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:22 【 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

DeepSeek-V4.1 定档 6 月之核心技术深度前瞻!2026

DeepSeek-V4.1 定档 6 月之核心技术深度前瞻!2026
前言:一场提前泄露的 “阳谋”2026 年的五一假期刚过,整个 AI 圈被一则消息炸得无法安宁 ——DeepSeek 不仅完成了震惊业界的 500 亿元天价融资,更官宣 V4.1 版本将于 6 月正式上线。如果说 4 月份发布的 V4 是一个完成国产适配的技术预览版,那么即将到来的 V4.1,则是一场蓄谋已久的行业总攻。这早已不只是普通的模型版...

算力成本失控:CPU两轮涨价超40%,内存半年翻倍,高端GPU租赁排到2027年

算力成本失控:CPU两轮涨价超40%,内存半年翻倍,高端GPU租赁排到2027年
本周服务器硬件全线紧缺态势未改。英特尔第二轮涨价于5月底正式落地,综合涨幅 40%~51% ;内存合约价Q1创单季暴涨 90%以上 历史纪录;高端GPU租赁价格年内再涨近 40% ,H200排期已延至 2027年Q2。AI产业正从“GPU独大”转向 全栈紧缺。一、CPU:涨价加速,两轮累计超40%服务器CPU价格持续走高,英特尔已完成两轮公开涨价:第...

豆包即将将“正式收费”!

豆包即将将“正式收费”!
据报,知情人士透露,豆包预计将在6月下旬正式上线付费内容,并于同期举行的Force大会上更新相关功能。之所以选择这一时间节点,是因为PC端与移动端仍需约一个月时间,完成基础功能与收费体系的适配改造。若进展顺利,豆包将于三季度进一步结合电商功能更新完善付费场景,并通过补贴为抖音商城进行引流,四季度进入运行期。...

AutoDL 算力平台|弹性普惠算力,让 AI 开发零门槛

AutoDL 算力平台|弹性普惠算力,让 AI 开发零门槛
在 AI 技术普及的浪潮中,个人开发者、高校科研团队与中小企业,常面临算力成本高、环境配置复杂、资源弹性不足的痛点。AutoDL 作为国内领先的 C 端 AI 算力云平台,以 “弹性、好用、省钱” 为核心定位,深耕轻量化算力服务,凭借万卡级算力储备、开箱即用的开发环境、极致性价比的计费模式,成为 AI 开发者的首选算力伙伴...

上新!移动模型服务平台MoMA上架多款千问旗舰模型

上新!移动模型服务平台MoMA上架多款千问旗舰模型
AI“超级入口”再迎重磅升级!移动模型服务平台MoMA集中上架三大品类、多款千问优质旗舰模型,进一步扩充模型储备、拓宽应用场景,让用户便捷对接顶尖AI算力与模型资源,精准匹配各类AI使用需求。丰富模型矩阵,适配多元使用场景本次上新打破单一模型类型局限,以“汇聚更多模型能力”为核心,精准覆盖旗舰模型的高效适配与...

一期拟投资100亿!协鑫华南智算基地项目签约落户韶关

一期拟投资100亿!协鑫华南智算基地项目签约落户韶关
2026年6月23日,韶关市人民政府与协鑫能源科技股份有限公司在韶关市区举行合作框架协议暨协鑫华南智算基地项目签约仪式。根据协议,双方将聚焦智算中心项目、零碳园区及Token运营中心等方面深化合作,实现互惠互利、战略共赢。协鑫华南智算中心项目一期计划投资100亿元,规划建设8万个标准机柜的数据中心及相关配套设施,后...

全球首个预制算力中心底座在山东青岛正式启用!

全球首个预制算力中心底座在山东青岛正式启用!
2026年6月6日,全球首个预制算力中心底座在山东青岛正式启用。相较于传统算力中心节约施工周期近70%,为当前算力基础设施建设提供更高效、更低碳的新方案。据悉,该算力中心底座长约53米,宽约41米,占地面积大概2200平方米。相较于传统算力中心底座,占地面积减少超30%,整体成本下降20%,最快5个月可以完成施工,土建成本...

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...

GPU服务器前端网络组网概述

GPU服务器前端网络组网概述
根据H100-GPU服务器确认各网络平面针对H100-GPU服务器的配置清单,可进行网络平面划分:single-400GE 8x (支持IB NDR/Ethernet OSFP),用于后端网络GPU分布式集群梯度同步single-200GE 1x (支持IB HDR/Ethernet QSFP56),用于对接存储网络dual-25GE 1x(SFP+),用于对接前端网络注:single指Single Port (单口网卡),...

不用花一分钱!Claude Code接入DeepSeekV4完整教程

不用花一分钱!Claude Code接入DeepSeekV4完整教程
Claude Code 是官方出的命令行编程助手,它原本只能用自家的接口。但是用开源的CC Switch工具,就能把它底层换成 DeepSeek V4,再用上国内平台的免费额度,一分钱不花就能直接用。DeepSeek V4 分两个版本:DeepSeek V4 Flash:轻便又反应快,平时简单写代码、做辅助刚刚好DeepSeek V4 Pro:性能更强,适合处理那种难度高、逻...
返回顶部