К содержимому
Другое

DeepSeek-V4.1-Flash-1017-radiance

запуск DeepSeek-V4.1 на видеокартах AMD

2 мин чтенияобновлено

Автор aselzer сконвертировал большую языковую модель DeepSeek-V4.1-Flash-1017 в формат .rad для движка инференса radiance, ориентированного на GPU от AMD. Сборка создана для воспроизведения замеров высоконагруженного батчинга в проекте BatchSeek (обработка 512 одновременных запросов). Внутри основного файла сохранены оригинальные эксперты в кодировке MXFP4 и остальные веса в BF16/F32, а также добавлены таблицы Engram в сжатии IQ4_NL. Решение пригодится энтузиастам и исследователям, запускающим крупные MoE-модели на кластерах из потребительских карт AMD без использования NVIDIA.

Ключевые особенности

  • Формат radiance (.rad): основной файл весом 416 ГБ собран конвертером radiance (коммит bd65d4e) с поддержкой архитектуры DeepSeek-V4.1.
  • Удобная загрузка частями: модель разбита на 8 фрагментов примерно по 52 ГБ с проверкой контрольных сумм через SHA256SUMS.
  • Два режима таблиц Engram: по умолчанию используются встроенные квантованные таблицы IQ4_NL, но можно подключить оригинальные шарды в FP8 (+203 ГБ) без потери скорости.
  • Открытая лицензия MIT: весовые коэффициенты принадлежат DeepSeek, репозиторий меняет только формат хранения.

Что можно сделать

  • Воспроизвести бенчмарки BatchSeek: протестировать параллельную генерацию на 512 потоках с помощью скрипта serve-batch.sh.
  • Развернуть локальный сервер на AMD GPU: запустить модель на связке из нескольких видеокарт Radeon (в тестах использовались 4× RX 9070 XT) с большим объёмом системной ОЗУ.
  • Сравнить точность квантования: сопоставить работу встроенных таблиц IQ4_NL и оригинальных FP8-шардов на собственных задачах.

Пример

./serve-batch.sh --model model.rad --silu-table silu_table_gfx1201.bin --streams 512 \
  --engram-file engram-fp8/model-00047-of-00048.safetensors,engram-fp8/model-00048-of-00048.safetensors
ПодробнееБенчмарк BIRD 256: 170 с (NLL 0.688) с оригинальными таблицами FP8 против 172 с (NLL 0.692) со встроенными IQ4_NL.
Тестовый стенд: 4× AMD RX 9070 XT (16 ГБ VRAM каждая, архитектура gfx1201), процессор EPYC 7443 и 256 ГБ DDR4.
Объём файлов: 416 ГБ для model.rad плюс 203 ГБ при использовании дополнительных шардов engram-fp8.
Обсудить Telegram 0

Запустится ли?

Не запустится

Не хватает памяти даже для 4-bit. Ниже — где арендовать подходящую видеокарту.

  • BF16веса 189 GB · готовые файлы209 GB
  • FP8 / INT8рекомендуемвеса 95 GB105 GB
  • 4-bitвеса 53 GB59 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: В домашние видеокарты не поместится — выгоднее арендовать.

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # aselzer/DeepSeek-V4.1-Flash-1017-radiance
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download aselzer/DeepSeek-V4.1-Flash-1017-radiance --local-dir ~/models/DeepSeek-V4.1-Flash-1017-radiance
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к DeepSeek-V4.1-Flash-1017-radiance
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

deepseek-ai/DeepSeek-V4.1-Flash-1017

Новые посты про версии DeepSeek-V4.1-Flash-1017 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 9Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

aselzer/DeepSeek-V4.1-Flash-1017-radiance
Автор
aselzer
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

TR-OCR-Markdown v0.4

TR-OCR-Markdown v0.4