分享一个单机 DGX Spark 跑 DeepSeek V4Flash 的方案。就是速度有点慢，即便优化过，也只能到20～30多 Token 一秒。

deepseek-v41-flash-spark，一块 DGX Spark 上跑满质量 DeepSeek-V4.1-Flash

0xBakeer 要解决的事很硬：V4.1-Flash 盘上 510 GB，15,360 个 FP4 专家，一块 GB10（大约 128 GB 统一内存）塞不下。别人的单机方案是把权重压到能住进内存。这套不 requant、不剪枝，把测过的热专家常驻，miss 的用 O_DIRECT 从 NVMe 流进来，质量跟原 checkpoint。还带着模型自己的 DSpark 草稿器，作者测过无损、大约 1.5 倍。对外是 OpenAI 兼容接口，推理过程能直接进 Open WebUI 的折叠栏。

v0.5.0 写于 2026-09-14，标明 measured、有限度。早期流式解码大约每秒 2.7 token，瓶颈几乎全在 SSD；后来按路由显著性做常驻集合，代码类任务能到每秒二十多到三十多 token，但更大的常驻池第二天会被内存看门狗杀掉。长文生成、打开 thinking 的非英语，作者自己列在 LIMITATIONS 里。

🔗 链接：http://t.cn/AXOmAiz9
📄 测量：http://t.cn/AXOmAizN
📄 做不到的：http://t.cn/AXOmAizC

这是单机配方，不是四卡全专家常驻。吞吐数字都带着命中率和每 token 读了多少 GB，单独报 tok/s 作者自己也不认。