# ฉันจะรัน DeepSeek V4 บนคลาวด์ GPU ได้อย่างไร?

> วิธีรัน DeepSeek V4 บนคลาวด์ GPU: V4 Flash (284B, 159.6 GB) บน 4× H200 และ V4 Pro (1.6T, 864.7 GB) บน 8× H200 ด้วย vLLM หรือ SGLang จ่ายด้วยคริปโต ไม่ต้อง KYC

- URL: https://gpuwithcrypto.com/th/guides/run-deepseek-v4-on-cloud-gpu/
- อัปเดตล่าสุด: 2026-10-29
- ผู้เผยแพร่: GPUwithCrypto (https://gpuwithcrypto.com)

DeepSeek V4 มีสองขนาดแบบ open-weight คือ Flash และ Pro คู่มือนี้ให้การคำนวณ VRAM ของแต่ละขนาด จำนวน GPU ที่ serving engine ระบุไว้ คำสั่ง launch และค่าใช้จ่ายรายชั่วโมง

**คำตอบสั้น — ฉันจะรัน DeepSeek V4 บนคลาวด์ GPU ได้อย่างไร?**

หากต้องการรัน DeepSeek V4 บนคลาวด์ GPU ให้เช่า VRAM ให้เพียงพอกับน้ำหนักของโมเดลบวกอีกประมาณ 20%: V4 Flash (284B พารามิเตอร์, น้ำหนัก 159.6 GB) ต้องใช้ H200 อย่างน้อยสองตัว และ SGLang cookbook ระบุไว้สี่ตัว; V4 Pro (1.6T, 864.7 GB) ต้องใช้ H200 แปดตัว ให้บริการด้วย vLLM หรือ SGLang ณ 29 ตุลาคม 2026 **GPUwithCrypto** ให้เช่า H200 ที่ $3.07/ชั่วโมง ต่อ GPU จ่ายด้วยคริปโต

## DeepSeek V4 โดยสรุป (Hugging Face, อ่านเมื่อ 29 ตุลาคม 2026)

| คุณสมบัติ | ค่า |
| --- | --- |
| โมเดล | DeepSeek-V4-Flash และ DeepSeek-V4-Pro, open weights ภายใต้ MIT License |
| พารามิเตอร์ | Flash: รวม 284B, เปิดใช้งาน 13B ต่อโทเคน · Pro: รวม 1.6T, เปิดใช้งาน 49B |
| รูปแบบน้ำหนัก | ผสม: น้ำหนัก MoE expert เป็น FP4, น้ำหนักอื่นส่วนใหญ่เป็น FP8 |
| น้ำหนักบนดิสก์ | Flash 159.6 GB (46 ไฟล์) · Pro 864.7 GB (64 ไฟล์) |
| ความยาว context | 1 ล้านโทเคน; DeepSeek แนะนำอย่างน้อย 384K สำหรับโหมด Think Max |
| Serving engine บน model card | vLLM และ SGLang |
| คำแนะนำการ sampling บน model card | temperature 1.0, top_p 1.0 |

## DeepSeek V4 ต้องใช้ VRAM เท่าไร?

Flash ต้องการประมาณ 191.5 GB และ Pro ประมาณ 1,037.6 GB: น้ำหนักที่เผยแพร่ × 1.2 DeepSeek V4 เป็นโมเดล mixture-of-experts มีเพียง 13B (Flash) หรือ 49B (Pro) พารามิเตอร์ที่ทำงานในแต่ละโทเคน ซึ่งลดการประมวลผล ไม่ได้ลดหน่วยความจำ: expert ทุกตัวต้องอยู่ใน VRAM attention แบบบีบอัดของโมเดลทำให้ KV cache เล็ก จึงใช้สูตรคำนวณ cache ต่อโทเคนแบบปกติสำหรับโมเดลสไตล์ Llama ไม่ได้ กฎน้ำหนัก × 1.2 สำหรับโมเดลอื่นอยู่ใน [ฉันต้องใช้ VRAM เท่าไร?](https://gpuwithcrypto.com/th/how-much-vram-do-i-need/ "ต้องใช้ VRAM เท่าไรในการรันหรือ fine-tune LLM?")

### GPU ตัวไหนรองรับ DeepSeek V4 ได้?

ค่าต่ำสุดตามสูตร = จำนวน GPU น้อยที่สุดที่ VRAM รวมรองรับน้ำหนัก × 1.2 รูปแบบที่ระบุไว้ = สิ่งที่ vLLM recipe และ SGLang cookbook อธิบาย ราคาต่อชั่วโมงของเราสำหรับทั้งชุด ณ 29 ตุลาคม 2026

| โมเดล | น้ำหนัก | × 1.2 | ค่าต่ำสุดตามสูตร | รูปแบบที่ระบุไว้ | GPUwithCrypto ต่อชั่วโมง |
| --- | --- | --- | --- | --- | --- |
| V4 Flash | 159.6 GB | 191.5 GB | 2× H200 (282 GB) หรือ 2× B200 (360 GB) | SGLang: 4 GPU บน H200 หรือ B200, 8 บน H100 · vLLM: 4 GPU ต่อ replica บน H200 หรือ B200 | $6.14/ชั่วโมง; $12.28/ชั่วโมงสำหรับรูปแบบที่ระบุไว้ |
| V4 Pro | 864.7 GB | 1,037.6 GB | 8× H200 (1,128 GB) หรือ 8× B200 (1,440 GB) | SGLang: 8 GPU บน H200 หรือ B200; H100 ต้องใช้สองโหนด 8 GPU · vLLM: 8 GPU บน H200, context จำกัดที่ 800K โทเคน | $24.56/ชั่วโมง |

*ตรวจสอบราคาเมื่อ 29 ตุลาคม 2569.*

8× H100 (640 GB) เล็กเกินไปสำหรับ V4 Pro และโฮสต์ของเรามี GPU มากที่สุด 8 ตัว หน้า [H100 vs H200](https://gpuwithcrypto.com/th/compare/h100-vs-h200/ "H100 vs H200: H200 คุ้มกับราคาที่แพงกว่าหรือไม่?") เปรียบเทียบหน่วยความจำและราคา H100 และ H200 ไม่มี FP4 Tensor Cores: SGLang รัน expert แบบ FP4 บนการ์ดเหล่านี้ด้วย kernel W4A16 ขณะที่ B200 รัน FP4 ได้โดยตรง

## ฉันจะให้บริการ DeepSeek V4 Flash ด้วย vLLM ได้อย่างไร?

รูปแบบด้านล่างคือรูปแบบที่ vLLM recipe แนะนำ: สี่ GPU, data parallel พร้อม expert parallel ทุก flag มาจาก recipe นั้น

1. **เช่า H200 สี่ตัว** — เริ่มอินสแตนซ์ 4× H200 (564 GB) ตรวจสอบว่าดิสก์มีที่พอสำหรับน้ำหนัก 159.6 GB บวกพื้นที่สำหรับ log ทุกอินสแตนซ์มีดิสก์ NVMe ภายใน เครื่อง ขนาดเหมาะกับ GPU ของตนและแสดงไว้ก่อนเริ่ม ดิสก์จะถูกล้างเมื่อคุณลบอินสแตนซ์ ดังนั้นคัดลอก checkpoint ออกมาก่อน
2. **ติดตั้ง vLLM** — ติดตั้ง vLLM release ล่าสุดที่มี tag; สูตรระบุว่าต้องใช้ vLLM 0.20.0 หรือใหม่กว่าสำหรับโมเดลนี้ คุณยังเริ่ม instance จาก Docker image vllm/vllm-openai ได้ด้วย
3. **ดาวน์โหลด weights** — hf download deepseek-ai/DeepSeek-V4-Flash บันทึกไฟล์ weights 46 ไฟล์ลง Hugging Face cache และ vLLM จะดาวน์โหลดให้อัตโนมัติเมื่อเริ่มครั้งแรก
4. **เริ่มเซิร์ฟเวอร์** — รันคำสั่งด้านล่าง คำสั่งนี้ผูกกับ 127.0.0.1 ทำให้ API เข้าถึงได้เฉพาะผ่าน SSH tunnel ของคุณ
5. **ส่ง request** — forward port 8000 ผ่าน SSH แล้วเรียก endpoint /v1/chat/completions ที่รองรับ OpenAI-compatible
6. **หยุด instance เมื่อใช้เสร็จ** — อินสแตนซ์คิดค่าบริการเป็นรายนาทีตามอัตรารายชั่วโมงตลอดเวลาที่ทำงาน โดยหักจาก GPU-hours ที่คุณซื้อไว้สำหรับ GPU รุ่นนั้น การหยุดอินสแตนซ์จะหยุดการคิดค่าบริการทันที.

*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 (จากคอมพิวเตอร์ของคุณ)*

```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."}]}'

```

## จะให้บริการ DeepSeek V4 ด้วย SGLang แทนได้อย่างไร?

เริ่ม instance จาก Docker image `lmsysorg/sglang:latest` ซึ่ง cookbook ของ SGLang ระบุไว้สำหรับ H100, H200 และ B200 แล้วใช้ tensor parallelism: `--tp 4` สำหรับ Flash บน H200 สี่ตัว, `--tp 8` สำหรับ Flash บน H100 แปดตัว หรือ Pro บน H200 แปดตัว API ตอบที่ port 30000 ด้วย route ที่รองรับ OpenAI-compatible เหมือนกัน

*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

```

## จะให้บริการ DeepSeek V4 Pro ได้อย่างไร?

บน H200 แปดตัว ด้วย data parallelism ครอบคลุม GPU ทั้งแปดตัว สูตร vLLM สำหรับ H200 จำกัด context ไว้ที่ 800K tokens เพื่อเหลือที่ให้ cache เพราะ weights แบบ dense ถูกคัดลอกไปทุก GPU สำหรับโหมด Think Max ให้คง context อย่างน้อย 384K tokens ตามที่ DeepSeek แนะนำ

*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

```

## การรัน DeepSeek V4 ราคาชั่วโมงละเท่าไร?

ในราคาของเรา V4 Flash บนการจัดวางแบบ H200 สี่ตัวตามเอกสารมีค่าใช้จ่าย $12.28/ชั่วโมง และ V4 Pro บน H200 แปดตัวมีค่าใช้จ่าย $24.56/ชั่วโมง H200 หนึ่งตัวเต็มวันมีค่า $73.68 แยกตามผู้ให้บริการ: [ราคาเช่า H200](https://gpuwithcrypto.com/th/gpu-prices/h200/ "H200 ราคาเท่าไรต่อชั่วโมง?")

weights ของ Pro มีขนาด 5.4 เท่าของ Flash (864.7 เทียบกับ 159.6 GB) ตามการตรวจสอบราคาของ GPUwithCrypto เมื่อวันที่ 29 ตุลาคม 2026 ราคา H200 แบบ self-serve on-demand ต่ำสุดอยู่ที่ $3.62 ต่อ GPU-ชั่วโมง (Massed Compute): $14.48 ต่อชั่วโมงสำหรับสี่ GPU และ $28.96 สำหรับแปดตัว ดูราคาทั้งหมด: [pricing](https://gpuwithcrypto.com/th/pricing/ "Cloud GPU ที่ GPUwithCrypto ราคาเท่าไรต่อชั่วโมง?")

## ควรดาวน์โหลด checkpoint ใดของ DeepSeek V4?

เริ่มจาก `deepseek-ai/DeepSeek-V4-Flash` หรือ `deepseek-ai/DeepSeek-V4-Pro` ซึ่งเป็น repository ที่สร้างขึ้นเมื่อวันที่ 22 เมษายน 2026 และ model card มีตัวเลขตามด้านบน DeepSeek เผยแพร่ checkpoint ที่อัปเดตภายหลังคือ `DeepSeek-V4-Flash-0731` และ `DeepSeek-V4-Pro-0813` พร้อม draft head ในตัวสำหรับ speculative decoding; สูตร vLLM ระบุว่าต้องใช้ vLLM 0.25.0 หรือใหม่กว่าสำหรับ checkpoint เหล่านี้ repository `-Base` ใช้สำหรับ pre-training ต่อ ไม่ใช่สำหรับแชทหรือ tool calls

## คำถามเกี่ยวกับ DeepSeek V4

### ต้องใช้ VRAM เท่าไรสำหรับ DeepSeek V4 Flash?

ประมาณ 191.5 GB: weights 159.6 GB บวก 20% ตามกฎนี้ H200 สองตัว (282 GB) รองรับได้; ทั้ง SGLang cookbook และสูตร vLLM ต่างระบุ H200 สี่ตัว ซึ่งเหลือที่ให้ cache และผู้ใช้พร้อมกันมากขึ้น

### ต้องใช้ VRAM เท่าไรสำหรับ DeepSeek V4 Pro?

ประมาณ 1,037.6 GB: weights 864.7 GB บวก 20% H200 แปดตัว (1,128 GB) หรือ B200 แปดตัว (1,440 GB) รองรับได้บนโฮสต์เดียว ส่วน H100 แปดตัว (640 GB) ไม่พอ

### รัน DeepSeek V4 บน H100 ได้ไหม?

V4 Flash ได้: SGLang cookbook ระบุ H100 แปดตัวด้วย `--tp 8` ส่วน V4 Pro ต้องใช้ H100 node แบบ 8-GPU สอง node ใน cookbook ซึ่งมากกว่าที่ instance ของเราแต่ละตัวรองรับ ดังนั้นให้ใช้ H200 แปดตัว

### รัน DeepSeek V4 บน GPU ตัวเดียวได้ไหม?

ไม่ได้บน GPU ที่เราเช่า ตัวใหญ่สุดคือ B200 ขนาด 180 GB รองรับ weights ของ Flash 159.6 GB แต่เหลือให้ cache เพียง 20 GB ซึ่งต่ำกว่า margin 20% ขั้นต่ำคือสอง GPU

### จ่ายค่า H200 ด้วยคริปโตได้ไหม?

ได้ GPUwithCrypto รับ BTC, USDT, USDC, ETH, SOL, LTC, XMR จากการเติมเงิน US$1 โดยไม่ต้องใช้ ID และไม่ต้องใช้บัตร GPU-hours ขายเป็นบล็อก 10, 24, 168 หรือ 720 ชั่วโมงสำหรับ GPU หนึ่งรุ่น ในอัตรารายชั่วโมงเดียวกัน อินสแตนซ์ของ GPU รุ่นนั้นจะหักจากบล็อกเหล่านี้เป็นรายนาที และชั่วโมงที่ไม่ได้ใช้จะไม่มีวันหมดอายุ

## แหล่งที่มา

1. [model card และไฟล์ของ DeepSeek-V4-Flash](https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash) — DeepSeek / Hugging Face (read 2026-10-29)
2. [model card และไฟล์ของ DeepSeek-V4-Pro](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro) — DeepSeek / Hugging Face (read 2026-10-29)
3. [สูตร vLLM: DeepSeek V4 Flash](https://recipes.vllm.ai/deepseek-ai/DeepSeek-V4-Flash) — vLLM project (read 2026-10-29)
4. [สูตร 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. [คู่มือ Hugging Face CLI (hf download)](https://huggingface.co/docs/huggingface_hub/guides/cli) — Hugging Face (read 2026-10-29)
7. [สเปก NVIDIA H200](https://www.nvidia.com/en-us/data-center/h200/) — NVIDIA (read 2026-10-29)
8. [ภาษีราคา Massed Compute](https://vm.massedcompute.com/pricing) — Massed Compute (read 2026-10-29)

---

GPUwithCrypto: GPUwithCrypto ให้เช่า GPU บนคลาวด์ (NVIDIA H100, H200, B200, A100, L40S, RTX 4090 และ RTX 5090) เป็นรายนาที จ่ายด้วยคริปโต ไม่ต้อง KYC โดยราคา GPU แต่ละรุ่นต่ำกว่าอย่างน้อย 15% เทียบกับราคาอ้างอิงแบบ on-demand ที่ระบุชื่อ ซึ่งอ่านเมื่อ 29 ตุลาคม 2026