搜索
当前所在位置: 首页>技术支持

三步部署DeepSeek V4模型

发布时间:2026-06-02 14:07:34 作者:超级管理员 点击:3 【 字体:

背景:DeepSeek V4其核心突破在于全系标配 100 token(约 75 万汉字)的超长上下文窗口,并针对效率与性能进行了系统性优化。目前发布了两个版本,分别为DeepSeekV4-Pro(旗舰版) ‌‌DeepSeek V4-Flash(轻量版),下面以DeepSeek V4-Flash(轻量版284B)部署为例展开。

参考链接:

https://docs.vllm.ai/projects/ascend/zh-cn/v0.18.0/tutorials/models/DeepSeek-V4-Flash.html

硬件环境:单机Atlas 800 A2 (64G × 8)

模型下载链接:

https://www.modelscope.cn/models/Eco-Tech/DeepSeek-V4-Flash-w8a8-mtp

镜像下载链接:

https://quay.io/repository/ascend/vllm-ascend?tab=tags


下载完权重和镜像如下所示:

步骤一:加载镜像:

docker load -i quay.io_ascend_vllm-ascend.deepseekv4.tar

图片

图片

步骤二:起容器,Docker run,容器名字可以改为自己名字XX,注意加私有

export IMAGE=quay.io/ascend/vllm-ascend:deepseekv4

export NAME=XX_vllm-ascend

docker run --rm \

--name $NAME \

--net=host \

--shm-size=512g \

--device /dev/davinci0 \

--device /dev/davinci1 \

--device /dev/davinci2 \

--device /dev/davinci3 \

--device /dev/davinci4 \

--device /dev/davinci5 \

--device /dev/davinci6 \

--device /dev/davinci7 \

--device /dev/davinci_manager \

--device /dev/devmm_svm \

--device /dev/hisi_hdc \

--privileged=true \

-v /usr/local/dcmi:/usr/local/dcmi \

-v /usr/local/Ascend/driver/tools/hccn_tool:/usr/local/Ascend/driver/tools/hccn_tool \

-v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \

-v /usr/local/Ascend/driver/lib64/:/usr/local/Ascend/driver/lib64/ \

-v /usr/local/Ascend/driver/version.info:/usr/local/Ascend/driver/version.info \

-v /etc/ascend_install.info:/etc/ascend_install.info \

-v /etc/hccn.conf:/etc/hccn.conf \

-v /mnt/sfs_turbo/.cache:/root/.cache \

-v /XXX/:/XXX/ \

-it $IMAGE bash

最后XXX为镜像和权重挂在路径。

查看容器内部npu-smi info正常

图片

步骤三:容器内部拉服务,修改模型权重路径

#!/usr/bin/bash

export LD_PRELOAD=/usr/lib/aarch64-linux-gnu/libjemalloc.so.2:$LD_PRELOAD

export OMP_PROC_BIND=false

export OMP_NUM_THREADS=8

export PYTORCH_NPU_ALLOC_CONF=expandable_segments:True

export ACL_OP_INIT_MODE=1

export VLLM_ASCEND_ENABLE_FLASHCOMM1=1

export USE_MULTI_GROUPS_KV_CACHE=1

export TASK_QUEUE_ENABLE=1

export HCCL_OP_EXPANSION_MODE="AIV"

export HCCL_BUFFSIZE=512

export USE_MULTI_BLOCK_POOL=1

sysctl -w vm.swappiness=0

sysctl -w kernel.numa_balancing=0

sysctl kernel.sched_migration_cost_ns=50000

vllm serve /XXX/DeepSeek-V4-Flash-w8a8-mtp \

--safetensors-load-strategy 'prefetch' \

--max-model-len 135168 \

--max-num-batched-tokens 4096 \

--served-model-name ds \

--gpu-memory-utilization 0.92 \

--max-num-seqs 16 \

--data-parallel-size 1 \

--tensor-parallel-size 8 \

--enable-expert-parallel \

--quantization ascend \

 --port 7000 \

--block-size 128 \

--enable-chunked-prefill \

--enable-prefix-caching \

--tokenizer-mode deepseek_v4 \

--tool-call-parser deepseek_v4 \

--enable-auto-tool-choice \

--reasoning-parser deepseek_v4 \

--async-scheduling \

--additional-config '{"enable_cpu_binding":true,"multistream_overlap_shared_expert":false}' \

--compilation-config '{"cudagraph_mode":"FULL_DECODE_ONLY","cudagraph_capture_sizes":[2,4,6,8,10,12,14,16,18,20,22,24,32,36,40]}' \

--model-loader-extra-config '{"enable_multithread_load":true,"num_threads":16}' \

--speculative-config '{"num_speculative_tokens": 1,"method": "mtp"}'

容器拉起来过程截图:

图片

容器拉起来后显存情况:

图片

步骤四:验证服务是否正常(可选)

Model 用服务模型名字--served-model-name ds \,端口号是拉起服务的端口号:--port 7000 \

curl   -H "Accept: application/json" -H "Content-type:   application/json" -X POST -d '{

 "model": "ds",

 "messages": [{

  "role": "user",

  "content": "怎么做番茄炒鸡蛋?"

 }],

 "max_tokens": 1024,

 "seed": null,

 "temperature": 0.6,

 "top_p": 0.95,

 "stream": false

}'  http://XXXX/v1/chat/completions

XXXX为部署主机IP地址。

结果如下:

图片


阅读全文
相关推荐

一文搞懂算力网、算力并网、算网融合的区别与作用

一文搞懂算力网、算力并网、算网融合的区别与作用
一、先说一下它们分别是什么?1、算力网先来看一下官方对于算力网的定义:算力网是以高速智能网络为物理纽带,以统一标准、统一标识、统一调度为核心机制,统筹通用算力、智能算力、超级算力等全域异构资源,实现跨区域、跨层级、跨主体高效协同与按需供给的国家级数字基础设施。看起来比较宏观、抽象,也不太好理解。其实,...

全球竞争格局下的中国AI模型:激流勇进,但信任尚待跨越

全球竞争格局下的中国AI模型:激流勇进,但信任尚待跨越
在全球AI竞争格局中,中国AI模型在技术能力上已与北美差距缩小,但在海外市场渗透与用户信任方面仍面临显著挑战。当前,AI模型正从“工具”演进为“基础设施”,其能力已成为衡量企业技术竞争力与未来增长空间的核心指标。与此同时,Agent的繁荣并未削弱模型的重要性,反而放大了模型能力的差距。未来,谁掌握更强的模型、数...

10大算力芯片全解析:CPU/GPU/TPU/NPU/LPU/FPGA......

10大算力芯片全解析:CPU/GPU/TPU/NPU/LPU/FPGA......
在 AI 大模型、自动驾驶、边缘计算全面爆发的今天,算力已经成为数字时代的 “新石油/新电力”,而承载算力的各类处理器芯片,就是驱动这场技术革命的 “发动机”。很多人都会有这样的困惑:CPU、GPU、TPU、NPU…… 这些长得差不多的缩写到底有什么区别?各自适合干什么?谁才是 AI 时代的 “王者”?10 大芯片核心定...

呼和浩特 H100*8卡 45台 现货出租

呼和浩特 H100*8卡 45台 现货出租
GPU裸金属服务器-A100*8CPU: 2*Intel Xeon Gold 6248R(24Core,3.0GHz)内存:24*32GB系统盘:2*480GBSATA SSD数据盘:4*1.92TB NVMe SSD显卡:Nvidia A100 PCIE 40G *8网卡:1 x2*25GE...

重磅发布!AI 芯片安可测评结果:华为海思、阿里平头哥、海光、沐曦、摩尔线程、壁仞、天数智芯

重磅发布!AI 芯片安可测评结果:华为海思、阿里平头哥、海光、沐曦、摩尔线程、壁仞、天数智芯
2026 年 5 月 26 日,中国信息安全测评中心、国家保密科技测评中心发布《安全可靠测评结果公告(2026 年第 2 号)》根据《安全可靠测评工作指南 V3.0》要求,现将安全可靠测评结果予以公布,自发布之日起有效期三年。特此公告。排序方式:同一等级按产品名称首字笔画为序排列附表一:人工智能训练推理芯片人工智能训练推理芯...

总投资30亿!世界硬盘分布式先进存储力数据中心项目一期预计7月建成投运

总投资30亿!世界硬盘分布式先进存储力数据中心项目一期预计7月建成投运
2026年5月26日消息,位于简阳经开区的世界硬盘分布式先进存储力数据中心项目一期进度已过40%,预计今年7月建成投运。据悉,该项目于今年3月正式开工,总投资30亿元,由四川永旗数链科技有限公司顶层统筹,旗下永旗(四川)科技有限公司主导推进,永旗(简阳)科技有限公司作为唯一实施主体,分三期建设。项目租用园区标准厂...

锁死!美国禁止 AI 芯片出售:中国境外子公司

锁死!美国禁止 AI 芯片出售:中国境外子公司
2026 年 5 月 31 日,美国商务部工业与安全局 BIS 发布指引,明确先进计算产品出口许可要求仍适用于总部位于 Country Group D:5 或中国澳门地区的实体,以及最终母公司位于这些地区的实体。Country Group D:5 是美国 EAR《出口管理条例》中的国家分组,主要指受美国武器禁运的国家或地区;BIS 说明,该分组依据 EAR 第 740...

2026年大模型全景:国内外总览

2026年大模型全景:国内外总览
背景:2026 年全球大模型格局呈现国内以开源为主导、国外以闭源为核心的分化态势,头部厂商普遍采用开源 + 闭源双轨策略;(1)技术层面:多模态原生融合、超长上下文、强编程能力、原生智能体能力、低推理成本(包括国产芯片适配)已成为旗舰模型五大标配特征;(2)商业模式层面:编程能力订阅套餐已与 API 按量付费、企业...

GPU显卡驱动如何安装?

GPU显卡驱动如何安装?
注:GPU服务器建议不要升级内核版本,一旦升级内核后需要重新安装GPU驱动安装GPU驱动$apt-getinstallgccmake$apt-getupdate$wgethttp://cn.download.nvidia.com/XFree86/Linux-x86_64/440.44/NVIDIA-Linux-x86_64-440.44.run$sudochmod+xNVIDIA-Linux-x86_64-440.44.run$s...

约20亿投资·140MW供电·万P算力·PUE低于1.23尚航无锡(惠山云)国际智算中心深度分析

约20亿投资·140MW供电·万P算力·PUE低于1.23尚航无锡(惠山云)国际智算中心深度分析
一、项目概况与战略定位尚航无锡(惠山云)国际智算中心位于无锡市惠山区锦惠路10号,是尚航科技在长三角枢纽布局的核心算力节点。项目于2017年启动建设,总投资超20亿元,占地近百亩,规划建筑面积约66600平方米,机柜总量15500个,IT容量近100MW。该中心是尚航科技环上海、环北京、环广州三大算力节点布局的关键一环,也是...
返回顶部