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:18 【 字体:大 中 小 】

背景:DeepSeek V4其核心突破在于全系标配 100 万 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)‌ 和 ‌‌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

西柚云超算与云南联通正式达成战略合作,将共建云南科研超算中心节点

西柚云超算与云南联通正式达成战略合作,将共建云南科研超算中心节点
2026年5月25日消息,西柚云超算与中国联通云南昆明分公司在昆明正式签署战略合作协议,标志着双方将携手共建云南科研超算中心节点,共同推动云南省算力基础设施建设与数字经济发展。根据战略合作协议,双方将围绕联通环湖东湖机房开展深度合作,依托该机房优质的网络资源和电力保障条件,共同建设集高性能计算、大规模存储互...

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...

三步部署DeepSeek V4模型

三步部署DeepSeek V4模型
背景:DeepSeek V4其核心突破在于全系标配 100 万 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)‌ 和 ‌‌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/a...

西方锁死“空间”,华为征服“时间”:τ定律背后的算力大置换

西方锁死“空间”,华为征服“时间”:τ定律背后的算力大置换
5月25日,全网舆论场被娱乐热搜、日常琐事填满,大众沉浸在碎片化的热闹里,几乎无人留意,科技界悄然发生了一件改写人类半导体60年规则的里程碑事件。华为正式发布国产算力首个全球标准——韬(τ)定律。这不是一次普通的技术发布会,不是又一款芯片的迭代升级,更不是一场行业噱头式的概念炒作。这是一份赤裸裸的摩尔定律...

融信云乌兰察布数据中心正式启用

融信云乌兰察布数据中心正式启用
近日,融信云乌兰察布数据中心正式启用,并已顺利完成重要客户灾备业务整体迁移工作。融信云积极响应国家“东数西算”战略号召,将业务核心灾备节点从武汉迁移至乌兰察布,一方面有效降低整体运营能耗与综合成本;另一方面借助当地政策扶持与产业集聚效应,构建起绿色、低碳、弹性的金融算力底座。此次迁移,融信云成功完成...

单季暴增83.7%,NAND五大厂营收破389亿美元,SSD缺货涨价厂商赚麻了!

单季暴增83.7%,NAND五大厂营收破389亿美元,SSD缺货涨价厂商赚麻了!
当一块低速SATA固态硬盘的价格飙升至高性能NVMe产品的三倍,这不再是消费市场的价格异常,而是AI算力对存储产业链的一次彻底重塑。近日,海外市场出现了一幕足以载入硬件史册的定价倒挂:三星870 EVO SATA版本,1TB标价519美元,8TB更是高达4139美元(约合2.8万元人民币)。而同容量的WD_BLACK SN7100 NVMe固态,1TB仅售189...

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...

5月智算动态:信创GPU目录发布/tokens中转站被罚/B300回落/H2oo靴子落地/HBM3e需求爆发

5月智算动态:信创GPU目录发布/tokens中转站被罚/B300回落/H2oo靴子落地/HBM3e需求爆发
国产算力1.信创目录发布:第一批9颗信创算力芯片基于国产工艺(含封装),目录发布对各地方项目影响巨大地方态度:各地方政企“吹风”优先支持本地进目录的产品运营商态度:运营商自采项目“吹风”只能采购目录产品测试条件:前提条件,国产工艺(含代工),很多产品都送测了,第一批没进入,关键是代工(含封装)低点的问题...

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...

GTX显卡和RTX显卡的区别是什么?

GTX显卡和RTX显卡的区别是什么?
TX 与 RTX 的核心差异在于架构代际、专用硬件单元与新技术支持:RTX 具备硬件级光线追踪与AI 超分(DLSS),GTX 无专用单元,仅能软件模拟光追、不支持 DLSS。核心差异速览关键技术解释RT Core(光线追踪核心):RTX 专属,加速光线求交与反射 / 折射 / 阴影计算,光追效率远高于 GTX 的软件模拟。Tensor Core(张量核心):...
返回顶部