DeepSeek-V4-Flash calculadora TPS
Cada tarjeta a continuación se evalúa en función de este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una sola solicitud, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..
Calculado para este modelo
818 tarjetas que tenemos especificaciones para
Tarjeta más pequeña que cabe
H200 NVL
141 GB · Q3_K_M · 109 tok/s
Tarjeta más rápida
B200
153 tok/s · 180 GB
¿Qué GPU pueden ejecutar? DeepSeek-V4-Flash?
Establecer las entradas, leer la respuesta
Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..
Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..
9 las tarjetas coinciden
Calculando| Necesita | Cuantización | Ajustar | |||||
|---|---|---|---|---|---|---|---|
|
153
tok/s
92–245 · baja confianza |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 153.0 GB | Q4_K_M | Ajustado |
|
109
tok/s
66–175 · baja confianza |
H200 NVL NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 119.9 GB | Q3_K_M | Ajustado |
|
109
tok/s
66–175 · baja confianza |
H200 SXM 141 GB NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 119.9 GB | Q3_K_M | Ajustado |
|
96.3
tok/s
58–154 · baja confianza |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 219.1 GB | Q6_K | Ajustado |
|
79.4
tok/s
48–127 · baja confianza |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 153.0 GB | Q4_K_M | Ajustado |
|
79.4
tok/s
48–127 · baja confianza |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 153.0 GB | Q4_K_M | Ajustado |
|
76.9
tok/s
46–123 · baja confianza |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 219.1 GB | Q6_K | Ajustado |
|
76.9
tok/s
46–123 · baja confianza |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 219.1 GB | Q6_K | Ajustado |
|
56.3
tok/s
34–90 · baja confianza |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 219.1 GB | Q6_K | Ajustado |
Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantificación. El rendimiento real varía con el tiempo de inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- DeepSeek
- Tipo de Organización
- Industry
- País
- China
- Publicado
- 24 April 2026
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Language modeling/generation, Question answering
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 284B
- Datos de entrenamiento
- tokens
284B total, 13B active
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 2.5 × 10²⁴ FLOP
6 * 13e9 active parameters * 32e12 tokens = 2.496E24 for pre-training
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Open — downloadable
- Acceso al modelo
- Open weights (unrestricted)
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- Discretionary
- Confianza de registro
- Likely
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence
- Última actualización
- 8 June 2026
Los extremos
Las diez GPUs más rápidas que ejecutan DeepSeek-V4-Flash
Clasificado por tokens estimados por segundo, la tarjeta más nueva primero donde las velocidades están empatadas. Debido a que la generación está limitada por el ancho de banda de memoria, este orden sigue el ancho de banda en lugar de cualquier referencia de juego..
- 01 B200 180 GB · 8,000 GB/s · Q4_K_M 153 tok/s
- 02 H200 NVL 141 GB · 4,890 GB/s · Q3_K_M 109 tok/s
- 03 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q3_K_M 109 tok/s
- 04 B300 288 GB · 8,000 GB/s · Q6_K 96.3 tok/s
- 05 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q4_K_M 79.4 tok/s
- 06 Radeon Instinct MI308X 192 GB · 5,325 GB/s · Q4_K_M 79.4 tok/s
- 07 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q6_K 76.9 tok/s
- 08 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q6_K 76.9 tok/s
- 09 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q6_K 56.3 tok/s
Las GPUs más pequeñas que aún funcionan DeepSeek-V4-Flash
La ruta más barata para entrar, por capacidad de memoria. Un ajuste apretado ejecuta el modelo pero no deja nada de sobra para una conversación más larga..
- 01 H200 NVL 141 GB · Necesita 119.9 GB · Q3_K_M · Ajustado 109 tok/s
- 02 H200 SXM 141 GB 141 GB · Necesita 119.9 GB · Q3_K_M · Ajustado 109 tok/s
- 03 B200 180 GB · Necesita 153.0 GB · Q4_K_M · Ajustado 153 tok/s
- 04 Radeon Instinct MI300X 192 GB · Necesita 153.0 GB · Q4_K_M · Ajustado 79.4 tok/s
- 05 Radeon Instinct MI308X 192 GB · Necesita 153.0 GB · Q4_K_M · Ajustado 79.4 tok/s
- 06 Radeon Instinct MI325X 256 GB · Necesita 219.1 GB · Q6_K · Ajustado 56.3 tok/s
- 07 B300 288 GB · Necesita 219.1 GB · Q6_K · Ajustado 96.3 tok/s
- 08 Radeon Instinct MI350X 288 GB · Necesita 219.1 GB · Q6_K · Ajustado 76.9 tok/s
- 09 Radeon Instinct MI355X 288 GB · Necesita 219.1 GB · Q6_K · Ajustado 76.9 tok/s
Qué significan los números
El lado de hardware
Mínima tarjeta
H200 NVL
Memoria necesaria
119.9 GB
Más rápido
153 tok/s
DeepSeek-V4-Flash llega a un recuento de parámetros de 284B. Eso está más allá de lo que cualquier tarjeta gráfica única puede soportar. Ejecutarlo significa dividirlo entre varias tarjetas o alquilar hardware construido para el trabajo, y cada tarjeta capaz de soportarlo sola es una parte de datacenter. El número que puede: 9.
En el extremo bajo, se maneja por H200 NVL, con una capacidad de memoria de 141 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 109 tokens por segundo
En el otro extremo se encuentra B200, generando aproximadamente 153 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.
De dónde vino
DeepSeek-V4-Flash fue publicado por DeepSeek, en el país registrado como China, durante April 2026. La categoría en la que se encuentra el editor es industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Question answering.
El hecho de que los pesos sean abiertos es lo que coloca esta página en la calculadora en lugar de solo en el catálogo: es un modelo que puedes sostener.
Entendiendo las velocidades
En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 79.4 tokens por segundo. Excediendo velocidad de lectura directamente: 9 de ellos.
El enrutamiento de mezcla de expertos es la razón por la cual las velocidades aquí parecen altas para la cantidad de parámetros. Solo se lee una fracción por token, pero todo tiene que ser cargado.
La memoria aquí se estima a partir del tamaño en lugar de calcularse a partir de la arquitectura, que no se registra para este modelo — los números son indicativos en lugar de exactos.
Qué se necesitó para construirlo
El entrenamiento consumió alrededor de 2.5 × 10²⁴ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Su criterio de inclusión: discretionary.
Paso a paso
Cómo elegir una GPU para DeepSeek-V4-Flash
La tabla de arriba ya ha evaluado cada tarjeta para la que tenemos especificaciones en contra de este modelo. Llegar a tu respuesta toma seis pasos..
-
01
Comienza desde la columna de memoria
Empieza desde lo que realmente necesita, que es el requerimiento de DeepSeek-V4-Flash, necesitando alrededor 119.9 GB a una compresión de Q3_K_M. Ninguna cantidad de potencia de procesamiento compensa una CARD que no puede sostenerla.
-
02
Establece la longitud de contexto en la que trabajarás.
Establece el contexto a lo que realmente usarás. La caché crece con la conversación, y es la razón habitual por la que una card que parecía bien deja de fit. DeepSeek-V4-Flash.
-
03
Establecer un umbral de calidad
La columna de cuantización varía por tarjeta, porque una tarjeta más grande sostiene una copia más precisa., alcanzando una compresión de Q3_K_M en la tarjeta más pequeña que cabe. Establecer una calidad mínima elimina las tarjetas que solo la manejan apretando más de lo que desearías, y mantiene la comparación en un nivel.
-
04
Clasifica por rendimiento en lugar de la hoja de especificaciones.
La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. DeepSeek-V4-Flash. No se ajustará a un pedido de gaming, porque la generación está limitada por el ancho de banda de memoria. La tarjeta que encabeza la lista es B200, en 153 tok/s
-
05
Verifica el veredicto de ajuste antes de comprar
Un ajuste apretado se ejecuta, pero no deja nada de sobra para una conversación más larga, en el caso de DeepSeek-V4-Flash. Cómodo significa que puedes aumentar el contexto más adelante. Esa diferencia importa más que unos pocos tokens por segundo, así que compra por cómodo si esperas hacerlo.
-
06
Abre la tarjeta que has elegido.
Seguir un GPU a su propia página muestra cada otro modelo que puede contener, que es la pregunta que sigue una vez que te has decidido por. DeepSeek-V4-Flash.
Respuestas
DeepSeek-V4-Flash — preguntas comunes
DeepSeek-V4-Flash— ¿Es de código abierto?
Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.
DeepSeek-V4-Flash— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 284B. 284B total, 13B active. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
DeepSeek-V4-Flash— ¿Quién lo creó?
Fue publicado por DeepSeek, basado en China, una organización categorizada como industry.
DeepSeek-V4-Flash— ¿cuándo fue lanzado?
Se publicó en April 2026.
DeepSeek-V4-Flash— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Question answering. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
DeepSeek-V4-Flash— ¿Dónde puedo descargarlo?
Los pesos están publicados, aunque no tenemos un enlace de repositorio para ello. Este sitio calcula los requisitos de hardware en lugar de alojar archivos de modelo.
DeepSeek-V4-Flash— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.5 × 10²⁴ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
DeepSeek-V4-Flash— ¿Puedo ejecutarlo si no cabe en mi GPU?
En parte. Las capas que no se ajustan se encuentran en la memoria del sistema y funcionan a una fracción de la velocidad, por lo que un modelo mayoritariamente descargado rara vez merece la pena utilizar. El fallo más cercano que calculamos se queda corto por 37.8 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.
DeepSeek-V4-Flash— ¿Correrían dos GPUS más rápido?
Una segunda tarjeta duplica aproximadamente la memoria disponible, pero no la tasa de generación. El número ya capaz de ejecutarlo solo: 9. Así que una segunda tarjeta rara vez es la respuesta aquí.
DeepSeek-V4-Flash— ¿Por qué difiere la cuantificación entre tarjetas?
Cada tarjeta se muestra ejecutando la copia menos comprimida que puede contener. El número de niveles de compresión distintos entre las tarjetas que lo soportan: 3. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.
DeepSeek-V4-Flash— ¿Qué tan precisas son estas estimaciones de velocidad?
Estas son estimaciones con barras de error reales, y cualquiera de ellas podría razonablemente situarse en cualquier parte de su rango publicado dependiendo del runtime que utilices. El resultado más rápido aquí: 92–245 tok/s en B200. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.
DeepSeek-V4-Flash— ¿Qué GPU necesito para ejecutarlo?
La tarjeta más pequeña en nuestro catálogo que lo sostiene es H200 NVL, con una capacidad de memoria de 141 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 119.9 GB, y produce aproximadamente 109 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 9.
DeepSeek-V4-Flash— ¿qué tan rápido es en una GPU?
Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 153 tokens por segundo; el más lento que aún lo ejecuta consigue considerablemente menos. La velocidad de lectura es de alrededor de diez tokens por segundo, y el número de cards que logran eso: 9.
DeepSeek-V4-Flash— ¿Cuánta VRAM necesita?
Necesita aproximadamente 119.9 GB a una compresión de Q3_K_M, cuál es la tarjeta más pequeña que lo ejecuta. Menos compresión necesita más: las cifras en la columna de memoria anterior se recalculan para cada tarjeta, porque cada una sostiene la versión menos comprimida que puede.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.