DeepSeek V4，已经动手逼着外洋设备者为它修专属高速公路了。

发布才两周，开源圈里，第一批 V4 原生基础设施已经冒了出来。

而况，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；以致根底不相沿别的模子。

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。而把修出来的东谈主，重量有点吓东谈主——

Salvatore Sanfilippo，顺序员圈更熟谙他的另一个名字：antirez。

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

而当今，他的新技俩 ds4.c，是一个专门为 DeepSeek V4 Flash 打造的腹地推理引擎。

时间线上，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 是适度型号：284B 总参数、13B 激活参数、100 万 token 陡立文。

这么的体量，畴昔确凿默许属于云霄。

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

这是一个用C + Metal从新写出来的推理引擎。

扫数这个词技俩就几个文献，C 占 55.4%，Objective-C 30.2%，Metal 13.8%。Metal-only，莫得运行时，莫得框架依赖，莫得轮廓层。

Metal-only。

Metal 是苹果自家的图形和计较 API，在 Mac、iPhone、iPad 上调用 GPU 都靠它，止境于苹果生态里的 CUDA。

ds4 只用 Metal 的意旨真谛是，这个引擎只在 Apple Silicon 上跑，岂论 Nvidia 显卡，也岂论 AMD。

扫数这个词技俩只消一个认识：

让 V4 Flash 在腹地的苹果机器上，不仅仅"能跑"，而是信得过"能用"。

面前测试适度已经止境夸张：

在 128GB 内存的 MacBook Pro M3 Max 上，2-bit 量化、32K 陡立文，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。

何如作念到的？

要道在三件事。

第一，非对称量化。

ds4 并不会把扫数参数都压到 2-bit，而是只量化路由的 MoE 巨匠层，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，分享巨匠层、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 下阐述邃密，能可靠地调用器用。

第二，KV 缓存搬到硬盘上。

当今的 LLM agent 客户端都是无状况的，每次央求把整段对话从新发一遍。

通用引擎的作念法是每次从新作念 prefill。

ds4 的作念法是把 KV 状况写到磁盘上，下次央求过来匹配 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 开动 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 契约，/v1/messages 走 Anthropic 契约。tool calling 也作念了适配。README 里径直给了 opencode、Pi、Claude Code 三种 agent 客户端的设立示例。

对于为什么要作念这件事。

antirez 的讲述是，腹地推理界限有好多优秀技俩，但新模子阻挡发布，介意力坐窝被下一个要竣事的模子吸走。

通用引擎为了兼容扫数模子，必须作念轮廓。轮廓意味着协调。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 作念考据，作念长陡立文测试，作念富裕的 agent 集成来说明它简直能用。

框架也曾发布，就有网友不少网友反应，滚球(中国)官方网站已经在 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，也在设备者圈炸出了一个更大的商榷：

异日会不会酿成——一个模子，一个推理框架？

Hacker News 上一条高赞辩驳提了一个挑升旨真谛的场地，若是动手针对精准的 GPU 加模子组合构建超优化推理引擎呢？

GPU 越来越贵，若是去掉富裕多的轮廓层，径直针对精准的硬件和模子编码，可能能优化好多。

这条路的代价也很较着。归拢条辩驳指出，一朝模子逾期，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谈主机器或 Mac Studio 上跑得靠谱，起步 128GB 内存。

异日会若何，README 里留了个伏笔。

面前是 Metal-only，异日可能会作念 CUDA 相沿。但他写得很严慎，也许会，但仅此汉典。这个技俩刻意保执小、快、专注。

更值得讲理的是他在 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非凡打造的 GGUF，一套和 coding agent 对接的测试和考据。

这是一种全栈腹地推理的想路，不是把组件拼起来，是把链路当成一个居品来诡计。

若是这条路走通了，它可能蜕变腹地推理的玩法。

模子厂商发布新模子的同期，社区里就会有东谈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。每一代模子都有一个我方的「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「强力接济」下设备的，东谈主类追究想法、测试和调试。

antirez 说若是你不袭取 AI 接济设备的代码，这个软件不合乎你。

两周时间，从 fork llama.cpp 作念适配，到从新写一个专用引擎，离不开 AI 接济。这件事自己可能比 ds4 还更值得讲理。

One more thing

终末说一下 antirez 这个东谈主。

本名 Salvatore Sanfilippo，1977 年出身于西西里岛。2009 年创建 Redis，主导这个技俩十一年，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顺序员。

2024 年底他回到 Redis，担任 evangelist 扮装。

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 的袖珍替代品）。

他还在玩 Flipper Zero，写了 RF 契约分析器用，把 Asteroids 移植到上头。2022 年他出了一册科幻演义《WOHPE》，主题是 AI、欢叫变化、顺序员，以及东谈主类和技能的互动。

他个东谈主主页第一溜写的是，「我把大部分专科时间花在写代码和写演义上。」

对于 Redis 的设立，他在个东谈主主页里写了一段：

我配头说，Redis 的前几年我大部分代码都是坐在马桶上写的，用一台 MacBook Air 11 寸。我真但愿能说她错了，但她正值说得皆备对。

这种调性相连了他作念的扫数技俩。小、精准、自成一体。

ds4.c 亦然归拢个门道。

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谈主的滋味。

ds4 有一个 CPU 推理旅途用于正确性考据，但面前版块的 macOS 在诬捏内存竣事上有一个 bug，跑 CPU 推欢跃导致内核崩溃。

他写谈，记取了吗？软件都很烂。我没法设备 CPU 推理来幸免崩溃，因为每次都得重启电脑，小数都不好玩。

然后加了一句，若是你有胆量，来帮咱们。

他在个东谈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。大多半顺序员既不在濒临编程的艺术面，也不在濒临编程的高等工程面。

从 Redis 到 ds4.c，十五年畴昔，antirez 如故阿谁 antirez。

只不外这一次，他动手给 AI 修路了。

参考相连

[ 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」「堤防心」

接待在辩驳区留住你的想法！

—  完  —

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

首波嘉宾声势已公布！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 冯雷都来了，� �了解细目

请你和咱们沿途，不再仅仅商榷 AI 的异日，而是当今就用起来。� �  

一键讲理 � � 点亮星标

科技前沿进展逐日见滚球官网