DeepSeek V4.1-Flash-1017 با کوانتیزهسازی یکبیتی محلی شد
Unsloth نسخه یکبیتی DeepSeek V4.1-Flash-1017 را برای اجرای محلی آماده کرده است؛ مدلی ۲۵۰ گیگابایتی که حداقل ۱۲۸ گیگابایت رم نیاز دارد.

مدل DeepSeek V4.1-Flash-1017 اکنون با نسخه کوانتیزهشده یکبیتی روی دستگاه محلی قابل اجراست. Unsloth با این روش حجم مدل را از ۵۰۸ گیگابایت به ۲۵۰ گیگابایت رسانده تا اجرای آن بدون اتکا به سرویسهای میزبانی مدل امکانپذیر شود.
#کاهش حجم با کوانتیزهسازی یکبیتی
براساس اطلاعات منتشرشده، Unsloth در فرایند کوانتیزهسازی یکبیتی توانسته است حدود ۸۸.۲ درصد از دقت مدل اصلی را حفظ کند. حجم نسخه حاصل نیز ۲۵۰ گیگابایت اعلام شده است؛ درحالیکه مدل اصلی ۵۰۸ گیگابایت حجم دارد.
در یادداشت انتشار، این تغییر معادل حدود ۵۲ درصد کاهش حجم عنوان شده است. جزئیات این نسخه در مستندات DeepSeek V4.1-Flash شرکت Unsloth ارائه شده است.
#سختافزار موردنیاز برای اجرای محلی DeepSeek
اجرای محلی DeepSeek V4.1-Flash-1017 همچنان به سختافزاری با ظرفیت حافظه بالا نیاز دارد. حداقل حافظه رم اعلامشده برای راهاندازی این مدل ۱۲۸ گیگابایت است.
از DeepSeek V4.1-Flash-1017 در یادداشت منتشرشده بهعنوان قویترین مدل متنباز عرضهشده تا امروز یاد شده است. بااینحال، اطلاعات بیشتری درباره معیار سنجش این ادعا یا نحوه محاسبه دقت حفظشده در یادداشت ارائه نشده است.
منبع: گزارش رسیده از یک منبع خبری
مطالب مرتبط
برای ادامه مطالعه
این یادداشتها بر اساس موضوع مشترک، همپوشانی برچسبها و تازگی انتشار انتخاب میشوند.

DeepSeek-V4.1-Flash با آفلود SSD روی مک ۱۲۸ گیگابایتی اجرا میشود
Unsloth راهنمای اجرای محلی DeepSeek-V4.1-Flash-1017 را منتشر کرده است؛ نسخه یکبیتی مدل با کمک انتقال جدول Engram به SSD روی سیستمهای دارای حداقل ۱۲۸ گیگابایت حافظه اجرا میشود.

مأموریت تازه GTA: San Andreas؛ استارتاپسازی CJ با کلاد
فردی با استفاده از هوش مصنوعی کلاد، مأموریتی تازه برای GTA: San Andreas ساخته که در آن CJ با وایب کدینگ استارتاپ راه میاندازد و در سانفرانسیسکو سرمایه جذب میکند.

ساندار پیچای: مدیریت ایجنتهای هوش مصنوعی را از امروز بیاموزید
در یادداشتی منتسب به ساندار پیچای تأکید شده است که مهندسان باید بهجای کدنویسی خطبهخط، هدایت و مدیریت ایجنتهای هوش مصنوعی را بیاموزند.
دیدگاهها
اولین نفری باش که دیدگاه میذاره