DeepSeek V4-Flash
DeepSeek V4-Flash braucht mit der Variante Q4_K_M rund 159,2 GB Speicher und läuft auf 13 von 538 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: Apple Mac Studio (2026), M5 Ultra mit 64-Kern-GPU, 256 GB.
Berechnet für 4.096 Token Kontext (Anwendungsfall „Ausprobieren, Neugier“). Die Tempowerte sind an veröffentlichten Messungen abgeglichen, aber nicht auf diesem Gerät gemessen.
DeepSeek V4-Flash braucht mit der Variante Q4_K_M rund 159,7 GB Speicher und läuft auf 13 von 538 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: Apple Mac Studio (2026), M5 Ultra mit 64-Kern-GPU, 256 GB.
Berechnet für 16.384 Token Kontext (Anwendungsfall „Programmieren“). Die Tempowerte sind an veröffentlichten Messungen abgeglichen, aber nicht auf diesem Gerät gemessen.
DeepSeek V4-Flash braucht mit der Variante Q4_K_M rund 159,4 GB Speicher und läuft auf 13 von 538 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: Apple Mac Studio (2026), M5 Ultra mit 64-Kern-GPU, 256 GB.
Berechnet für 8.192 Token Kontext (Anwendungsfall „Texte schreiben, übersetzen“). Die Tempowerte sind an veröffentlichten Messungen abgeglichen, aber nicht auf diesem Gerät gemessen.
DeepSeek V4-Flash braucht mit der Variante Q4_K_M rund 160,4 GB Speicher und läuft auf 13 von 538 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: Apple Mac Studio (2026), M5 Ultra mit 64-Kern-GPU, 256 GB.
Berechnet für 32.768 Token Kontext (Anwendungsfall „Dokumente auswerten“). Die Tempowerte sind an veröffentlichten Messungen abgeglichen, aber nicht auf diesem Gerät gemessen.
DeepSeek V4-Flash braucht mit der Variante Q4_K_M rund 160,4 GB Speicher und läuft auf 13 von 538 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: Apple Mac Studio (2026), M5 Ultra mit 64-Kern-GPU, 256 GB.
Berechnet für 32.768 Token Kontext (Anwendungsfall „Kundendaten, interne Unterlagen“). Die Tempowerte sind an veröffentlichten Messungen abgeglichen, aber nicht auf diesem Gerät gemessen.
- Anbieter
- DeepSeek
- Parameter
- 284,3 Mrd., davon 13 Mrd. aktiv
- Längster Kontext
- 1.048.576 Token
- Lizenz
- MIT
Kein einzelnes Gerät reicht, mehrere zusammen schon
DeepSeek V4-Flash braucht in der Variante Q4_K_M rund 159,2 GB nutzbaren Speicher. Von 538 geführten Geräten bringen das nur 13 allein auf, und es sind die größten. Mehrere gleiche, kleinere Geräte lassen sich zu einem Verbund zusammenschalten und teilen sich das Modell; dann zählt ihr Speicher zusammen.
- 2 × Apple MacBook Pro 16 Zoll (2026), M5 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
- 2 × Apple MacBook Pro 14 Zoll (2026), M5 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
- 2 × Apple MacBook Pro 16 Zoll (2024), M4 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
Womit das geht
Verbünde baut man mit einer Software, die das Modell über mehrere Rechner verteilt. Verbreitet sind exo (verbindet die Geräte selbständig, unterstützt RDMA über Thunderbolt 5) und der RPC-Server von llama.cpp. Die Geräte werden über Netzwerk oder Thunderbolt verbunden; je schneller die Verbindung, desto weniger kostet die Aufteilung.
Für vertrauliche Daten wichtig
Der RPC-Server von llama.cpp ist ausdrücklich als Vorstufe gekennzeichnet: „currently in a proof-of-concept development stage … fragile and insecure. Never run the RPC server on an open network or in a sensitive environment!“ Für geschäftliche Unterlagen scheidet er damit aus, solange das so bleibt; wir beraten zu Alternativen.
Was wir hier nicht sagen
Wie schnell ein Verbund antwortet, rechnen wir nicht aus. Die Aufteilung kostet Zeit, und wir haben dafür keine eigenen oder belegten Messungen. Die Angabe oben ist reine Speicherrechnung: sie sagt, dass das Modell hineinpasst, nicht wie flüssig es läuft.
Kein einzelnes Gerät reicht, mehrere zusammen schon
DeepSeek V4-Flash braucht in der Variante Q4_K_M rund 159,7 GB nutzbaren Speicher. Von 538 geführten Geräten bringen das nur 13 allein auf, und es sind die größten. Mehrere gleiche, kleinere Geräte lassen sich zu einem Verbund zusammenschalten und teilen sich das Modell; dann zählt ihr Speicher zusammen.
- 2 × Apple MacBook Pro 16 Zoll (2026), M5 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
- 2 × Apple MacBook Pro 14 Zoll (2026), M5 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
- 2 × Apple MacBook Pro 16 Zoll (2024), M4 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
Womit das geht
Verbünde baut man mit einer Software, die das Modell über mehrere Rechner verteilt. Verbreitet sind exo (verbindet die Geräte selbständig, unterstützt RDMA über Thunderbolt 5) und der RPC-Server von llama.cpp. Die Geräte werden über Netzwerk oder Thunderbolt verbunden; je schneller die Verbindung, desto weniger kostet die Aufteilung.
Für vertrauliche Daten wichtig
Der RPC-Server von llama.cpp ist ausdrücklich als Vorstufe gekennzeichnet: „currently in a proof-of-concept development stage … fragile and insecure. Never run the RPC server on an open network or in a sensitive environment!“ Für geschäftliche Unterlagen scheidet er damit aus, solange das so bleibt; wir beraten zu Alternativen.
Was wir hier nicht sagen
Wie schnell ein Verbund antwortet, rechnen wir nicht aus. Die Aufteilung kostet Zeit, und wir haben dafür keine eigenen oder belegten Messungen. Die Angabe oben ist reine Speicherrechnung: sie sagt, dass das Modell hineinpasst, nicht wie flüssig es läuft.
Kein einzelnes Gerät reicht, mehrere zusammen schon
DeepSeek V4-Flash braucht in der Variante Q4_K_M rund 159,4 GB nutzbaren Speicher. Von 538 geführten Geräten bringen das nur 13 allein auf, und es sind die größten. Mehrere gleiche, kleinere Geräte lassen sich zu einem Verbund zusammenschalten und teilen sich das Modell; dann zählt ihr Speicher zusammen.
- 2 × Apple MacBook Pro 16 Zoll (2026), M5 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
- 2 × Apple MacBook Pro 14 Zoll (2026), M5 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
- 2 × Apple MacBook Pro 16 Zoll (2024), M4 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
Womit das geht
Verbünde baut man mit einer Software, die das Modell über mehrere Rechner verteilt. Verbreitet sind exo (verbindet die Geräte selbständig, unterstützt RDMA über Thunderbolt 5) und der RPC-Server von llama.cpp. Die Geräte werden über Netzwerk oder Thunderbolt verbunden; je schneller die Verbindung, desto weniger kostet die Aufteilung.
Für vertrauliche Daten wichtig
Der RPC-Server von llama.cpp ist ausdrücklich als Vorstufe gekennzeichnet: „currently in a proof-of-concept development stage … fragile and insecure. Never run the RPC server on an open network or in a sensitive environment!“ Für geschäftliche Unterlagen scheidet er damit aus, solange das so bleibt; wir beraten zu Alternativen.
Was wir hier nicht sagen
Wie schnell ein Verbund antwortet, rechnen wir nicht aus. Die Aufteilung kostet Zeit, und wir haben dafür keine eigenen oder belegten Messungen. Die Angabe oben ist reine Speicherrechnung: sie sagt, dass das Modell hineinpasst, nicht wie flüssig es läuft.
Kein einzelnes Gerät reicht, mehrere zusammen schon
DeepSeek V4-Flash braucht in der Variante Q4_K_M rund 160,4 GB nutzbaren Speicher. Von 538 geführten Geräten bringen das nur 13 allein auf, und es sind die größten. Mehrere gleiche, kleinere Geräte lassen sich zu einem Verbund zusammenschalten und teilen sich das Modell; dann zählt ihr Speicher zusammen.
- 2 × Apple MacBook Pro 16 Zoll (2026), M5 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
- 2 × Apple MacBook Pro 14 Zoll (2026), M5 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
- 2 × Apple MacBook Pro 16 Zoll (2024), M4 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
Womit das geht
Verbünde baut man mit einer Software, die das Modell über mehrere Rechner verteilt. Verbreitet sind exo (verbindet die Geräte selbständig, unterstützt RDMA über Thunderbolt 5) und der RPC-Server von llama.cpp. Die Geräte werden über Netzwerk oder Thunderbolt verbunden; je schneller die Verbindung, desto weniger kostet die Aufteilung.
Für vertrauliche Daten wichtig
Der RPC-Server von llama.cpp ist ausdrücklich als Vorstufe gekennzeichnet: „currently in a proof-of-concept development stage … fragile and insecure. Never run the RPC server on an open network or in a sensitive environment!“ Für geschäftliche Unterlagen scheidet er damit aus, solange das so bleibt; wir beraten zu Alternativen.
Was wir hier nicht sagen
Wie schnell ein Verbund antwortet, rechnen wir nicht aus. Die Aufteilung kostet Zeit, und wir haben dafür keine eigenen oder belegten Messungen. Die Angabe oben ist reine Speicherrechnung: sie sagt, dass das Modell hineinpasst, nicht wie flüssig es läuft.
Kein einzelnes Gerät reicht, mehrere zusammen schon
DeepSeek V4-Flash braucht in der Variante Q4_K_M rund 160,4 GB nutzbaren Speicher. Von 538 geführten Geräten bringen das nur 13 allein auf, und es sind die größten. Mehrere gleiche, kleinere Geräte lassen sich zu einem Verbund zusammenschalten und teilen sich das Modell; dann zählt ihr Speicher zusammen.
- 2 × Apple MacBook Pro 16 Zoll (2026), M5 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
- 2 × Apple MacBook Pro 14 Zoll (2026), M5 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
- 2 × Apple MacBook Pro 16 Zoll (2024), M4 Max mit 40-Kern-GPU, 128 GBzusammen 192,0 GB nutzbar (je Gerät 96,0 GB)
Womit das geht
Verbünde baut man mit einer Software, die das Modell über mehrere Rechner verteilt. Verbreitet sind exo (verbindet die Geräte selbständig, unterstützt RDMA über Thunderbolt 5) und der RPC-Server von llama.cpp. Die Geräte werden über Netzwerk oder Thunderbolt verbunden; je schneller die Verbindung, desto weniger kostet die Aufteilung.
Für vertrauliche Daten wichtig
Der RPC-Server von llama.cpp ist ausdrücklich als Vorstufe gekennzeichnet: „currently in a proof-of-concept development stage … fragile and insecure. Never run the RPC server on an open network or in a sensitive environment!“ Für geschäftliche Unterlagen scheidet er damit aus, solange das so bleibt; wir beraten zu Alternativen.
Was wir hier nicht sagen
Wie schnell ein Verbund antwortet, rechnen wir nicht aus. Die Aufteilung kostet Zeit, und wir haben dafür keine eigenen oder belegten Messungen. Die Angabe oben ist reine Speicherrechnung: sie sagt, dass das Modell hineinpasst, nicht wie flüssig es läuft.
Geräte, auf denen es flüssig läuft
Alle Tempowerte sind berechnet und an veröffentlichten Messungen abgeglichen, nicht auf dem Gerät gemessen. Mit * markierte Werte sind nicht abgeglichen und deshalb unsicher.
und 3 weitere
und 3 weitere
und 3 weitere
und 3 weitere
und 3 weitere
Grafikkarten, in die es ganz passt
Keine.
Keine.
Keine.
Keine.
Keine.
Alle Geräte und Grafikkarten für DeepSeek V4-Flash
Varianten
Der Bedarf gilt für 4.096 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 4096“ eingeben.
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q3_K_M | 128,1 GB | 131,6 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
| Q4_K_M | 155,1 GB | 159,2 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
| Q8_0 | 161,9 GB | 166,1 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
Varianten
Der Bedarf gilt für 16.384 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 16384“ eingeben.
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q3_K_M | 128,1 GB | 132,2 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
| Q4_K_M | 155,1 GB | 159,7 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
| Q8_0 | 161,9 GB | 166,6 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
Varianten
Der Bedarf gilt für 8.192 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 8192“ eingeben.
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q3_K_M | 128,1 GB | 131,8 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
| Q4_K_M | 155,1 GB | 159,4 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
| Q8_0 | 161,9 GB | 166,3 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
Varianten
Der Bedarf gilt für 32.768 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 32768“ eingeben.
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q3_K_M | 128,1 GB | 132,9 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
| Q4_K_M | 155,1 GB | 160,4 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
| Q8_0 | 161,9 GB | 167,3 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
Varianten
Der Bedarf gilt für 32.768 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 32768“ eingeben.
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q3_K_M | 128,1 GB | 132,9 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
| Q4_K_M | 155,1 GB | 160,4 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
| Q8_0 | 161,9 GB | 167,3 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
Quelle: https://huggingface.co/unsloth/DeepSeek-V4-Flash-0731-GGUF
Weitere Ratgeber
- Mac mini für lokale KI: Welche Ausstattung reicht und wann es der Mac Studio sein mussBeim Mac zählt der Arbeitsspeicher, aber nicht die ganze Zahl. Was die Ausstattungen des Mac mini mit M4, M5 Pro und M6 tragen und wo der Mac Studio anfängt.
- Open Source KI: Welche Modelle wirklich offen sindDie meisten Modelle, die „Open Source KI“ heißen, geben nur die fertigen Modelldateien frei, nicht den Weg dorthin. Was der Begriff bedeutet, welche Familien es gibt und was davon auf eigener Hardware läuft.
- Deutsche und europäische KI-Modelle: Welche es gibt und was davon lokal läuftTeuken aus Deutschland, EuroLLM aus einem EU-Projekt, Mistral aus Paris, Apertus aus der Schweiz. Lizenz, Größe und auf wie vielen der 527 Geräte sie flüssig laufen.
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 319 von 527 geführten Geräten flüssig, die große auf 69. Was Sie brauchen und wo das Modell nicht passt.
- Grafikkarte für KI: Worauf es bei lokalen Modellen ankommtFür KI zählt an einer Grafikkarte zuerst der Speicher, dann das Tempo. Welche Speicherklasse wie viele Modelle trägt und warum 24 GB der wichtigste Schritt ist.
- Lokale KI-Modelle: Welches läuft auf Ihrer Hardware?Ob ein lokales KI-Modell auf Ihrem Rechner läuft, entscheidet der Speicher. Wie Sie die richtige Zahl finden und was die Stufen hinter dem Namen bedeuten.
- Ornith 1.5: Welche der drei Größen auf Ihrem Rechner läuftOrnith 1.5 gibt es in drei Größen. Die kleine läuft nach unserer Rechnung beim Ausprobieren auf 406 von 527 geführten Geräten, die größte auf 9. Was jede Größe braucht und wann ein Verbund aus mehreren Geräten hilft.
- Qwen-Image: KI-Bilder lokal erzeugen und die richtige Fassung wählenQwen-Image erzeugt Bilder auf dem eigenen Rechner. Die neue Fassung 2.1 ist nur für Forschung und Erprobung freigegeben, für Unternehmen ist 2512 die Fassung. Was beide an Speicher brauchen und wie lange ein Bild auf unserer Karte dauerte.
- KI selbst hosten: Was sich ändert, sobald mehrere zugreifenSelbst hosten heißt, dass einer betreibt und mehrere nutzen. Was dafür nötig ist, warum die Voreinstellungen dafür nicht gemacht sind und welche Fragen ab dem zweiten Nutzer keine Technikfragen mehr sind.
- Lokale KI: Was das heißt, was Sie brauchen, was sie kannLokale KI heißt, dass die Modelldatei auf Ihrem Gerät liegt und die Rechenarbeit dort stattfindet. Was Sie dafür brauchen, was heute gut funktioniert und wo die Grenzen liegen.
- KI lokal betreiben, ohne Terminal: So läuft ein Sprachmodell auf Ihrem RechnerLokale KI-Modelle brauchen auf Mac und Windows keine Befehlszeile mehr. Was Sie an Hardware brauchen, wie die Einrichtung Schritt für Schritt gelingt und wo die Grenzen liegen.
- Ollama oder LM Studio: Was ist der Unterschied, und welches passt zu Ihnen?Beide laden offene Sprachmodelle auf Ihren Rechner und rechnen mit demselben Unterbau. Was sie wirklich unterscheidet, was sie kosten und welche Daten dabei Ihr Haus verlassen.
- Was ist Ollama, und welche Alternativen gibt es?Ollama, LM Studio, llama.cpp und vLLM tauchen in vielen Anleitungen für lokale KI auf. Was jedes davon ist, wie die vier zusammenhängen und welches Sie wofür brauchen.
- Was kostet ChatGPT wirklich, und ab wann lohnt sich eigene Hardware?Die Rechnung hat vier Posten, und drei davon stehen auf keiner Preisliste. Was ein Modell über die Schnittstelle kostet, was eigene Hardware dagegenstellt, und ab welchem Punkt sich der Wechsel rechnet.
- DSGVO-konforme KI: Welche Daten verlassen bei welchem Aufbau Ihr Haus?Lokal heißt nicht telemetriefrei, und eine EU-Zusage hängt am Bereitstellungstyp. Was bei vier gängigen Aufbauten wirklich übertragen wird, mit Zitaten aus den Datenschutzerklärungen der Anbieter.