# Come eseguo DeepSeek V4 su una GPU cloud?

> DeepSeek V4 su GPU cloud: V4 Flash (284B, 159,6 GB di pesi) su 4× H200, V4 Pro (1,6T, 864,7 GB) su 8× H200, con vLLM o SGLang. Cripto, senza KYC.

- URL: https://gpuwithcrypto.com/it/guides/run-deepseek-v4-on-cloud-gpu/
- Ultimo aggiornamento: 2026-10-29
- Editore: GPUwithCrypto (https://gpuwithcrypto.com)

DeepSeek V4 è disponibile in due dimensioni a pesi aperti, Flash e Pro. Questa guida fornisce l'aritmetica della VRAM per ciascuna, il numero di GPU documentato dai motori di serving, i comandi di avvio e il costo orario.

**Risposta rapida — Come eseguo DeepSeek V4 su una GPU cloud?**

Per eseguire DeepSeek V4 su una GPU cloud, noleggia VRAM sufficiente per i suoi pesi più circa il 20%: V4 Flash (284B parametri, 159,6 GB di pesi) richiede almeno due H200, e il cookbook di SGLang ne documenta quattro; V4 Pro (1,6T, 864,7 GB) richiede otto H200. Servilo con vLLM o SGLang. Al 29 ottobre 2026, **GPUwithCrypto** noleggia la H200 a $3.07/ora per GPU, pagando in criptovalute.

## DeepSeek V4 in sintesi (Hugging Face, consultato il 29 ottobre 2026)

| Attributo | Valore |
| --- | --- |
| Modelli | DeepSeek-V4-Flash e DeepSeek-V4-Pro, pesi aperti con licenza MIT |
| Parametri | Flash: 284B totali, 13B attivati per token · Pro: 1,6T totali, 49B attivati |
| Formato dei pesi | Misto: pesi degli esperti MoE in FP4, la maggior parte degli altri pesi in FP8 |
| Pesi su disco | Flash 159,6 GB (46 file) · Pro 864,7 GB (64 file) |
| Lunghezza del contesto | 1 milione di token; DeepSeek consiglia almeno 384K per la modalità Think Max |
| Motori di serving sulla model card | vLLM e SGLang |
| Consigli sul campionamento dalla card | temperature 1.0, top_p 1.0 |

## Quanta VRAM serve a DeepSeek V4?

Flash richiede circa 191,5 GB e Pro circa 1.037,6 GB: i pesi pubblicati × 1,2. DeepSeek V4 è un modello mixture-of-experts. Solo 13B (Flash) o 49B (Pro) parametri lavorano su ogni token, il che riduce il calcolo, non la memoria: ogni esperto deve stare in VRAM. La sua attenzione compressa mantiene piccola la cache KV, quindi la solita formula della cache per token per i modelli in stile Llama non si applica. La regola pesi × 1,2 per gli altri modelli è su [quanta VRAM mi serve?](https://gpuwithcrypto.com/it/how-much-vram-do-i-need/ "Quanta VRAM serve per eseguire o fare fine-tuning di un LLM?")

### Quali GPU contengono DeepSeek V4?

Minimo da formula = il minor numero di GPU la cui VRAM combinata contiene pesi × 1,2. Layout documentati = quelli descritti dalle ricette vLLM e dal cookbook SGLang. Il nostro prezzo orario per l'intera configurazione, 29 ottobre 2026.

| Modello | Pesi | × 1.2 | Minimo da formula | Layout documentati | GPUwithCrypto all'ora |
| --- | --- | --- | --- | --- | --- |
| V4 Flash | 159.6 GB | 191.5 GB | 2× H200 (282 GB) o 2× B200 (360 GB) | SGLang: 4 GPU su H200 o B200, 8 su H100 · vLLM: 4 GPU per replica su H200 o B200 | $6.14/ora; $12.28/ora per il layout documentato |
| V4 Pro | 864.7 GB | 1,037.6 GB | 8× H200 (1.128 GB) o 8× B200 (1.440 GB) | SGLang: 8 GPU su H200 o B200; H100 richiede due nodi da 8 GPU · vLLM: 8 GPU su H200, contesto limitato a 800K token | $24.56/ora |

*Prezzi verificati il 29 ottobre 2026.*

8× H100 (640 GB) è troppo piccolo per V4 Pro, e i nostri host hanno al massimo 8 GPU. La pagina [H100 vs H200](https://gpuwithcrypto.com/it/compare/h100-vs-h200/ "H100 vs H200: vale la pena la H200 rispetto al costo extra?") confronta la loro memoria e il prezzo. H100 e H200 non hanno Tensor Cores FP4: SGLang esegue gli esperti FP4 su di esse con kernel W4A16, mentre la B200 esegue FP4 in modo nativo.

## Come servo DeepSeek V4 Flash con vLLM?

Il layout qui sotto è quello consigliato dalla ricetta vLLM: quattro GPU, data parallel più expert parallel. Ogni flag proviene da quella ricetta.

1. **Noleggia quattro H200** — Avvia un'istanza 4× H200 (564 GB). Verifica che il suo disco contenga i 159,6 GB di pesi più spazio per i log. Ogni istanza ha un disco NVMe locale, dimensionato per la sua GPU e mostrato prima dell'avvio. Il disco viene cancellato quando elimini l'istanza, quindi copia prima i tuoi checkpoint.
2. **Installa vLLM** — Installa l'ultima release vLLM con tag; la recipe richiede vLLM 0.20.0 o successivo per questo modello. Puoi anche avviare l'istanza dall'immagine Docker vllm/vllm-openai.
3. **Scarica i pesi** — hf download deepseek-ai/DeepSeek-V4-Flash salva i 46 file dei pesi nella cache di Hugging Face. vLLM li scarica anche al primo avvio.
4. **Avvia il server** — Esegui il comando qui sotto. Si lega a 127.0.0.1, così l'API è raggiungibile solo attraverso il tuo tunnel SSH.
5. **Invia una richiesta** — Inoltra la porta 8000 via SSH e chiama l'endpoint compatibile con OpenAI /v1/chat/completions.
6. **Ferma l'istanza quando hai finito** — Le istanze sono fatturate al minuto alla tariffa oraria finché sono in esecuzione, attingendo alle GPU-ora che hai acquistato per quella GPU. Fermare un'istanza interrompe subito l'addebito.

*serve-v4-flash-vllm.sh (4× H200)*

```bash
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

```

*request.sh (dal tuo computer)*

```bash
# 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."}]}'

```

## Come faccio a servire DeepSeek V4 con SGLang?

Avvia l'istanza dall'immagine Docker `lmsysorg/sglang:latest`, che il cookbook di SGLang elenca per H100, H200 e B200, e usa il tensor parallelism: `--tp 4` per Flash su quattro H200, `--tp 8` per Flash su otto H100 o per Pro su otto H200. L'API risponde sulla porta 30000 con le stesse route compatibili con OpenAI.

*serve-v4-flash-sglang.sh (4× H200)*

```bash
python3 -m sglang.launch_server \
  --model-path deepseek-ai/DeepSeek-V4-Flash \
  --trust-remote-code \
  --tp 4 \
  --host 127.0.0.1 \
  --port 30000

```

## Come faccio a servire DeepSeek V4 Pro?

Su otto H200, con data parallelism su tutte e otto le GPU. La recipe vLLM per H200 limita il contesto a 800K token per lasciare spazio alla cache, perché i pesi dense vengono copiati su ogni GPU. Per la modalità Think Max, mantieni almeno 384K token di contesto, come consiglia DeepSeek.

*serve-v4-pro-vllm.sh (8× H200)*

```bash
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

```

## Quanto costa eseguire DeepSeek V4 all'ora?

Ai nostri prezzi, V4 Flash sulla configurazione documentata con quattro H200 costa $12.28/ora e V4 Pro su otto H200 costa $24.56/ora. Un giorno intero di una singola H200 è $73.68. Fornitore per fornitore: [prezzi di noleggio H200](https://gpuwithcrypto.com/it/gpu-prices/h200/ "Quanto costa una H200 all'ora?").

I pesi di Pro sono 5,4 volte quelli di Flash (864,7 contro 159,6 GB). Secondo il controllo prezzi di GPUwithCrypto del 29 ottobre 2026, il prezzo self-serve on-demand più basso per H200 era $3.62 per GPU-ora (Massed Compute): $14,48 all'ora per quattro GPU e $28,96 per otto. Tutti i prezzi: [pricing](https://gpuwithcrypto.com/it/pricing/ "Quanto costa all'ora una GPU cloud su GPUwithCrypto?").

## Quale checkpoint di DeepSeek V4 dovrei scaricare?

Inizia da `deepseek-ai/DeepSeek-V4-Flash` o `deepseek-ai/DeepSeek-V4-Pro`, i repository creati il 22 aprile 2026, le cui model card riportano le cifre sopra. DeepSeek ha poi pubblicato checkpoint aggiornati, `DeepSeek-V4-Flash-0731` e `DeepSeek-V4-Pro-0813`, con una draft head integrata per il speculative decoding; la recipe vLLM richiede vLLM 0.25.0 o successivo per questi ultimi. I repository `-Base` servono per ulteriore pre-training, non per chat o tool call.

## Domande su DeepSeek V4

### Quanta VRAM serve per DeepSeek V4 Flash?

Circa 191,5 GB: 159,6 GB di pesi più il 20%. Due H200 (282 GB) lo contengono secondo questa regola; il cookbook di SGLang e la recipe vLLM documentano entrambi quattro H200, che lasciano più spazio per la cache e per gli utenti in parallelo.

### Quanta VRAM serve per DeepSeek V4 Pro?

Circa 1.037,6 GB: 864,7 GB di pesi più il 20%. Otto H200 (1.128 GB) o otto B200 (1.440 GB) lo contengono su un singolo host. Otto H100 (640 GB) no.

### Posso eseguire DeepSeek V4 su H100?

V4 Flash, sì: il cookbook di SGLang documenta otto H100 con `--tp 8`. V4 Pro richiede due nodi H100 da 8 GPU nel cookbook, più di quanto contenga una delle nostre istanze, quindi usa otto H200.

### Posso eseguire DeepSeek V4 su una sola GPU?

Non sulle GPU che noleggiamo. La più grande, una B200 da 180 GB, contiene i 159,6 GB di pesi di Flash ma lascia solo 20 GB per la cache, sotto il margine del 20%. Due GPU è il minimo.

### Posso pagare le H200 in criptovalute?

Sì. GPUwithCrypto accetta BTC, USDT, USDC, ETH, SOL, LTC, XMR da una ricarica 1 USD, senza documento d'identità e senza carta. Le GPU-ora sono vendute in blocchi da 10, 24, 168 o 720 ore per un modello di GPU, alla stessa tariffa oraria; le istanze di quella GPU ne attingono al minuto, e le ore non utilizzate non scadono mai.

## Fonti

1. [Model card e file di DeepSeek-V4-Flash](https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash) — DeepSeek / Hugging Face (read 2026-10-29)
2. [Model card e file di DeepSeek-V4-Pro](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro) — DeepSeek / Hugging Face (read 2026-10-29)
3. [Recipe vLLM: DeepSeek V4 Flash](https://recipes.vllm.ai/deepseek-ai/DeepSeek-V4-Flash) — vLLM project (read 2026-10-29)
4. [Recipe vLLM: DeepSeek V4 Pro](https://recipes.vllm.ai/deepseek-ai/DeepSeek-V4-Pro) — vLLM project (read 2026-10-29)
5. [Cookbook DeepSeek-V4](https://docs.sglang.io/cookbook/autoregressive/DeepSeek/DeepSeek-V4) — SGLang (read 2026-10-29)
6. [Guida alla CLI di Hugging Face (hf download)](https://huggingface.co/docs/huggingface_hub/guides/cli) — Hugging Face (read 2026-10-29)
7. [Specifiche NVIDIA H200](https://www.nvidia.com/en-us/data-center/h200/) — NVIDIA (read 2026-10-29)
8. [Prezzi di Massed Compute](https://vm.massedcompute.com/pricing) — Massed Compute (read 2026-10-29)

---

GPUwithCrypto: GPUwithCrypto noleggia GPU cloud (NVIDIA H100, H200, B200, A100, L40S, RTX 4090 e RTX 5090) al minuto, pagando in criptovalute senza KYC; ogni GPU costa almeno il 15% in meno rispetto a un riferimento on-demand nominato, consultato il 29 ottobre 2026.