К содержимому
Компьютерное зрение

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
ПодробнееБенчмарки (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.
Примеры
Обсудить 246 532,1 тыс.

Запустится ли?

Не запустится

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

  • GGUF IQ4_NLвеса 103 GB · готовые файлы114 GB
  • GGUF IQ2_XXSвеса 67 GB · готовые файлы74 GB

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.

    # ISTA-DASLab/DeepSeek-V4.1-Flash-1017-GSQ-RCO-Coder-GGUF
    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 ISTA-DASLab/DeepSeek-V4.1-Flash-1017-GSQ-RCO-Coder-GGUF --local-dir ~/models/DeepSeek-V4.1-Flash-1017-GSQ-RCO-Coder-GGUF
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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

ISTA-DASLab/DeepSeek-V4.1-Flash-1017-GSQ-RCO-Coder-GGUF
Автор
ISTA-DASLab
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

532,1 тыс.246

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии