，可能是那些器用链的开拓者。

这等于开源模子的悖论。

模子越得胜，越容易成为别东说念主的底层才气；但底层才气如果莫得收拢开拓者的进口，就有可能被表层居品吃掉大部分生意价值。

是以ds4对DeepSeek不是简便的好音书，也不是坏音书。

不错确定的是，关于DeepSeek来说滚球app软件，他们又有故事不错讲给投资东说念主听了。