deepseek-ai ৰ দ্বাৰা
DeepSeek V4 Flash 0731
deepseek-ai/DeepSeek-V4-Flash-0731
সকলো সংখ্যা আনুমানিক। মেম'ৰিৰ প্ৰকৃত ব্যৱহাৰ আৰু গতি আপোনাৰ ড্ৰাইভাৰ, ছেটিং আৰু চলি থকা অন্য প্ৰগ্ৰামৰ ওপৰত নিৰ্ভৰ কৰে।
- পেৰামিটাৰ
- 304B
- অনুজ্ঞাপত্ৰ
- mit
- প্ৰকাশৰ তাৰিখ
- Jul 31, 2026
অনুজ্ঞাপত্ৰটো মডেল নিৰ্মাতাৰ। মডেলটো ব্যৱহাৰ কৰাৰ আগতে ইয়াৰ চৰ্তবোৰ পৰীক্ষা কৰক।
Hugging Face ত মূল ↗কোৱান্টাইজেচন অনুসৰি প্ৰয়োজনীয় মেম'ৰি
8,192 টোকেনৰ কনটেক্সটত, ৰানটাইমৰ বাবে 0.8 GB সহ।
| কোৱান্টাইজেচন | মডেল ফাইল | মুঠ |
|---|---|---|
| Q4_K_M | 184.4 GB | 203.7 GB(মোটামুটি) |
| Q5_K_M | 216.3 GB | 238.8 GB(মোটামুটি) |
| Q6_K | 249.4 GB | 275.2 GB(মোটামুটি) |
| Q8_0 | 323.2 GB | 356.3 GB(মোটামুটি) |
| F16 | 608.4 GB | 670.0 GB(মোটামুটি) |
গ্ৰাফিক্স কাৰ্ডত ইয়াক চলাব পৰা হাৰ্ডৱেৰ
Q4_K_M আৰু 8,192 টোকেনৰ কনটেক্সটত।
আমি তালিকাভুক্ত কৰা কোনো হাৰ্ডৱেৰেই এই ছেটিঙত ইয়াক সম্পূৰ্ণৰূপে গ্ৰাফিক্স কাৰ্ডত চলাব নোৱাৰে।
আপোনাৰ কম্পিউটাৰত পৰীক্ষা কৰকAPI ৰ জৰিয়তে একেটা মডেল
আটাইতকৈ সস্তা বিক্ৰেতা: Merge Gateway, ডিফল'ট ব্যৱহাৰত (দিনত 200 টা অনুৰোধ) এমাহত $0.42।
Model Price Map ত মূল্যবোৰ চাওকমডেলৰ তথ্য Hugging Face ৰ সৰ্বসাধাৰণ তালিকাৰ পৰা লোৱা (নাম, আকাৰ, অনুজ্ঞাপত্ৰ)। প্ৰতিটো মডেল পৃষ্ঠাই মূলটোলৈ লিংক দিয়ে।