DeepSeek V4 免費開源，但跑得動嗎？VRAM 需求與一鍵雲端部署
DeepSeek V4 免費開源，但跑得動嗎？VRAM 需求與一鍵雲端部署
想自己執行 DeepSeek V4，最便宜的可行方案是按小時租用雲端 GPU：V4 Flash 最小的實用量化版本需要約 48 GB VRAM——是單張 RTX 4090 的兩倍——而一張 48 GB 顯示卡在 Glows.ai 的租金從每小時 $0.72 美元起（約 NT$23，價格查核於 2026 年 7 月）。模型權重本身是真免費：MIT 授權、Hugging Face 直接下載、沒有附加條件。但算力不免費，這篇文章就是把這道落差算清楚。
本文涵蓋：
- DeepSeek 2026 年實際發布了什麼（V4 Pro 與 V4 Flash），附來源出處的規格
- 逐一量化等級的 VRAM 數學——以及「激活參數」這個常見誤區
- 各等級對應可租用 GPU 組合的每小時成本表
- 租用 vs 自購的損益兩平點（以小時計）
- 從註冊到 DeepSeek 實例啟動的一鍵路徑
DeepSeek 2026 年發布了什麼：V4 Pro 與 V4 Flash
2026 年 4 月 24 日，DeepSeek 發布了 V3 系列之後的首個旗艦模型 V4，分為兩種規格（TechCrunch；MIT Technology Review）。兩者都是混合專家（MoE）架構，上下文視窗達 100 萬 token——是 V3.2 的 128K 的 8 倍——且皆以 MIT 授權開放權重（Artificial Analysis，2026 年 4 月）。
兩個版本的規格，依 Artificial Analysis：
| DeepSeek V4 Pro | DeepSeek V4 Flash | |
|---|---|---|
| 總參數量 | 1.6T | 284B |
| 每 token 激活參數 | 49B | 13B |
| 上下文視窗 | 100 萬 token | 100 萬 token |
| Intelligence Index 分數 | 52（V3.2 為 42） | 47 |
| API 價格（每百萬 token，輸入/輸出） | $1.74 / $3.48 | $0.14 / $0.28 |
| 授權 | MIT | MIT |
52 分讓 V4 Pro 成為該指數上排名第二的開放權重推理模型。所以新聞標題沒說錯：一個接近前沿水準的模型，免費下載。標題沒說的是這個下載檔有多大——以及要用什麼裝得下它。
DeepSeek V4 顯卡需求：為什麼「開放權重」不等於「你的電腦跑得動」
先講誤區。「13B 激活參數」聽起來像 13B 模型，而 13B 模型電競筆電就能跑。實際不是這樣。在 MoE 模型中，激活參數決定每 token 的運算量——也就是推論速度——但所有專家都必須載入，所以完整權重得放進 VRAM（或溢出到系統記憶體，代價是 2–5 倍的速度損失）。V4 Flash 的官方權重檔為 159.61 GB；V4 Pro 為 864.70 GB（knightli.com VRAM 分析，2026 年 5 月）。
量化可以壓縮體積，代價是部分品質。以下是 V4 Flash 各等級的數據，出處同上：
| 量化等級 | 權重大小 | 最低 VRAM | 建議 VRAM |
|---|---|---|---|
| FP8（完整） | 159.61 GB | 192 GB | 256 GB |
| Q6 | 120 GB | 160 GB | 192 GB |
| Q5 | 100 GB | 128 GB | 160 GB |
| Q4 | 80 GB | 96 GB | 128 GB |
| Q3 | 60 GB | 80 GB | 96 GB |
| Q2 | 40 GB | 48 GB | 64 GB |
社群的動態量化能再往下壓一點——WaveSpeed 回報重度量化的 Flash 版本約 33 GB——但就算是這個數字，也比 24 GB 的 RTX 4090 多出 9 GB。較小的那個 V4 模型，沒有任何一個等級塞得進單張消費級顯示卡。
V4 Pro 又是另一個量級：Q4 需要 512 GB VRAM，FP8 要整整 1 TB。那是一整個機櫃，不是一台工作站。對個人使用者而言，V4 Pro 就是 API 模型，沒有懸念——而每百萬 token $1.74/$3.48 的 API 定價也反映了這一點。
注意： 上述最低值假設的是適中的上下文長度。若逼近 100 萬 token 視窗，KV cache 會在權重之上再吃掉數十 GB。
在雲端執行 DeepSeek V4：每小時到底多少錢
這是沒有人整理過的表：V4 Flash 每個可行等級，對應到 Glows.ai 上可按小時租用的 GPU 組合，費率取自價格頁面（2026 年 7 月查核；實際費率依 GPU 與地區而異）。
| 等級 | 所需 VRAM | 可租用組合 | 每小時費用 |
|---|---|---|---|
| Flash Q2（入門） | 最低 48 GB | 1× RTX 6000 Ada（48 GB） | $0.72 起（約 NT$23） |
| Flash Q2（替代） | 最低 48 GB | 2× RTX 4090（2×24 GB） | $0.98 起（約 NT$31） |
| Flash Q3–Q4（甜蜜點） | 80–96 GB | 1× RTX PRO 6000（96 GB） | $1.68 起（約 NT$54） |
| Flash FP8（完整品質） | 最低 192 GB | 2× RTX PRO 6000（192 GB） | $3.36 起（約 NT$108） |
| Flash FP8（充裕餘裕） | 240 GB | 3× H100（240 GB） | $8.88 起（約 NT$284） |
| Pro Q4 | 最低 512 GB | 6× RTX PRO 6000（576 GB） | $10.08 起（約 NT$323） |
（新台幣為以 1 美元 ≈ NT$32 估算的參考值，實際以美元計價。）
把它當決策樹來讀：
- 只想花一個晚上試 V4？ 單張 48 GB 卡跑 Q2。三小時的測試費用 $2.16（約 NT$69）。
- 要認真拿來工作？ 96 GB 的 RTX PRO 6000 跑 Q4，留 16 GB 給 KV cache，每小時 $1.68。日常使用我們會選這一級。
- 需要完整精度的輸出品質？ 兩張 96 GB 卡跑 FP8，每小時 $3.36——一整個工作天的費用仍低於多數 AI 程式助手一個月的訂閱費。
- V4 Pro？ 理論上約每小時 $10 可以租起來，但除非你有隱私或微調需求，個人使用還是官方 API（每百萬 token $1.74/$3.48）划算。
多卡那幾列並不稀奇。用多張卡服務同一個模型正是 vLLM 和 SGLang 的基本功能，設定方式和我們在 R1 多卡 SGLang 教學記錄的相同。
租用 vs 自購：96 GB 等級的損益兩平點
假設你想直接買下 Q4 這一級的硬體。消費級湊到 96 GB VRAM 最便宜的路線是四張 RTX 4090，每張建議售價 $1,599 美元（NVIDIA）——光顯示卡就 $6,396（約 NT$20.5 萬），還不含合計 1,800 W 的板卡功耗、裝得下四張卡的主機板，以及餵得飽它們的電源供應器。
$6,396 ÷ 每小時 $1.68 ≈ 3,807 小時的租用時數之後，自購才划算。
以每月 20 小時計——平日每晚一小時——大約是 190 個月，將近 16 年。就算重度使用每月 60 小時，也要超過 5 年，到時候顯示卡和模型都已經是古董了。我們在姊妹篇〈不用 GPU 也能跑 DeepSeek：每小時 $0.49 的方法〉算過單張 4090 等級的同一道數學——結論可以外推：除非你每天跑推論好幾個小時，否則租用勝出，而且 VRAM 需求越大，勝得越多。
一鍵路徑：在 Glows.ai 上跑 DeepSeek
免費權重讓人卡關的永遠是同三步：湊足 VRAM、搭好 CUDA／驅動／執行環境、設定多卡服務。Glows.ai 把三件事全部收進一份選單：平台提供官方預配置的 DeepSeek 映像檔，以及開箱即用的 vLLM、SGLang、Ollama 環境，「架設」變成「從清單裡挑」。
- 註冊 Glows.ai，點右上角的
Create New——建立實例教學有完整截圖。 - 依上表選 GPU 等級：Q2 選一張 RTX 6000 Ada，Q4 選一張 RTX PRO 6000，FP8 選兩張。
- 選映像檔。 官方 DeepSeek-R1 映像檔零設定即可執行，模型已內建。要跑 V4 Flash，就啟動預配置的 vLLM 或 SGLang 映像檔，再從 Hugging Face 拉取你選定的量化版本；Hugging Face 模型下載教學介紹了最快的下載方式，搭配 Datadrive 可以讓這 40–160 GB 的下載跨工作階段保存，只需抓一次。
- 點
Complete Checkout。 實例在 30–60 秒內啟動。 - 把你的用戶端指向端點。 vLLM／SGLang 輸出 OpenAI 相容 API，Open WebUI、Continue 或你自己的腳本都不用改。
提醒： 計費以小時計，實例可以乾淨關閉。用完就停止實例，一個週末的 Q4 實驗（比如 6 小時）總共約 $10.08（約 NT$323）。
如果你的預算只有一張 RTX 4090
老實話：如果預算就是每小時 $0.49（約 NT$16），別硬上 V4。DeepSeek-R1-Distill-Qwen-32B 在 4-bit 下約需 20 GB，單張租來的 RTX 4090 裝得下還留有 KV cache 空間，而且有官方一鍵映像檔——DeepSeek-R1 快速入門從註冊到第一個回覆約 10 分鐘。它的推理跑分低於 V4，但仍是一個扎實的模型，每小時成本只有 Q4 Flash 等級的 29%。先從這裡開始，等模型本身——而不是話題熱度——真的不夠用了，再往上表升級。
常見問題
DeepSeek V4 真的免費嗎？
權重是真的免費——MIT 授權、放在 Hugging Face、可商用。算力不免費：V4 Flash 依量化等級需要 48–192 GB VRAM，意味著要嘛砸 $6,000 美元以上買硬體，要嘛從每小時 $0.72 起租雲端 GPU。
單張 RTX 4090 跑得動 DeepSeek V4 嗎？
跑不動。最小的標準量化（Q2）需要約 48 GB VRAM，就連社群的激進量化版也落在 33 GB 左右——4090 只有 24 GB。單張 4090 的選項是在雲端跑 DeepSeek-R1-Distill-32B，或走 V4 的 API。
自己執行 DeepSeek V4 最便宜的方式是什麼？
在租用的 48 GB GPU 上跑 Q2 量化的 V4 Flash：Glows.ai 上每小時 $0.72 起（2026 年 7 月費率）。若要長期使用，96 GB 卡跑 Q4、每小時 $1.68 的性價比更好。
個人有辦法跑 DeepSeek V4 Pro 嗎？
現實上不行。Pro 的權重達 864.70 GB，就算 Q4 量化也需要 512 GB VRAM——六張 96 GB 卡、約每小時 $10。除非你需要私有推論或微調，官方 API（每百萬 token $1.74/$3.48）才是合理路線。
為什麼激活參數只有 13B 的模型需要 160 GB VRAM？
因為 MoE 模型每個 token 只激活 13B 參數，但全部 284B 都必須載入記憶體。激活參數決定速度；總參數決定你的記憶體帳單。
跑免費的模型，不必買不免費的硬體
DeepSeek 把一個接近前沿的模型免費送出，橫在你和它之間的只剩下按小時計的 VRAM。註冊 Glows.ai，租下符合你量化等級的 GPU，啟動預配置的 DeepSeek 映像檔，今天就能開始對 V4 Flash 下提示詞——花的是一個便當的錢，不是一台伺服器的錢。