2026 年 antirez 開源 ds4 在 Mac 本地跑 DeepSeek V4 Flash：96/128/512GB 大記憶體 Mac「自購 vs 雲端租賃」決策矩陣
Redis 作者 antirez 以純 C 寫成的 ds4，讓 DeepSeek V4 Flash 第一次真正跑在 Mac 本地。但門檻把多數人擋在門外：96GB 起跑、128GB 才舒適、512GB 才上得了 q4/PRO。本文以官方實測回答該選哪台 Mac、自購還是雲端租賃。
1. 先判層：模型 × 量化 × 記憶體
別一開口就問「能不能跑」，先把三個變數對齊：
- 模型：Flash (284B/13B 啟動) 適合本地；PRO (1.6T/49B 啟動) 原生 865GB，本地只能 512GB Ultra + 激進量化。
- 量化：q2 只壓縮 MoE 路由專家、注意力保精度，Flash q2 權重約 81GB；q2-imatrix 以 antirez 配方校準誤差很小；q4 是品質上限。
- 記憶體：96GB 是 README 起跑線；128GB 才能留 100~300K 上下文 KV；256GB 起跑 q4 Flash；512GB Ultra 才承載 q4 或 PRO q2。
2. ds4 是什麼、不是什麼
是：純 C 的 V4 Flash 專用引擎，Metal 為主、CUDA 為副，內建 ds4-server 提供 OpenAI 相容 API，可被 Cursor、opencode 直接當後端。
不是：不是通用 GGUF 載入器，只吃 antirez 發布的 V4 GGUF；不是 Ollama 那種多模型管理器。它刻意做窄，把單一模型推到極致。
3. 讓 Mac 可用的三項關鍵技術
① 磁碟 KV 持久化：以 --kv-disk-dir 把 KV 落到 NVMe，下次會話毋須重跑 prefill，長上下文從等幾十秒變成秒級恢復。
② 1M 上下文 + 非對稱 2-bit：V4 原生 1M 上下文，滿 1M 約 26GB KV；ds4 將 Flash 壓到 128GB 也能跑。
③ 原生 Tool Calling：內建編碼 Agent，相容 OpenAI / Anthropic 呼叫慣例，接 Cursor 零設定。
4. 官方實測速率帳（README 原始數據）
坊間轉述常把 Mac Studio Ultra 的成績錯算到 MacBook 上，以下僅引官方 README 的原始數字：
| 機型 | 量化 | 情境 | Prefill (t/s) | Generation (t/s) |
|---|---|---|---|---|
| MBP M3 Max 128GB | q2 | 短文本 | 58.52 | 26.68 |
| MBP M3 Max 128GB | q2 | 11709 tok 長上下文 | 250.11 | 21.47 |
| Mac Studio M3 Ultra 512GB | q2 | 11709 tok 長上下文 | 468.03 | 27.39 |
| Mac Studio M3 Ultra 512GB | q4 | 12018 tok 長上下文 | 448.82 | 26.62 |
結論：128GB MBP 能跑 Flash q2 但上下文吃緊；q4 或多會話只能 512GB Ultra。
5. 為何必須是 Apple Silicon
獨顯方案最大的麻煩是「視訊記憶體碎片化」：把 80GB 級別 MoE 模型分到幾張卡，路由必然跨 PCIe，長上下文吞吐立刻崩盤。Apple 的 UMA 讓 CPU 與 GPU 共享 96~512GB 記憶體，專家路由是零複製；疊加 M3 Ultra 約 800GB/s 頻寬與 NVMe 快取，正好接住 ds4 的磁碟 KV 設計——這也是官方目標從「128GB 起步」開始的根本理由。
6. 自購 vs 雲端租賃 vs 雲端 API：三方案決策矩陣
| 維度 | 自購高記憶體 Mac | 租 SFTPMAC 遠端 Mac | 呼叫雲端 API |
|---|---|---|---|
| 啟動成本 | 三至十一萬一次 | 按時數起步 | 僅 Key 工本 |
| 資料隱私 | 本機不出門 | 專屬實例 | 需信任供應商 |
| 模型切換 | 受記憶體鎖死 | 切機型即升檔 | 切供應商 |
| 團隊共用 | 家用機難常駐 | 常電常網共享 | 帳單分攤 |
| 長 KV 重用 | 本機即用 | NVMe 落盤跨會話 | 多數不持久 |
| 折舊 | 2~3 年掉 30~50% | 服務商承擔 | 無 |
簡化判斷：高頻長會話 + 離線合規選自購或長租；試模型 / 團隊共用選按月租賃；偶爾呼叫走雲端 API 即可。
7. 遠端 Mac 上跑 ds4 的五步驟
- 定檔：Flash q2 選 128GB，q4 選 256/512GB Ultra，PRO 必須 512GB Ultra。
- 拉原始碼權重：
git clone github.com/antirez/ds4 && make metal，再跑下載腳本取得 GGUF。 - 開磁碟 KV 啟動 server：
./ds4-server \
--ctx 100000 \
--kv-disk-dir /Volumes/Data/ds4-kv \
--kv-disk-space-mb 8192- 接用戶端：Cursor / opencode base_url 指向
http://<mac>:8080/v1。 - 多人共享：Tailscale 私網開埠 + launchd 守護，KV 落盤跨會話即用。
已在跑 OpenClaw 混合路由 的，可把 ds4-server 當本地通道接入，離線評測走本地、敏感資料不出實例。
8. 常見問題
Q：96GB 能跑？ 能啟動，但 81GB 權重 + 系統佔用後只剩十幾 GB 給上下文，長上下文不可行，官方建議 128GB 起。
Q：q2 夠用嗎？ q2-imatrix 對 q4 logits 誤差很小，編碼與長文件接近 q4；數值與極端推理仍建議 q4。
Q：取代 Ollama？ 不會。ds4 只服務 V4 Flash，Ollama 仍是多模型與小模型好選擇。
9. 結語：軟體已成熟，門檻回到硬體
ds4 證明前沿 MoE 真正能在 Mac 上寫程式、處理 1M 上下文，軟體已成熟。但門檻被推回硬體——128GB MBP 約三萬、512GB Mac Studio Ultra 近十一萬，對個人與小團隊仍是重投資；塞家裡當 7×24 節點還要面對散熱、供電與跨地區存取。
把節點放到 SFTPMAC 遠端 Mac 租賃 更合理：按機型時數計費、ds4 與 GGUF 一次部署多人重用、KV 落盤跨會話即開即用，並能與 OpenClaw 混合路由、launchd 守護、Tailscale 私網無縫銜接。模型迭代未穩前，雲端租賃的彈性比一次性頂規更划算。