DeepSeek-V4-Flash の必要VRAM

DeepSeekの現行軽量フラッグシップ(総304B・実働13BのMoE)。2026-07-31の更新版(0731)。100万トークン級の長文対応を掲げる世代で、V4-Proより大幅に軽い(それでもデータセンター級)。

304.18B / 43層 / GQA 1ヘッド / 既定コンテキスト 8,192 トークン(HuggingFace)

必要VRAM = 重み + KVキャッシュ(既定コンテキスト時) + 1.5GB(OS/表示)。△は量子化を下げるかコンテキストを絞れば動作します。

この表は Q4_K_M を最小の量子化として計算しています。×でも、IQ4_XS のようにさらに小さい量子化なら収まることがあります(品質低下と、使うランタイムの対応状況の確認が要ります)。

上の表は8,192トークンの文脈での計算です。AIエージェント(道具を使って複数ステップの作業を自動でこなす使い方)では長い文脈が要り、その分KVキャッシュが増えます。 このモデルをQ4_K_Mで使う場合、必要VRAMは32Kで約188.8GB、128Kで約197.5GBです(8Kの約1.1倍)。 KVヘッドが少ない構成のため、文脈を延ばしても増え方はゆるやかです。エージェント用途に向く設計といえます。

⚠ 公式配布は FP8 です。下の表の Q4_K_M 等は当サイト共通ラダーによる理論換算で、その形式のGGUFが配布されているとは限りません。

🛠 総パラメータは大きいものの、実際に毎回動くのは一部だけのMoEです。llama.cpp の --n-cpu-moe や KTransformers などオフロード対応エンジンを使うと、VRAM に全部載らなくても、大容量のシステムRAMがあれば動く場合があります(速度は実働パラメータ相当。下の必要VRAMは全載せ前提の目安です)。

DeepSeek-V4-Flashとは

DeepSeek-V4-Flashは、DeepSeekが公開するDeepSeek系のデータセンター級(304.18Bパラメータ)オープンモデルです。数百B〜1T規模のフラッグシップで、個人のローカル実行は対象外です(参考収載)。

Hugging Faceでの直近30日ダウンロードは約447万件・いいね3,899件 — ダウンロード数は当サイト収録92モデル中18位です(2026-09-08時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

DeepSeek-V4-Flashの必要スペックを読み解く

Q4_K_M量子化での内訳は、重み(モデル本体)が約184.4GB、8Kトークン分のKVキャッシュが約0.7GB、システム予約と合わせて合計約186.6GBです。 単一のコンシューマGPUに◎(快適)となるクラスはなく、実行はクラウドGPUが現実的です。 迷ったらQ4_K_M(合計約186.6GB)が基準です。VRAMに余裕があればQ8_0(約325.4GB)で品質の上積みが狙えます。 Mac(ユニファイドメモリ)での判定は、トップページでチップと搭載メモリを選ぶと計算できます。

MoE構成: 総304.18B・実効13B。メモリは総量304.18B分が必要ですが、生成速度は13B級の軽さです。

コンテキスト長とメモリの伸び方

このモデルのKVキャッシュは、2Kトークンで約0.2GB、8Kで約0.7GB、32Kまで広げると約2.9GBになります。KVキャッシュはコンテキスト長にほぼ比例して増えるため、長文用途ではその分のVRAM余白を見込んでください。

速度の目安(理論上限)

MoEのため速度は実効13B相当(Q4で約7.9GB)で決まり、理論上限はRTX 3060 12GBで約46 tokens/秒、RTX 4090で約128 tokens/秒です(実効はこれ以下)。

動かすには

この規模はコンシューマ環境の外なので、クラウドGPUでの実行が入口になります。 RunPodでの始め方(手順ガイド)

同クラスの選択肢

GLM-5.3-Flash(321.32B) / Solar Open 2 250B(250.29B) / Ornith 1.5 397B(396.8B)

▶ あなたのPCを自動判定する(スペック送信なし・ブラウザ内完結)