FreeLLMAlle Modelle › deepseek
DeepSeek-V4-Flash Preview (High)
deepseek · MIT-Lizenz · in der Arena seit 23. Apr. 2026
Wo du es kostenlos nutzen kannst
- Der eigene Chat des Labors: chat.deepseek.com (kostenlos mit Tageslimits)
- Starte es mit einem Befehl mit whichllm (kostenlos, Open Source):
uvx whichllm@latest plan "DeepSeek-V4-Flash"zeigt die benötigte GPU,uvx whichllm@latest run "DeepSeek-V4-Flash gguf"lädt sie herunter und startet einen Chat - Lade es herunter und führe es zu Hause aus: offizielle Gewichte · GGUF-Dateien für Ollama und LM Studio
Arena-Wertungen
Rang unter allen Modellen, auch den kostenpflichtigen. Quelle: Arena-Leaderboard-Datensatz.
Geschwindigkeit auf gängiger Hardware
| Hardware | GPU-Speicher | Passt es? | Geschwindigkeit |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | Passt nicht | — |
| RTX 4060 Ti 16 GB | 16 GB | Passt nicht | — |
| RTX 3090 | 24 GB | Passt nicht | — |
| RTX 4090 | 24 GB | Passt nicht | — |
| RTX 5090 | 32 GB | Passt nicht | — |
| RX 7900 XTX | 24 GB | Passt nicht | — |
| 2 × RTX 3090 | 48 GB | Passt nicht | — |
| 4 × RTX 3090 | 96 GB | Passt nicht | — |
| Mac M4 Max 128 GB | 96 GB | Passt nicht | — |
| Ryzen AI Max+ 395 128 GB | 96 GB | Passt nicht | — |
| 8 × H100 SXM | 640 GB | Passt in die GPU | 97 tok/s |
Schätzung bei 4-Bit mit 32K Kontext, 64 GB DDR5 zum Auslagern. Geschwindigkeit ≈ Speicherbandbreite × 78 % ÷ pro Token gelesene Daten, plus feste Kosten pro Token, kalibriert an 44 echten llama.cpp-Tests; typische Abweichung etwa ±10 %. Alle Grafikkarten vergleichen.
Benötigter GPU-Speicher
| Stufe | 8K Kontext | 32K Kontext | 128K Kontext | Qualität im Vergleich zum Original |
|---|---|---|---|---|
| Q3_K_M | 147 GB | 149 GB | 158 GB | +4.7 % spürbarer Verlust |
| Q4_K_M | 178 GB | 180 GB | 188 GB | +1.2 % sehr kleiner Verlust |
| Q5_K_M | 208 GB | 210 GB | 219 GB | +0.4 % nahezu verlustfrei |
| Q6_K | 240 GB | 242 GB | 251 GB | +0.2 % nahezu verlustfrei |
| Q8_0 | 310 GB | 313 GB | 321 GB | ≈ 0 % wie das Original |
| F16 | 583 GB | 585 GB | 594 GB | ≈ 0 % wie das Original |
Gewichte + Kontext-Cache (aus der Architektur des Modells) + Laufzeit. Qualität: Anstieg von perplexity gegenüber dem vollen Modell, aus llama.cpp-Tests, skaliert nach Modellgröße. Simuliere dein eigenes Setup.
Chat-Wertung im Zeitverlauf
Arena-Wertung vom 23. Apr. 2026 bis 22. Okt. 2026.
Coding-Wertung im Zeitverlauf
Arena-Wertung vom 27. Apr. 2026 bis 23. Okt. 2026.
Ähnliche kostenlose Modelle im Chat
- MiniMax-M3 1440 · 427 B
- GLM-4.7 1441 · 358.3 B
- Gemma 4 26B A4B 1437 · 25.8 B
- Qwen3.8-27B 1437 · 27.8 B
- Qwen3.5-397B-A17B 1442 · 403.4 B
- Inkling 1442
Diese Seite teilen:XLinkedInRedditWhatsApp
Falsche Zahl oder kaputten Link entdeckt? Fehler melden