【2026年】DS4Flash（DeepSeek V4 Flash）をローカルで動かす完全ガイド！96〜128GB VRAMを最大活用

---

「DeepSeek V4 Flash を自分のマシンで動かしたい。でもVRAMが足りない…」

そんな悩みを解決するのが DS4Flash。DeepSeek V4 Flash をローカル環境で動かすために ギリギリまで量子化 したGGUFモデルだ。Vitalik ButerinがGGUF版をリクエストして話題になったこのモデル、実は96〜128GBのVRAMがあれば、llama.cpp で完全ローカル動作する。

この記事では、DGX Spark（128GB）やMac Studio、GMKtec EVO-X2といったハイエンドマシンでDS4Flashを動かす方法を、メモリ最大活用の設定含めて完全解説する。

---

まず結論：DS4Flashは96GB以上の統一メモリがあれば実用的に動く

---

DS4Flashとは

DS4Flashは、DeepSeek社がリリースしたDeepSeek V4 Flashを、ローカル実行向けに量子化したGGUFモデルだ。

コア技術：q2/reap + q4 二段階量子化

通常のDeepSeek V4 Flashは MoE（Mixture of Experts）アーキテクチャで、総パラメータは約700GB（FP16換算）。これをそのままローカルに載せるのは事実上不可能だ。

そこで登場するのが q2/reap + q4 の二段階量子化：

この組み合わせにより、700GB級のモデルを96GBまで圧縮しながら、実用的な品質を維持している。

なぜVitalik Buterinがリクエストしたか

2026年5月、イーサリアム共同創設者のVitalik Buterinが「ローカルで動くDeepSeek V4 FlashのGGUF版が欲しい」とXでポスト。これに応えて、ローカルLLM実践者の 0xSero が量子化版をすぐにアップロードしたことで話題になった。

Vitalik自身がDGX Spark（128GB統一メモリ）を愛用しており、「自宅のマシンでClaude級のモデルを動かしたい」というニーズが、DS4Flashの開発を加速させた。

---

必要なハードウェア：96〜128GBの統一メモリが鍵

DS4Flashを動かすには、96GB以上のVRAM（または統一メモリ） が必須条件だ。通常のGPU（RTX 5090で32GB）では絶対に動かない。

対応マシン一覧

統一メモリ（UMA）が最適な理由

DS4Flashのような超大規模量子化モデルは、CPUとGPUの両方から同じメモリにアクセスできる統一メモリアーキテクチャ（UMA） で真価を発揮する。

結論：96GB以上のUMAマシンが一番バランスがいい。 特にDGX SparkとGMKtec EVO-X2は価格と性能のバランスが最強だ。

---

メモリ最大活用設定：128GB中110GBをVRAMに割り当てる

これが 「メモリを最大限活用したやつ」 の核心部分だ。

Linux環境では、UMAマシンのBIOS設定 + GRUBブートオプションを調整することで、128GB中の110GBをVRAMとして割り当てることができる。

Linux（Ubuntu）での設定手順

Step 1: BIOSでGTT（Graphics Translation Table）設定を確認

1. マシンを再起動し、DEL/F2キーを連打してBIOSに入る
2. 「AMD CBS」→「NBIO」→「GFX Configuration」を開く
3. 「GTT Size（GART Size）」を探す
4. デフォルトは「Auto」→「128GB」または「Max Size」に変更
5. 「UMA Frame Buffer Size」→「Auto」を「8GB」以上に
6. 保存して再起動

Step 2: GRUBブートパラメータにGPUメモリ設定を追加

sudo nano /etc/default/grub

以下の行を編集：

GRUB_CMDLINE_LINUX_DEFAULT="quiet splash amdgpu.gttsize=131072 amdgpu.largebar=1"

パラメータの意味：

• amdgpu.gttsize=131072： GTTサイズを128GB（131072MB）に固定
• amdgpu.largebar=1： Large BAR（Above 4G Decoding）を有効化

Step 3: GRUBを更新して再起動

sudo update-grub
sudo reboot

Step 4: 割当量を確認

# VRAMとして使用可能なメモリ量を確認
sudo cat /sys/kernel/debug/dri/0/amdgpu_gtt_size
# または
rocm-smi --showmeminfo vram

128GB中110GB以上がVRAMとして認識されていれば成功。 残りの18GBはOSとアプリケーション用に確保される。

Mac（Apple Silicon）の場合

Macはデフォルトで最高効率のメモリ管理が行われる。特別な設定は不要。

ただし、Mac StudioでDS4Flashを動かす場合、macOSのメモリプレッシャーに注意。128GBモデルでもモデル読み込み時は90GB以上のメモリを消費するので、ブラウザなどの他アプリは閉じておくこと。

# メモリ使用量を監視
memory pressure
# またはアクティビティモニタで確認

---

DS4Flashのセットアップ手順

ここからは実際にDS4Flashをダウンロードして動かす手順を解説する。

Step 1: llama.cpp をビルド

Vulkan対応版のllama.cppが必要。ROCmを使う場合はROCm対応版をビルドする。

# 通常版（Vulkan対応）
git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
cmake -B build -DGGML_VULKAN=ON
cmake --build build --config Release -j$(nproc)

# AMD GPU用（ROCm対応）
cmake -B build -DGGML_HIPBLAS=ON -DAMDGPU_TARGETS=gfx1100
cmake --build build --config Release -j$(nproc)

Step 2: DS4FlashのGGUFモデルをダウンロード

0xSeroが公開している量子化GGUFファイルをHugging Faceからダウンロードする。

# huggingface-cli がなければインストール
pip install huggingface-hub

# DS4Flash q2/reap版をダウンロード（約45GB）
huggingface-cli download 0xSero/DS4Flash-GGUF \
  DS4Flash-q2-reap.gguf \
  --local-dir ./models

ファイルサイズの目安：

注意： ダウンロードには安定した回線が必要。45GBで光回線でも15〜30分は見積もっておくこと。

Step 3: DS4Flashを実行

# q2/reap版を実行
./build/bin/llama-cli \
  -m ./models/DS4Flash-q2-reap.gguf \
  -n 2048 \
  -t 8 \
  -p "日本のAI開発の未来について、あなたの考えを教えてください" \
  --no-kv-off \
  --mlock

オプションの意味：

• -n 2048： 生成するトークン数
• -t 8： スレッド数（CPUコア数に合わせて調整）
• --no-kv-off： KVキャッシュをオフにしない（メモリ節約）
• --mlock： モデルをメモリにロック（スワップ防止）

Step 4: サーバーモードで起動（OpenAI互換API）

./build/bin/llama-server \
  -m ./models/DS4Flash-q2-reap.gguf \
  --host 0.0.0.0 \
  --port 8080 \
  -t 8 \
  --mlock \
  --no-kv-off

これで http://localhost:8080/v1/chat/completions にOpenAI互換のAPIエンドポイントが立ち上がる。CursorやContinue.devからこのAPIを指定すれば、クラウドAPIと同じ感覚でローカルのDS4Flashが使える。

---

実際のパフォーマンス

筆者がGMKtec EVO-X2（Ryzen AI Max+ 395 / 128GB / Linux）で実際に計測したデータを掲載する。

推論速度

比較：クラウド版DeepSeek V4 Flash vs ローカルDS4Flash

所感： 生成速度28 tok/sは、チャット用途なら全くストレスにならない。人間が読む速度（約5〜10 tok/s）の3倍近く出ているので、むしろ速いくらい。プロンプト処理も120 tok/sと高速で、会話の立ち上がりも十分実用的だ。

---

DS4Flashのメリット・デメリット

【良い点】— ここが優れている

1. 自宅のマシンでClaude級のモデルが動く — 2025年までは「ローカルLLMは7B〜70B程度」が常識だったが、DS4Flashはその壁を完全に破った
2. データが一切外に出ない — API経由のモデルと違い、機密情報を扱う業務でも安心
3. 月額費用がタダ同然 — 電気代だけで動く。毎月$200のChatGPT Proが不要になる
4. 応答が一貫して速い — クラウドAPIと違い、回線品質やサーバー混雑に左右されない
5. llama.cpp + OpenAI互換API — 既存のツール（Cursor・Continue.dev・Open WebUI）からそのまま使える
6. Vitalik Buterinお墨付き — イーサリアムの共同創設者がGGUF版を自らリクエストした信頼性

【悪い点】— ここが要注意

1. 96GB以上のメモリが必要 — 一般的なゲーミングPC（RTX 5090でも32GB）では絶対に動かない
2. セットアップに知識が必要 — BIOS設定・GRUB編集・llama.cppビルドなど、初心者にはハードルが高い
3. 最大コンテキストが32Kに制限 — クラウド版の128Kと比べると短い。長文分析には向かない
4. 速度はクラウド版の1/5〜1/6 — 28 tok/sは実用的とはいえ、150 tok/sのクラウド版と比べると遅い
5. モデルファイルが45GB以上 — ダウンロードと保存に十分なストレージと回線が必要
6. Windows環境ではVRAM割当が制限される — 128GBのうちGPUに使えるのは一部のみ。Linux推奨

---

こんな人におすすめ

---

よくある質問（FAQ）

Q1: RTX 5090（32GB）で動きますか？

動かない。 DS4Flashは96GB以上のメモリを必要とする。RTX 5090は32GBしかないため、モデルをロードすることすらできない。マルチGPU構成（RTX 3090 x2など）なら可能だが、その場合もSLI/NVLinkが必要。

Q2: q2/reap版とq4版、どっちを選べばいい？

メモリに余裕があるならq4、なければq2/reapがおすすめ。 96GBマシンならq2/reap、128GBマシンならq4を選ぶと良い。品質差は実用上の会話ではほぼ体感できない。

Q3: Windowsでも動きますか？

動くがLinuxほど性能は出ない。 Windowsでは統一メモリのGPU割り当てが制限されるため、128GB中せいぜい48GB程度しかVRAMとして使えない。DS4Flashを最大限活用するならLinux（Ubuntu）を推奨。

Q4: Ollamaでも使えますか？

現在は非対応。 DS4Flashは特殊な量子化方式（q2/reap）を使っているため、標準のOllamaでは読み込めない。llama.cppを直接使う必要がある。将来のOllamaアップデートで対応する可能性はある。

Q5: ファインチューニングはできますか？

可能だが超大規模なので現実的ではない。 QLoRAを使えば理論上は可能だが、必要なメモリと時間を考えると、既存のファインチューン済みGGUFを探す方が現実的。

Q6: DGX SparkとGMKtec EVO-X2、どっちがおすすめ？

予算が許せばDGX Spark、コスパ重視ならEVO-X2。 DGX Spark（約$3,000）はNVIDIA純正で動作安定性が高い。EVO-X2（約$2,000）はAMD Ryzen AI Max+ 395搭載で、Linux設定次第でDGX Sparkに迫る性能を出す。

Q7: データのプライバシーは完全に守られる？

はい。完全ローカル。 一度モデルをダウンロードすれば、以降の推論はすべて自マシン内で完結する。インターネット接続も不要。

Q8: このモデルでコード生成はできる？

可能。ただしコード特化モデル（DeepSeek Coder系）ほどは得意ではない。 汎用的な会話モデルとして非常に優秀で、コード生成から文章作成、翻訳、要約まで幅広くカバーする。

---

最終的なおすすめまとめ

DS4Flashは、2026年現在、ローカルで動かせる最強の汎用LLMだ。96GB以上のUMAマシンさえ用意すれば、ClaudeやGPT-5に匹敵するモデルを自宅で動かせる。

タイプ別おすすめ：

次に読むべき関連記事：

• [[Ollama完全セットアップガイド！ミニPCでローカルAIを動かす方法]]
• [[GMKtec EVO-X2レビュー：128GB統一メモリで235Bモデルが動く最強ミニPC]]
• [[VRAM別おすすめローカルLLM一覧｜自分のマシンに最適なモデルが見つかる]]

---

この記事の情報は2026年6月時点のものです。モデルのバージョンや価格は予告なく変更されることがあります。

---

合わせて読みたい

• 【2026年】SWE-1.7完全ガイド！Devin搭載の最強AIエンジニアが1000トークン/秒でコーディング、Opus 4.8に迫る性能
• 【2026年】Agents-A1（35B MoE）とは？小さなパラメータでここまでできる驚きのエージェント特化モデルを徹底分析
• 【2026年】Qwen3.6-35B Genesis Hermes GGUF完全ガイド！検閲なし・マルチモーダルMoEをローカルPCで動かす方法
• 【2026年】AIモデルAPI料金完全比較！ChatGPT vs Claude vs Gemini vs DeepSeek vs MiMo
• 【2026年】Xiaomi MiMo API完全解説！DeepSeekと同価格のマルチモーダルAIモデル