DeepSeek V4，已经脱手逼着外洋开导者为它修专属高速公路了。

发布才两周，开源圈里，第一批 V4 原生基础风景已经冒了出来。

何况，不是那种在现存框架上套一层壳的"小修小补"。

不是通用 GGUF 加载器；不是 llama.cpp 的 wrapper；以致根底不守旧别的模子。

它只干一件事：

把 DeepSeek V4 Flash，在 Mac 上跑到极致。

这条"专属高速公路"，叫ds4.c。而把修出来的东说念主，重量有点吓东说念主——

Salvatore Sanfilippo，门径员圈更练习他的另一个名字：antirez。

他一手创造了 Redis（GitHub 7.4 万 Star），并切身主导这个大众最流行的内存数据库整整 11 年。

而目下，他的新姿色 ds4.c，是一个挑升为 DeepSeek V4 Flash 打造的腹地推理引擎。

时刻线上，已经有网友在 128GB Mac 上把它跑了起来。

不错说，这波，Mac 库存又被 DeepSeek 清了一遍。

鲸鱼，如实值得。

专为 V4 Flash 打造的腹地推理引擎

4 月 24 日，DeepSeek 发布 V4 系列。其中，V4 Flash 是效果型号：284B 总参数、13B 激活参数、100 万 token 高下文。

这么的体量，昔时险些默许属于云表。

而 antirez 想作念的，是把它塞进一台 Mac。于是，ds4.c 诞生了。

这是一个用C + Metal从新写出来的推理引擎。

通盘姿色就几个文献，C 占 55.4%，Objective-C 30.2%，Metal 13.8%。Metal-only，莫得运行时，莫得框架依赖，莫得概述层。

Metal-only。

Metal 是苹果自家的图形和经营 API，在 Mac、iPhone、iPad 上调用 GPU 王人靠它，绝顶于苹果生态里的 CUDA。

ds4 只用 Metal 的道理是，这个引擎只在 Apple Silicon 上跑，无论 Nvidia 显卡，也无论 AMD。

通盘姿色唯唯独个斟酌：

让 V4 Flash 在腹地的苹果机器上，不仅仅"能跑"，而是确切"能用"。

目下测试摈弃已经绝顶夸张：

在 128GB 内存的 MacBook Pro M3 Max 上，2-bit 量化、32K 高下文，短 prompt 预填充 58.52 token/s，生成 26.68 token/s。

换成 512GB 的 Mac Studio M3 Ultra，长 prompt（11709 token）预填充能到 468.03 token/s，生成 27.39 token/s。

对一个 284B 参数的 MoE 模子来说，这个速率在腹地机器上是可用的。

如何作念到的？

要津在三件事。

第一，非对称量化。

ds4 并不会把总共参数王人压到 2-bit，而是只量化路由的 MoE 大众层，up/gate 用 IQ2_XXS，down 用 Q2_K，这些层占了模子空间的绝大部分。

其他组件，分享大众层、投影层、路由层，全部保留 Q8 精度不动。

antirez 在 README 里写了一句很径直的话：

这些 2-bit 量化不是开打趣，它们在 coding agent 下施展雅致，能可靠地调用器用。

第二，KV 缓存搬到硬盘上。

目下的 LLM agent 客户端王人是无情景的，每次肯求把整段对话再行发一遍。

通用引擎的作念法是每次再行作念 prefill。

ds4 的作念法是把 KV 情景写到磁盘上，下次肯求过来匹配 token 前缀，掷中了就径直从磁盘加载，跳过 prefill。

缓存的 key 是 token ID 序列的 SHA1 哈希值。

这对 Claude Code 这种每次启动会发 25K token 驱动 prompt 的 agent 场景尤其有效，第一次 prefill 完成后，后续会话径直从磁盘复原。

第三，内置 OpenAI 和 Anthropic 两套 API 兼容层。

/v1/chat/completions 走 OpenAI 条约，/v1/messages 走 Anthropic 条约。tool calling 也作念了适配。README 里径直给了 opencode、Pi、Claude Code 三种 agent 客户端的树立示例。

对于为什么要作念这件事。

antirez 的呈文是，腹地推理界限有好多优秀姿色，但新模子束缚发布，防备力坐窝被下一个要终了的模子吸走。

通用引擎为了兼容总共模子，必须作念概述。概述意味着谐和。他想作念的是一条刻意的窄路，一次只赌一个模子，用官方 logits 作念考证，作念长高下文测试，作念弥漫的 agent 集成来阐述它果真能用。

框架还是发布，就有网友不少网友响应，K8凯发已经在 Mac 上跑起来了。

你准备好在腹地跑 V4 了吗？

一个模子一个推理框架

这件事，也在开导者圈炸出了一个更大的商讨：

改日会不会形成——一个模子，一个推理框架？

Hacker News 上一条高赞推敲提了一个有道理的场地，若是脱手针对精准的 GPU 加模子组合构建超优化推理引擎呢？

GPU 越来越贵，若是去掉弥漫多的概述层，径直针对精准的硬件和模子编码，可能能优化好多。

这条路的代价也很知晓。合并条推敲指出，一朝模子落后，一切从新来过。

antirez 我方也承认了这个问题。他说 ds4 面前赌的是 DeepSeek V4 Flash，但模子可能会换。

不变的敛迹是，腹地推理要在高端个东说念主机器或 Mac Studio 上跑得靠谱，起步 128GB 内存。

改日会如何，README 里留了个伏笔。

面前是 Metal-only，改日可能会作念 CUDA 守旧。但他写得很严慎，也许会，但仅此费力。这个姿色刻意保抓小、快、专注。

更值得柔和的是他在 README 里抛出的一个不雅点，腹地推理当该是三件事沿途作念好，开箱即用。

一个有 HTTP API 的推理引擎，一份针对这个引擎和这套假定绝顶打造的 GGUF，一套和 coding agent 对接的测试和考证。

这是一种全栈腹地推理的念念路，不是把组件拼起来，是把链路当成一个产物来瞎想。

若是这条路走通了，它可能改革腹地推理的玩法。

模子厂商发布新模子的同期，社区里就会有东说念主跳出来给它作念专属引擎，作念专属量化，作念专属 agent 接入。每一代模子王人有一个我方的「antirez」。

ds4 还有一个很坦率的细节。README 里有一段声明，这个软件是在 GPT 5.5 的「强力扶助」下开导的，东说念主类崇拜想法、测试和调试。

antirez 说若是你不继承 AI 扶助开导的代码，这个软件不合适你。

两周时刻，从 fork llama.cpp 作念适配，到从新写一个专用引擎，离不开 AI 扶助。这件事自身可能比 ds4 还更值得柔和。

One more thing

终末说一下 antirez 这个东说念主。

本名 Salvatore Sanfilippo，1977 年出身于西西里岛。2009 年创建 Redis，主导这个姿色十一年，2020 年离开。

离开时他写过一段话，说我方写代码是为了抒发我方，代码是一件成品而不仅仅有效的器用。他宁可被记取为一个倒霉的艺术家，也不肯被记取为一个好门径员。

2024 年底他回到 Redis，担任 evangelist 变装。

除了 Redis 除外，他还写过 Kilo（不到 1000 行 C 代码的文本裁剪器）、dump1090（航空 ADS-B 信号解码器）、linenoise（readline 的小型替代品）。

他还在玩 Flipper Zero，写了 RF 条约分析器用，把 Asteroids 移植到上头。2022 年他出了一册科幻演义《WOHPE》，主题是 AI、时势变化、门径员，以及东说念主类和时期的互动。

他个东说念主主页第一滑写的是，「我把大部分专科时刻花在写代码和写演义上。」

对于 Redis 的诞生，他在个东说念主主页里写了一段：

我妃耦说，Redis 的前几年我大部分代码王人是坐在马桶上写的，用一台 MacBook Air 11 寸。我真但愿能说她错了，但她赶巧说得透澈对。

这种调性调节了他作念的总共姿色。小、精准、自成一体。

ds4.c 亦然合并个门道。

看一下他在 ds4 README 里对于 macOS bug 的那段备注，能坐窝嗅觉到这个东说念主的滋味。

ds4 有一个 CPU 推理旅途用于正确性考证，但面前版块的 macOS 在捏造内存终了上有一个 bug，跑 CPU 推应许导致内核崩溃。

他写说念，记取了吗？软件王人很烂。我没法缔造 CPU 推理来幸免崩溃，因为每次王人得重启电脑，极少王人不好玩。

然后加了一句，若是你有胆量，来帮咱们。

他在个东说念主主页里还留了一句话：

当代编程正变得复杂、无趣，全是要粘合的层。它正失去大部分好意思感。大精深门径员既不在面临编程的艺术面，也不在面临编程的高档工程面。

从 Redis 到 ds4.c，十五年昔时，antirez 如故阿谁 antirez。

只不外这一次，他脱手给 AI 修路了。

参考连络

[ 1 ] http://invece.org/

[ 2 ] https://github.com/antirez/ds4

[ 3 ] https://news.ycombinator.com/item?id=48050751

一键三连「点赞」「转发」「戒备心」

接待在推敲区留住你的想法！

—  完  —

5 月 20 日，咱们将在北京金茂万丽旅社举办一年一度的中国 AIGC 产业峰会。

首波嘉宾气势已公布！昆仑万维方汉、智谱吴玮杰、EverMind 邓亚峰、风行在线易正朝、百度秒哒朱广翔、Fusion Fund 张璐、香港大学黄超、MarsWave 冯雷王人来了，� �了解笃定

请你和咱们沿途，不再仅仅商讨 AI 的改日，而是目下就用起来。� �  

一键柔和 � � 点亮星标

科技前沿进展逐日见K8凯发(中国)