vLLMvLLM 社区（原 UC Berkeley）
生产环境部署 LLM 的默认答案：PagedAttention 把 KV cache 碎片化问题解决掉，吞吐比朴素实现高一个量级。
推理框架 / 服务引擎PagedAttention张量并行FP8/AWQ/GPTQOpenAI 兼容 API多模态
DeepSeek-V4-Flash
模型简介
284B 只激活 13B，1M 上下文下的单 token 推理成本只有上一代的一成，MIT 许可。
- 参数量
- 291B (激活 13B)
- 上下文
- 1M
- 硬件
- FP4+FP8 混合精度，数十卡级别可全量部署
- 所属
- DeepSeek
- 类型
- 纯文本
- 商用
- 可商用
- 许可
- MIT
- 发布
- 2026-04-22
- 收录
- 2026-10-03