I pesi sono aperti e posso eseguire DeepSeek V4 Flash localmente?

Sì, i pesi sono pubblicati su Hugging Face sotto deepseek-ai/DeepSeek-V4-Flash. Con 284 miliardi di parametri totali in precisione mista FP4/FP8, servirà molta memoria GPU per eseguirlo localmente — verifica la guida VRAM prima di scaricare.

Quanto costa DeepSeek V4 Flash e qual è la sua finestra di contesto?

Via API costa $0,09 per milione di token in input e $0,18 per milione di token in output, con una finestra di contesto di 1.048.576 token.

In cosa si differenzia DeepSeek V4 Flash da DeepSeek V4 Pro?

Flash attiva 13 miliardi di parametri per token contro i 49 miliardi di Pro, rendendolo più veloce ed economico; Pro ha 1,6 trilioni di parametri totali e primeggia nei compiti di conoscenza e nei flussi agentici più esigenti, mentre Flash-Max (modalità massima di ragionamento) può avvicinarsi al livello Pro con un budget di pensiero maggiore.

▲

24.0%

questa settimana

DeepSeek V4 Flash 0423

9192°

#llm #deepseek #ragionamento #programmazione #agenti #contesto lungo

Funziona su Graydient

Esegui questo modello

Offerte / Annunci

Easy Creator (Prism) Web

Illimitato · tariffa fissa

Ideale per principianti. Flussi di lavoro potenti, curva di apprendimento bassa.

PirateDiffusion Telegram

Illimitato · tariffa fissa

Crea video, immagini, personaggi chat personalizzati e altro.

Pro studio (SpyGlass) Web

Illimitato · tariffa fissa

Sfoglia modelli, rendi e affina da qualsiasi browser o telefono.

Discord bot (Vector)

Illimitato · tariffa fissa

Aggiungi Vector al tuo server o unisciti al Discord di Vector. Crea qualsiasi cosa!

Unified Editor Web

Illimitato · tariffa fissa

Editor per immagini e video: rendi, modifica, migliora e altro tutto in una pagina.

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

App locali Locale

Richiede configurazione

Installa programmi locali se il tuo computer ha l’hardware adatto.

ModelDuel Web

Paga per uso

Genera lo stesso prompt su fino a 50 modelli checkpoint/base contemporaneamente.

Noleggia una GPU nel cloud

Graydient Cloud GPU

Illimitato · tariffa fissa

Tariffa fissa, uso illimitato. Questo modello si installa con un clic.

RunPod Cloud GPU

Addebitato al minuto

Noleggia una GPU al minuto e configura il modello da solo.

Guide per questo modello

Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro

Quanta VRAM serve davvero per l'AI locale?

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

DeepSeek | contesto da 1.048.576 token | $0.09/M input, $0.18/M output. DeepSeek V4 Flash è un modello Mixture-of-Experts ottimizzato per l'efficienza di DeepSeek con 284B parametri totali e 13B parametri attivi, supportando una finestra di contesto da 1M token. È progettato per inferenza veloce e carichi di lavoro ad alto throughput, mantenendo forti prestazioni in ragionamento e coding. Il modello include attenzione ibrida per un'elaborazione efficiente di contesti lunghi. Supporta sforzi di ragionamento high e xhigh; xhigh corrisponde al ragionamento massimo. È adatto per applicazioni come assistenti di coding, sistemi di chat e flussi di lavoro agentici dove reattività ed efficienza dei costi sono importanti.

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

DeepSeek V4 Flash è un modello Mixture-of-Experts da 284 miliardi di parametri di DeepSeek, con solo 13 miliardi di parametri attivi per token, costruito per inferenza veloce e carichi ad alto throughput a un prezzo molto basso. La sua architettura ibrida di attenzione gestisce efficientemente una vera finestra di contesto da un milione di token. È adatto a sviluppatori che necessitano di un modello capace di ragionamento e codifica senza pagare tariffe da modello di punta.

Conosciuto per

Finestra di contesto da 1 milione di token con attenzione ibrida efficiente, non solo un limite nominale.
Solo 13 miliardi di parametri attivati per inferenza — veloce ed economico da eseguire.
Sforzo di ragionamento regolabile: modalità standard, alta o massima (xhigh).
Ottime prestazioni di codifica e ragionamento rispetto al costo di inferenza.
Pesi aperti disponibili su Hugging Face per self-hosting.

Attenzione a

Nei compiti puri di conoscenza e nei flussi agentici più complessi, è inferiore al fratello DeepSeek V4 Pro.
284 miliardi di parametri totali significa che il self-hosting richiede hardware serio; verifica i requisiti VRAM prima di impegnarti.
I pesi usano FP4 per gli esperti MoE e FP8 altrove — non tutti gli stack di inferenza gestiscono bene la precisione mista.

Ideale per

Programmazione

Agenti e uso di strumenti

Ragionamento

Contesto lungo

Funziona localmente

Prompt da provare

Debug di un bug async complicato

Ecco una funzione Python async che occasionalmente genera un RuntimeError: 'Task attached to a different loop'. La funzione recupera URL concorrenti usando asyncio.gather dentro una classe che crea il proprio event loop in __init__. Spiega esattamente perché succede e riscrivi la classe in modo che funzioni correttamente sia da contesti sincroni che async.

Pianifica un agente multi-step

Progetta un ciclo agente minimo in Python che usa chiamate a strumenti per rispondere alla domanda: quale dei cinque ultimi presidenti USA ha avuto la media più alta di approvazione? Definisci gli strumenti necessari, mostra la logica del ciclo e spiega come l'agente decide quando ha abbastanza informazioni per smettere di chiamare strumenti e restituire una risposta finale.

Ragiona su un puzzle logico

Cinque ingegneri entrano in azienda in cinque anni consecutivi. Alex è entrato prima della persona che usa Rust. Lo sviluppatore Go è entrato terzo. Morgan è entrato subito dopo lo sviluppatore Python. Lo sviluppatore C++ è entrato per ultimo. Jamie è entrato secondo. Chi usa quale linguaggio e in che ordine sono entrati? Mostra il ragionamento passo passo.

Confronta con

DeepSeek V4.1 Flash
Modello con pesi aperti
Contesto di 1,048,576 token · Input $0.04/M, output $0.68/M
DeepSeek V4 Flash 0731
Modello con pesi aperti
Contesto di 1,048,576 token · Input $0.01/M, output $1.28/M
DeepSeek V4 Pro 0813
Modello con pesi aperti
Contesto di 1,048,576 token · Input $1.32/M, output $3.96/M
DeepSeek V4 Pro 0423
Modello con pesi aperti
Contesto di 1,048,576 token · Input $0.96/M, output $1.91/M

Altri modelli di testo da deepseek

Domande frequenti

I pesi sono aperti e posso eseguire DeepSeek V4 Flash localmente?: Sì, i pesi sono pubblicati su Hugging Face sotto deepseek-ai/DeepSeek-V4-Flash. Con 284 miliardi di parametri totali in precisione mista FP4/FP8, servirà molta memoria GPU per eseguirlo localmente — verifica la guida VRAM prima di scaricare.
Quanto costa DeepSeek V4 Flash e qual è la sua finestra di contesto?: Via API costa $0,09 per milione di token in input e $0,18 per milione di token in output, con una finestra di contesto di 1.048.576 token.
In cosa si differenzia DeepSeek V4 Flash da DeepSeek V4 Pro?: Flash attiva 13 miliardi di parametri per token contro i 49 miliardi di Pro, rendendolo più veloce ed economico; Pro ha 1,6 trilioni di parametri totali e primeggia nei compiti di conoscenza e nei flussi agentici più esigenti, mentre Flash-Max (modalità massima di ragionamento) può avvicinarsi al livello Pro con un budget di pensiero maggiore.

Verdetto del capitano
Un modello di ragionamento a basso costo e con contesto lungo davvero valido — i pesi aperti lo rendono da provare prima di optare per un'alternativa chiusa.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #12 Hottest Text / LLM model · #12 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendenza di popolarità di DeepSeek V4 Flash 0423

Punteggio di calore da 24 Apr 2026

Punteggio di popolarità

9,192°

Questa settimana

▲

24.0%

9,163° allora, 9,192° ora

Questo mese

▲

169%

9,060° allora, 9,192° ora

Ultimo anno

n/a

Non ancora rilasciato/tracciato

7,000°

Floor

La scala va da 0° a 9.999°. Tutto ciò che sta sotto 7,000° è riservato ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete. 7,000° è dove iniziano i dati misurati: un modello con dati reali ma quasi nessun download sta al floor, e le misurazioni riempiono i gradi sopra di esso. Il floor non dice nulla sul modello; solo i gradi sopra lo fanno, e sono quelli che distinguono un modello dall'altro.

+1,844°

Token OpenRouter

14,026,338,867,497 token processati da questo modello tramite OpenRouter negli ultimi 30 giorni, prompt e risposte insieme. Ogni 10,000,000 token conta come un download nel termine di download, 1,402,633 in totale; i token dell'ultimo giorno contribuiscono al tasso di adozione. Fonte: OpenRouter (openrouter.ai/rankings).

+348°

Tasso di adozione

Circa 43,432 download al giorno, misurati tra due rilevazioni delle fonti, mai stimati da una media a vita. La velocità pesa un quarto del termine download, così una nuova impennata si vede senza che un picco di un giorno superi anni di uso.

Mostra dettagli

Ogni numero su questo sito può essere verificato. Il punteggio heat di questo modello è 9,192°, ed è costruito un ingrediente alla volta, con il totale progressivo dopo ogni passaggio: il floor, i gradi che ogni fonte aggiunge, il bonus per il tipo di modello e cosa toglie l'età dei suoi pesi. I colori corrispondono alle bande del grafico sopra. Il glossario alla fine definisce ogni termine.

1
Inizia dal floor.
Perché 7,000° e non zero: la scala va da 0° a 9.999°, e la parte sotto 7,000° è riservata ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete e non superare mai un modello con dati. 7,000° è dove iniziano i dati misurati. Un modello con dati reali ma quasi nessun download sta qui; tutto ciò che segue è misurazione, e lo spazio sopra il floor contiene dieci passi decuplici nei download a 300° ciascuno. Il floor è uguale per ogni modello, quindi non decide nulla; lo fanno i gradi sopra di esso.
7,000°
totale in corso
2
Aggiungi i download.
1,402,633 equivalenti di download in totale, da Token OpenRouter. Dieci volte i download aggiungono lo stesso 300°, quindi la dimensione conta ma non domina mai il punteggio.
+1,844°
8,844°
totale in corso
3
Aggiungi il tasso di adozione.
Circa 43,432 download al giorno in questo momento, misurati tra due rilevazioni, con un peso di un quarto.
+348°
9,192°
totale in corso
=
Il punteggio heat.
Dove si posiziona questo modello in ogni lista di questo sito. Niente altro lo modifica.
9,192°

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Come si è mosso questo modello rispetto al resto del catalogo: la sua crescita in download, like e utilizzo in ogni periodo, misurata rispetto alla crescita tipica dei modelli nello stesso periodo, con il suo punteggio di popolarità al momento. Sopra la crescita tipica indica un aumento, sotto una diminuzione. Il passato è ricostruito dai totali di oggi, dal primo giorno del modello e dalla sua velocità di download misurata quando ci sono due letture; un modello che non esisteva all'inizio del periodo mostra n/a.

Modelli simili

DeepSeek V4 Flash Latest

Llama 3.1 Euryale 70B v2.2

TEXT / LLM

Modelli di IA per generare immagini, video e testo

DeepSeek V4 Flash 0423 è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM, controlla il punteggio di calore per vedere la tendenza e aprilo su PirateDiffusion o BitVector per provarlo.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm deepseek ragionamento programmazione agenti contesto lungo locale

Sfoglia per famiglia di modelli