vLLMvLLM 社区（原 UC Berkeley）
生产环境部署 LLM 的默认答案：PagedAttention 把 KV cache 碎片化问题解决掉，吞吐比朴素实现高一个量级。
推理框架 / 服务引擎PagedAttention张量并行FP8/AWQ/GPTQOpenAI 兼容 API多模态
DeepSeek-V4-Flash-0731
模型简介
V4-Flash 的 7 月更新版，把 agent 与代码能力又推一档，仍是百万上下文里最便宜的开源选择。
- 参数量
- 304B (激活 13B)
- 上下文
- 1M
- 硬件
- 全量约 570G 显存；FP8 需 8 卡 H200
- 所属
- DeepSeek
- 类型
- 纯文本
- 商用
- 可商用
- 许可
- MIT
- 发布
- 2026-07-31
- 收录
- 2026-10-03