一个月烧掉几亿token，账单小几万——这是重度agent用户的日常。现在有人把这套成本砍到零：Redis原作者antirez开源了ds4，一台128GB内存的MacBook Pro就能本地跑DeepSeek V4 Flash，token费用彻底归零。
开发者Salvatore Sanfilippo，圈内更熟悉的名字是antirez。这位意大利程序员是开源数据库Redis的原作者，Redis后来成为全球互联网基础设施里最常用的内存数据库之一。几天前，他在GitHub发布了ds4项目——专门为DeepSeek V4 Flash写的推理引擎，几千行C代码，目标很明确：让这台"云端豪车"开进苹果笔记本。
DeepSeek V4 Flash本身开源，但FP16精度原始模型需要284G内存、160G显存。按常规配置，两张英伟达A100 80GB、512GB DDR5 ECC内存、4TB NVMe SSD，总成本50万人民币。antirez的方案把门槛压到3万块钱的MacBook Pro。
为什么偏偏是DeepSeek V4 Flash？
284B总参数够大，但每次推理只激活13B，不像传统大模型那样沉重。支持100万token上下文，适合编程助手这类长任务；KV cache压缩得足够狠，给本地内存和SSD留了操作空间。它站在一个微妙的平衡点上：既大到值得折腾，又小到能被塞进笔记本。
YC CEO Garry Tan在X上转发时只写了一行：正在下载……100万token上下文窗口，可用的编程助手能力，全在一台128GB MacBook Pro上，太疯狂了。
ds4不是模型，是一台"专用发动机"。过去本地跑大模型普遍用llama.cpp，什么模型都能跑，Llama、Qwen、DeepSeek全支持——但代价是性能妥协。antirez反着来：不管别的模型死活，只伺候DeepSeek V4 Flash这一个，优化到极限。
DeepSeek V4 Flash的架构是MoE（混合专家模型），284B参数里每次只激活13B，由路由挑出的专家子网络。antirez的压缩策略很不对称：对那批"候补专家"做激进的2-bit量化，up和gate矩阵用IQ2_XXS，down矩阵用Q2_K；而shared experts、projections、routing网络这些关键路径组件，全部保持原始精度。砍掉体积大头，保住质量命脉。
更狠的一招是把KV Cache搬到SSD上。100万token上下文意味着AI要频繁"回头翻看"前面的内容，以前必须放内存里保证速度。但128GB内存光缓存就能吃光，模型没地方放。antirez直接把缓存落盘：ds4把部分KV状态做成可恢复格式，长提示词和agent续写不必从头处理。现代Mac SSD速度够快，加上DeepSeek本身对缓存的压缩，硬盘顶得住。
内存省出来了，超长对话真的跑起来了。不过按ds4说明，2-bit模型本身占约80GB内存，100万token全部拉满并不现实，日常100k到300k上下文更可行。
所有优化押在苹果GPU上。antirez专门为苹果芯片写了一套代码，M3 Max 128GB MacBook Pro实测每秒生成约26字，M3 Ultra 512GB Mac Studio跑到每秒36字。不算快，写代码、调试够用。CPU模式被明确标注为"不稳定，可能触发系统崩溃"，后续得靠社区补救。
整个项目，antirez独自一人通过GPT-5.5完成。
这事的另一面是DeepSeek的生态信号。据海外报道，DeepSeek正在寻求73.5亿美元融资，梁文锋处于用商业叙事取代技术叙事的关键转折。投资人看什么？不只是跑分和API调用量，还有生态位和不可替代性。一个海外顶流开发者愿意为你的模型写专用引擎，本身就是生态地位的证明。
过去一年，中国开源模型出海的主流衡量标准是benchmark——MMLU、HumanEval、SWE-bench，一串又一串数字。antirez的ds4提供了另一种度量：有没有人为你的模型单独造一台"发动机"。
热门跟贴