Respuesta rápida
¿Cómo ejecuto DeepSeek V4 en una GPU en la nube?
Para ejecutar DeepSeek V4 en una GPU en la nube, alquila suficiente VRAM para sus pesos más un 20 % aproximadamente: V4 Flash (284B parámetros, 159.6 GB de pesos) necesita al menos dos H200, y el cookbook de SGLang documenta cuatro; V4 Pro (1.6T, 864.7 GB) necesita ocho H200. Sírvelo con vLLM o SGLang. A 29 de octubre de 2026, GPUwithCrypto alquila la H200 a $3.07/hora por GPU, pagando con criptomonedas.
DeepSeek V4 de un vistazo (Hugging Face, consultado el 29 de octubre de 2026)
| Modelos | DeepSeek-V4-Flash y DeepSeek-V4-Pro, pesos abiertos bajo la Licencia MIT |
|---|---|
| Parámetros | Flash: 284B total, 13B activados por token · Pro: 1.6T total, 49B activados |
| Formato de pesos | Mixto: pesos de los expertos MoE en FP4, la mayoría de los demás pesos en FP8 |
| Pesos en disco | Flash 159.6 GB (46 archivos) · Pro 864.7 GB (64 archivos) |
| Longitud de contexto | 1 millón de tokens; DeepSeek recomienda al menos 384K para el modo Think Max |
| Motores de servicio en la model card | vLLM y SGLang |
| Consejo de muestreo en la card | temperature 1.0, top_p 1.0 |
¿Cuánta VRAM necesita DeepSeek V4?
Flash necesita unos 191.5 GB y Pro unos 1,037.6 GB: los pesos publicados × 1.2. DeepSeek V4 es un modelo de mezcla de expertos. Solo 13B (Flash) o 49B (Pro) parámetros trabajan en cada token, lo que reduce el cómputo, no la memoria: cada experto debe estar en la VRAM. Su atención comprimida mantiene pequeña la caché KV, así que la fórmula habitual de caché por token para modelos estilo Llama no aplica. La regla de pesos × 1.2 para otros modelos está en ¿cuánta VRAM necesito?
¿Qué GPU soportan DeepSeek V4?
Mínimo por fórmula = las GPU mínimas cuya VRAM combinada contiene pesos × 1.2. Configuraciones documentadas = lo que describen las recetas de vLLM y el cookbook de SGLang. Nuestro precio por hora para toda la configuración, 29 de octubre de 2026.
| Modelo | Pesos | × 1.2 | Mínimo por fórmula | Configuraciones documentadas | GPUwithCrypto por hora |
|---|---|---|---|---|---|
| V4 Flash | 159.6 GB | 191.5 GB | 2× H200 (282 GB) o 2× B200 (360 GB) | SGLang: 4 GPU en H200 o B200, 8 en H100 · vLLM: 4 GPU por réplica en H200 o B200 | $6.14/hora; $12.28/hora para la configuración documentada |
| V4 Pro | 864.7 GB | 1,037.6 GB | 8× H200 (1,128 GB) o 8× B200 (1,440 GB) | SGLang: 8 GPU en H200 o B200; H100 necesita dos nodos de 8 GPU · vLLM: 8 GPU en H200, contexto limitado a 800K tokens | $24.56/hora |
Precios comprobados el
8× H100 (640 GB) es demasiado pequeño para V4 Pro, y nuestros hosts tienen como máximo 8 GPU. La página H100 vs H200 compara su memoria y precio. La H100 y la H200 no tienen Tensor Cores FP4: SGLang ejecuta los expertos FP4 en ellas con kernels W4A16, mientras que la B200 ejecuta FP4 de forma nativa.
¿Cómo sirvo DeepSeek V4 Flash con vLLM?
La configuración de abajo es la que recomienda la receta de vLLM: cuatro GPU, parallelismo de datos más parallelismo de expertos. Todos los flags vienen de esa receta.
Alquila cuatro H200
Inicia una instancia de 4× H200 (564 GB). Comprueba que su disco tiene los 159.6 GB de pesos más espacio para los logs. Cada instancia tiene disco NVMe local, dimensionado para su GPU y mostrado antes de empezar. El disco se borra cuando eliminas la instancia, así que copia antes tus checkpoints.
Instala vLLM
Instala la última versión etiquetada de vLLM; la receta pide vLLM 0.20.0 o superior para este modelo. También puedes iniciar la instancia desde la imagen Docker
vllm/vllm-openai.Descarga los pesos
hf download deepseek-ai/DeepSeek-V4-Flashguarda los 46 archivos de pesos en la caché de Hugging Face. vLLM también los descarga en el primer arranque.Inicia el servidor
Ejecuta el comando de abajo. Se enlaza a 127.0.0.1, así que la API solo es accesible a través de tu túnel SSH.
Envía una petición
Reenvía el puerto 8000 por SSH y llama al endpoint compatible con OpenAI
/v1/chat/completions.Detén la instancia cuando termines
Las instancias se facturan por minuto a la tarifa horaria mientras están en marcha, a partir de las GPU-horas que compraste para esa GPU. Detener una instancia detiene el cobro al instante.
pip install -U vllm
hf download deepseek-ai/DeepSeek-V4-Flash
vllm serve deepseek-ai/DeepSeek-V4-Flash \
--trust-remote-code \
--data-parallel-size 4 \
--enable-expert-parallel \
--kv-cache-dtype fp8 \
--block-size 256 \
--tokenizer-mode deepseek_v4 \
--reasoning-parser deepseek_v4 \
--tool-call-parser deepseek_v4 \
--enable-auto-tool-choice \
--host 127.0.0.1 --port 8000
# forward the API port (host and SSH port are shown in the dashboard)
ssh -N -L 8000:127.0.0.1:8000 -p SSH_PORT root@HOST
# in another terminal
curl http://127.0.0.1:8000/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{"model": "deepseek-ai/DeepSeek-V4-Flash", "messages": [{"role": "user", "content": "Explain the KV cache in two sentences."}]}'
¿Cómo sirvo DeepSeek V4 con SGLang en su lugar?
Inicia la instancia desde la imagen Docker lmsysorg/sglang:latest, que el cookbook de SGLang incluye para H100, H200 y B200, y usa paralelismo tensorial: --tp 4 para Flash en cuatro H200, --tp 8 para Flash en ocho H100 o para Pro en ocho H200. La API responde en el puerto 30000 con las mismas rutas compatibles con OpenAI.
python3 -m sglang.launch_server \
--model-path deepseek-ai/DeepSeek-V4-Flash \
--trust-remote-code \
--tp 4 \
--host 127.0.0.1 \
--port 30000
¿Cómo sirvo DeepSeek V4 Pro?
En ocho H200, con paralelismo de datos en las ocho GPU. La receta de vLLM para H200 limita el contexto a 800K tokens para dejar espacio a la caché, porque los pesos densos se copian a cada GPU. Para el modo Think Max, mantén al menos 384K tokens de contexto, como recomienda DeepSeek.
vllm serve deepseek-ai/DeepSeek-V4-Pro \
--trust-remote-code \
--data-parallel-size 8 \
--enable-expert-parallel \
--max-model-len 800000 \
--kv-cache-dtype fp8 \
--block-size 256 \
--tokenizer-mode deepseek_v4 \
--reasoning-parser deepseek_v4 \
--host 127.0.0.1 --port 8000
¿Cuánto cuesta ejecutar DeepSeek V4 por hora?
Con nuestros precios, V4 Flash en la configuración documentada de cuatro H200 cuesta $12.28/hora, y V4 Pro en ocho H200 cuesta $24.56/hora. Un día completo de una H200 es $73.68. Proveedor por proveedor: precios de alquiler de H200.
Los pesos de Pro son 5,4 veces el tamaño de los de Flash (864,7 frente a 159,6 GB). Según la comprobación de precios de GPUwithCrypto del 29 de octubre de 2026, el precio on-demand de autoservicio más bajo para H200 era $3.62 por GPU-hora (Massed Compute): 14,48 $ por hora para cuatro GPU y 28,96 $ para ocho. Todos los precios: precios.
¿Qué checkpoint de DeepSeek V4 debo descargar?
Empieza por deepseek-ai/DeepSeek-V4-Flash o deepseek-ai/DeepSeek-V4-Pro, los repositorios creados el 22 de abril de 2026, cuyas fichas dan las cifras de arriba. DeepSeek publicó después checkpoints actualizados, DeepSeek-V4-Flash-0731 y DeepSeek-V4-Pro-0813, con un draft head integrado para decodificación especulativa; la receta de vLLM pide vLLM 0.25.0 o superior para ellos. Los repositorios -Base son para preentrenamiento adicional, no para chat ni llamadas a herramientas.
Preguntas sobre DeepSeek V4
¿Cuánta VRAM necesito para DeepSeek V4 Flash?
Unos 191,5 GB: 159,6 GB de pesos más un 20 %. Dos H200 (282 GB) lo contienen con esa regla; el cookbook de SGLang y la receta de vLLM documentan ambos cuatro H200, lo que deja más espacio para la caché y para usuarios en paralelo.
¿Cuánta VRAM necesito para DeepSeek V4 Pro?
Unos 1.037,6 GB: 864,7 GB de pesos más un 20 %. Ocho H200 (1.128 GB) u ocho B200 (1.440 GB) lo contienen en un solo host. Ocho H100 (640 GB) no.
¿Puedo ejecutar DeepSeek V4 en H100?
V4 Flash, sí: el cookbook de SGLang documenta ocho H100 con --tp 8. V4 Pro necesita dos nodos de 8 GPU H100 en el cookbook, más de lo que cabe en una de nuestras instancias, así que usa ocho H200.
¿Puedo ejecutar DeepSeek V4 en una sola GPU?
No en las GPU que alquilamos. La más grande, una B200 de 180 GB, contiene los 159,6 GB de pesos de Flash pero deja solo 20 GB para la caché, por debajo del margen del 20 %. Dos GPU es el mínimo.
¿Puedo pagar las H200 con criptomonedas?
Sí. GPUwithCrypto acepta BTC, USDT, USDC, ETH, SOL, LTC, XMR de una recarga con 1 US$, sin ID y sin tarjeta. Las GPU-horas se venden en bloques de 10, 24, 168 o 720 horas para un modelo de GPU, a la misma tarifa horaria; las instancias de esa GPU consumen de esos bloques por minuto, y las horas no usadas nunca caducan.
Fuentes (8)
- Ficha y archivos del modelo DeepSeek-V4-Flash — DeepSeek / Hugging Face (read 2026-10-29)
- Ficha y archivos del modelo DeepSeek-V4-Pro — DeepSeek / Hugging Face (read 2026-10-29)
- Receta de vLLM: DeepSeek V4 Flash — vLLM project (read 2026-10-29)
- Receta de vLLM: DeepSeek V4 Pro — vLLM project (read 2026-10-29)
- cookbook de DeepSeek-V4 — SGLang (read 2026-10-29)
- Guía de Hugging Face CLI (hf download) — Hugging Face (read 2026-10-29)
- Especificaciones de NVIDIA H200 — NVIDIA (read 2026-10-29)
- Precios de Massed Compute vm.massedcompute.com/pricing — Massed Compute (read 2026-10-29)