DeepSeek-V4.1-Flash-1017-GSQ-RCO-Coder
763B-модель ужали до 1 бита под код и агентов
2 мин чтенияобновлено
Исследователи из ISTA-DASLab выпустили специализированную версию огромной мультимодальной модели DeepSeek-V4.1-Flash-1017 (763.2B параметров, архитектура MoE — смесь экспертов), заточенную под программирование, работу с инструментами и длинный контекст. Вместо простого сжатия весов авторы применили pruning (обрезку экспертов): вырезали половину из 384 экспертов в каждом слое, а оставшихся квантизировали в формат GGUF с эффективной плотностью 1.05 бита на параметр. За счёт этого вес трансформера сократился до 72.1 ГБ против 138.2 ГБ у неурезанной сборки IQ2_XXS, причём качество в кодинге почти не пострадало.
Ключевые особенности
- Направленный отбор экспертов (RCO): вместо слепого удаления блоки отбирались через оптимизацию на римановых многообразиях так, чтобы сохранить навыки кода, агентов, длинного контекста и зрения.
- Минимальный объём трансформера: 72.12 ГБ весов в 5 шардах GGUF (192 эксперта на слой вместо 384, по 6 активных на токен).
- Поддержка изображений и рассуждений: модель работает с визуальным проектором (mmproj) и поддерживает режим reasoning с настройкой глубины размышлений.
- Выносные таблицы Engram: две таблицы поиска на 110.6 ГБ (IQ4_NL) не требуют загрузки в видеопамять целиком и читаются с диска построчно через memory-mapping.
Что можно сделать
- Локальный ассистент для программирования: подключить через llama.cpp или движок Strata к IDE для генерации кода и работы с репозиториями.
- Агентские пайплайны: использовать в задачах с вызовом внешних инструментов и многошаговым выполнением команд.
- Генерация графики и анимации: создавать сложные сцены на SVG и three.js, на которых модель отдельно калибровалась.
Пример
hf download ISTA-DASLab/DeepSeek-V4.1-Flash-1017-GSQ-RCO-Coder-GGUF --include "IQ2_XXS/*" "*Engram*" --local-dir .
ln -s ../DeepSeek-V4.1-Flash-Engram-IQ4_NL.gguf IQ2_XXS/DeepSeek-V4.1-Flash-1017-GSQ-RCO-Coder-IQ2_XXS-00006-of-00006.gguf
llama-server -m IQ2_XXS/DeepSeek-V4.1-Flash-1017-GSQ-RCO-Coder-IQ2_XXS-00001-of-00006.gguf -ngl 99 --reasoning on --reasoning-effort 50
Подробнее
Бенчмарки (при reasoning effort 50): LiveCodeBench v6 — 88.57 (98.7% от базы 89.71), SWE-bench Verified — 77.00 (94.8% от базы 81.20).Общий объём файлов: 182.72 ГБ (72.12 ГБ трансформер + 110.60 ГБ таблицы Engram) и 0.97 ГБ для визуального mmproj.
Требования: свежий llama.cpp (от релиза b11870) или движок Strata для локального запуска на одной GPU NVIDIA.
Ограничения: модель оптимизирована строго под код, агентов и зрение; в общих темах качество ожидаемо ниже, чем у неурезанной версии. Лицензия MIT.










Комментарии