本文目錄

Strata 是免費開源的本地執行器。GitHub v0.2.5（published_at 2026-10-25T10:06:04Z，約北京時間 2026 年 10 月 25 日 18:06）把 DeepSeek V4.1 Flash 放進了 Windows／Linux 的桌面 App——這不等於 DeepSeek 官方發了一款新桌面產品。真正門檻也不是「只要一張 12GB 卡」：系統記憶體要到幾十 GB，下載量是兩百多 GB。

磁碟和記憶體要準備什麼

0.2.4 的 release notes 把 DeepSeek V4.1-Flash 引進 Terminal，並寫明選型框架；0.2.5 仍沿用：

  • 顯示卡： 約 12GB 顯示記憶體或以上。
  • 記憶體： 作者在 RTX 3060 機器上約 46GB 能跑；64GB 是測過的更舒服檔位。空閒記憶體越多，專家快取越大、回答越快。
  • 下載： 約 239GB（IQ1_M）、257GB（IQ2_XXS）或 274GB（IQ2_XS）。這是 Strata 整套下載量，含 Engram 表與 DSpark 草稿模型，因此會大於 Hugging Face 模型卡上「主幹＋Engram」的體積。

DeepSeek V4.1-Flash 是稀疏 MoE：Strata 把最常用的專家放進 RAM store，其餘從 SSD 直接讀——整模不必塞進顯示記憶體。0.2.5 起，空閒記憶體夠時 RAM store 可以裝下全部專家（以前停在 48GB），並仍留出約 12GB 空閒。這是「能快取多少」的升級，不是把「大約準備 46–64GB 記憶體」改掉。

App 與 Terminal，以及哪些平台有 DeepSeek

0.2.5 裡 App 與 Terminal 都是 0.2.5。模型選擇器列出三檔官方尺寸，附帶體積／速度／磁碟說明（只警告、不攔截）。上下文固定 8K，沒有校準步驟。新增 Speed（Faster／Full quality）：Faster 每 token 用 6 個專家裡的 5 個，在顯示記憶體 ≤16GB 的機器上預設開啟。

DeepSeek 跑在單獨的 strata-dsv41 引擎包上，與 Qwen／Metal 引擎並列。v0.2.5 資源頁上，dsv41 包只有 Windows／Linux（CUDA 與一款 HIP）。Mac 有 0.2.5 dmg 和內建小體積 Metal 引擎，但沒有 dsv41、也沒有 DeepSeek——本版 Mac 跑不了 DeepSeek。

品質說法：三檔尺寸、三道基準

權重來自 ISTA-DASLab 對 DeepSeek-V4.1-Flash-1017 的 GSQ-RCO GGUF，不是 DeepSeek 品牌的「新模型發布」。模型卡寫明：IQ2_XXS（2.00 bpw） 在 AIME25、GPQA-Diamond、LiveCodeBench v6 上與基座持平（該三基準任務平均恢復率 100.0%，reasoning effort 50）；IQ1_M 約保留 98.7%。這只覆蓋卡片設定下的這三道分，不是「2 bit 全面無損」。Strata 0.2.4 notes 另給出各檔困惑度與程式碼／agent 文字差異；磁碟夠、更在意編碼／agent 貼近度時，可看 IQ2_XS。

DeepSeek 官方側開源的推理框架見 DeepInfer。Strata 是另一條第三方路徑：安裝器＋本地 App／Terminal，不是 DeepInfer 本身。

速度數字（僅供參考）

0.2.4 notes 在 2.00-bit 檔自報：RTX 5070 12GB＋64GB 記憶體上輸出約 5 tokens/s（程式碼）；RTX 3060 12GB＋46GB 記憶體上約 8–10 tokens/s；並列出 8K 提示讀取速度。0.2.5 另稱 Faster 模式在 RTX 5070 上程式碼／agent 解碼約快 16%，其他機器有更小增益，並改進了「CPU 先跑已在記憶體的專家、其餘從 SSD 讀入」、減少每層 GPU launch 等。12GB 卡上磁碟速度影響很大。以上均為專案自報，僅供參考。

和站內其他 DeepSeek 文怎麼擺

基座 Flash 1017 的榜單位次見 DeepSeek V4.1 Flash 1017 在 Code Arena、Vals AI 和 Artificial Analysis 上排第幾。官方推理框架見 DeepSeek 開源 DeepInfer，支撐 V4.1 Flash 的推理框架。若比的是本地 coding harness 而不是本地權重執行器，見 同一個模型換套 coding harness，通過率幾乎不動，帳單為什麼差這麼多？ 與 DeepSeek Harness 安裝教學：Windows、Linux、CLI 與外掛。

自報 tokens/s 與三基準恢復率在具體顯示卡、記憶體與 SSD 上是否成立——僅供參考。跑過可透過網站底部站長聯絡方式回饋。