目次

Strata は無料の OSS ローカルランナーです。GitHub v0.2.5（published_at 2026-10-25T10:06:04Z、北京時間 2026 年 10 月 25 日約 18:06）で、DeepSeek V4.1 Flash が Windows／Linux のデスクトップ App に入りました。DeepSeek 公式が新しいデスクトップ製品を出した、という意味ではありません。本当の条件は「12GB カードさえあれば」ではなく、数十 GB のシステムメモリと数百 GB のダウンロードです。

ディスクとメモリの目安

0.2.4 の release notes が Terminal 向けに DeepSeek V4.1-Flash を入れ、ハード要件の枠を示しました。0.2.5 も同じ枠です。

  • GPU： 約 12GB VRAM 以上。
  • RAM： 著者の RTX 3060 機では約 46GB で動作；64GB が測った快適ライン。空き RAM が多いほど expert ストアが大きく、応答が速くなります。
  • ダウンロード： 約 239GB（IQ1_M）、257GB（IQ2_XXS）、274GB（IQ2_XS）。Strata 一式には Engram 表と DSpark ドラフターも含まれ、Hugging Face モデルカードの「バックボーン＋Engram」単体より大きくなります。

DeepSeek V4.1-Flash は疎な MoE です。Strata はよく使う expert を RAM store に置き、残りを SSD から直接読みます——モデル全体を VRAM に載せる必要はありません。0.2.5 では、空き RAM が足りれば RAM store がすべての expert を保持できます（以前は 48GB で打ち止め）。これはキャッシュ上限の改善であり、「だいたい 46–64GB の RAM を用意する」という目安を消すものではありません。

App と Terminal、DeepSeek が載るプラットフォーム

0.2.5 では App も Terminal も 0.2.5 です。モデル選択に 3 サイズが並び、サイズ・速度・ディスクの注意は警告のみで止めません。文脈は 8K 固定、キャリブレーション手順はありません。新しい Speed（Faster／Full quality）では、Faster が 6 expert のうち 5 を使い、VRAM 16GB 以下では既定になります。

DeepSeek 用エンジンは strata-dsv41 として Qwen／Metal とは別配布です。v0.2.5 の Assets では dsv41 は Windows／Linux のみ（CUDA と HIP 1 本）。Mac には 0.2.5 dmg と小さな Metal エンジンがありますが、dsv41 も DeepSeek もありません——現状 Mac でこのスタックの DeepSeek は動きません。

品質の主張：3 サイズと 3 ベンチマーク

重みは ISTA-DASLab による DeepSeek-V4.1-Flash-1017 の GSQ-RCO GGUF で、DeepSeek 名義の「新モデル発表」ではありません。モデルカードでは IQ2_XXS（2.00 bpw） が AIME25・GPQA-Diamond・LiveCodeBench v6 でベースモデルと一致（当該 3 指標のタスク平均 100.0%、reasoning effort 50）、IQ1_M は約 98.7%。これはカード条件の 3 スコアの話であり、「2 bit が全面ロスレス」ではありません。Strata 0.2.4 notes は各サイズの perplexity と code／agent テキスト差も示します。ディスクに余裕がありコーディング／agent の近さを重視するなら IQ2_XS も候補です。

公式側の推論フレームワークは DeepInfer。Strata は別ルートの第三者インストーラ＋ローカル App／Terminal であり、DeepInfer そのものではありません。

速度の数字（参考情報）

0.2.4 notes の 2.00-bit では、RTX 5070 12GB＋64GB RAM で出力約 5 tokens/s（コード）、RTX 3060 12GB＋46GB RAM で約 8–10 tokens/s、8K プロンプト読取も記載。0.2.5 では Faster が RTX 5070 のコード／agent デコードを約 16% 速くした、とあり、他機でも小さな改善や、既ロード expert を CPU が先に回しつつ残りを SSD から読む、といったエンジン側の手直しがあります。12GB カードでは SSD 速度の影響が大きいです。いずれもプロジェクト自己報告の参考情報です。

関連する DeepSeek 記事

ベースの Flash 1017 の順位は DeepSeek V4.1 Flash 1017 は Code Arena、Vals AI、Artificial Analysis で何位なのか。公式推論枠は DeepSeek、V4.1 Flash を支える推論フレームワーク DeepInfer をオープンソース化。ローカル coding harness の話なら 同じモデルでもコーディング harness を替えると通過率はほぼ変わらず、請求だけ大きく変わる と DeepSeek Harness のインストール方法：Windows・Linux・CLI・プラグイン。

掲載の tokens/s と 3 ベンチ回復率が、具体的な GPU・RAM・SSD でも同じかは未検証です——参考情報です。使ったことがあれば、サイト下部の運営者連絡先からフィードバックできます。