实测帖：DeepSeek V4.1 Flash 搬上桌，速度亮眼，内存吃紧

把模型搬到桌上，难点不只是跑起来，还得看跑起来之后剩下多少余量。

测试者 @yume_arasaki 发帖称，自己试跑了一晚由 @sudoingX 提供的部署方案：用两台桌面设备 DGX Spark 运行 DeepSeek V4.1 Flash。这篇帖子谈的是部署和推理表现，而不是模型发布。

按作者报告，在单路、关闭思考的测试条件下，结构化输出达到 135.5 token/秒，散文输出则为 57.2 token/秒。这里最容易被忽略的限定是：输出类型不同，速度差得很明显，不能把结构化输出的成绩当成所有任务的通用速度。

作者解释，提速依赖“先猜、再验”：小型预测头猜测后续 token，再由完整模型校验。结构化内容更容易猜中，自由文本则更难。他还提到，方案压缩了专家权重，并让 DeepSeek 的 Engram 查找表不进入内存，而在查询时直接从 NVMe 读取。

代价也写在帖里：这套配置只支持两个并发请求，上下文上限为 262k token。作者称，权重加载后剩余内存已经很紧张，提高上下文上限还要继续消耗内存。

对想在桌面跑智能体任务的人来说，这份测试的价值不只是一个速度数字，也是一张容量提醒：桌面能跑，不等于任务可以随便加。