Guide zum Video · Modelle & Kosten
DeepSeek V4 Flash Uncensored selbst hosten
Wo du die entzensierten Gewichte bekommst, welche Hardware du dafür brauchst und wie du das Modell mit llama.cpp startest. Mit den Refusal-Zahlen aus der Model Card.
Stand 03. September 2026 · Zum Reel
DeepSeek V4 Flash Uncensored ist die entzensierte Version von DeepSeeks neuem V4-Flash-Modell, hochgeladen von OrcaRouter am 02.09.2026. Offene Gewichte, MIT-Lizenz, kostenlos auf Hugging Face. Hier steht alles, was du brauchst, um es auf eigener Hardware zum Laufen zu bringen.
Prinzip vorweg: Die unzensierten Gewichte gibt es nur als Download. Über keine API bekommst du diese Variante, da läuft immer das normale Modell mit Filtern.
Was du da runterlädst
Basis ist DeepSeek-V4-Flash-Vision-Exp, seit dem 31.08.2026 auf Hugging Face. Das kleine Modell der V4-Reihe, aber klein ist relativ:
| Spec | Wert |
|---|---|
| Parameter | rund 305 Mrd. gesamt, rund 18 Mrd. aktiv pro Token |
| Architektur | Mixture of Experts, 256 Experten, 6 aktiv, 43 Layer |
| Kontext | 1.048.576 Token |
| Lizenz | MIT |
DeepSeek vergleicht in der eigenen Model Card nur mit einem fremden Modell, Opus 4.8 von Anthropic. Bei den Agent-Benchmarks liegt es fast gleichauf:
| Benchmark | V4 Flash Vision | Opus 4.8 |
|---|---|---|
| Terminal Bench 2.1 | 83,9 | 85,0 |
| DeepSWE | 59,3 | 58,0 |
| Toolathlon-Verified | 75,9 | 76,2 |
| Agents’ Last Exam | 27,3 | 25,7 |
| NL2Repo | 57,7 | 69,7 |
Die Uncensored-Version ist kein Finetune. OrcaRouter hat die eine Richtung in den Gewichten, die fürs Verweigern zuständig ist, rausgerechnet und sonst nichts angefasst. Das Wissen bleibt, das Nein geht weg.
Die Zahlen zur Entzensierung
Aus der Model Card von OrcaRouter. Niedriger heißt weniger Verweigerung:
| Test | Original | Uncensored |
|---|---|---|
| MaliciousInstruct | 0,94 | 0,02 |
| JailbreakBench, schädlich | 0,91 | 0,02 |
| AdvBench | 0,98 | 0,08 |
| ForbiddenQuestions | 0,853 | 0,113 |
| SimpleSafetyTests | 0,90 | 0,16 |
| XSTest-safe, harmlose Prompts | 0,092 | 0,004 |
Die letzte Zeile ist die spannende: Harmlose Prompts, die nur gefährlich klingen, werden fast gar nicht mehr abgelehnt. Und die Fähigkeiten bleiben stehen:
| Benchmark | Original | Uncensored |
|---|---|---|
| MMLU | 0,847 | 0,850 |
| MMLU-Pro | 0,640 | 0,650 |
| GSM8K (CoT) | 0,953 | 0,947 |
Hardware: was du wirklich brauchst
Es gibt genau eine Datei-Gruppe, Format MXFP4, vier Teile, zusammen rund 156 GB. Keine kleineren Quantisierungen zum Aussuchen. Die Model Card nennt als Speicherbedarf rund 146 GiB plus KV-Cache, und die kompletten Gewichte müssen in RAM oder VRAM.
| Maschine | Läuft |
|---|---|
| MacBook, 16 bis 128 GB | nein |
| Mac Studio ab 256 GB | ja |
| Server mit 4 bis 8 GPUs (H100 oder vergleichbar) | ja |
OrcaRouter misst rund 57 Token pro Sekunde auf 8 H100. Auf einem Mac Studio mit M3 Ultra läuft es, aber deutlich langsamer.
Download von Hugging Face
Das Repo ist gated: Einloggen, Nutzungsbedingungen bestätigen, dann geht der Download. Am einfachsten mit der Hugging-Face-CLI:
curl -LsSf https://hf.co/cli/install.sh | bash
hf auth login
hf download orcarouter/DeepSeek-V4-Flash-Vision-Uncensored-GGUF \
--local-dir ./deepseek-uncensoredRechne mit 156 GB Download. Die vier .gguf-Dateien landen in ./deepseek-uncensored/.
llama.cpp bauen
Die Architektur deepseek4 ist seit dem 29.06.2026 in llama.cpp. LM Studio und Ollama scheitern mit unknown architecture 'deepseek4', solange ihre eingebaute llama.cpp älter ist. Also selbst bauen, aus dem Master:
git clone https://github.com/ggml-org/llama.cpp
cmake llama.cpp -B llama.cpp/build -DBUILD_SHARED_LIBS=OFF -DGGML_METAL=ON
cmake --build llama.cpp/build --config Release -j --clean-first \
--target llama-cli llama-server-DGGML_METAL=ON ist der Mac-Schalter. Auf Nvidia nimmst du -DGGML_CUDA=ON, für reine CPU lässt du beides weg.
Modell starten
Du gibst die erste Datei der Gruppe an, den Rest lädt llama.cpp von allein nach:
./llama.cpp/build/bin/llama-cli \
-m ./deepseek-uncensored/DeepSeek-V4-Flash-Vision-Uncensored-MXFP4-00001-of-00004.gguf \
-ngl 99 -c 8192 -n 4096 --temp 0.6 --top-p 0.95./llama.cpp/build/bin/llama-server \
-m ./deepseek-uncensored/DeepSeek-V4-Flash-Vision-Uncensored-MXFP4-00001-of-00004.gguf \
--host 0.0.0.0 --port 8000 -ngl 99 -c 8192Der Server spricht auf Port 8000 das OpenAI-Format (Pfad /v1), du kannst also jedes Tool draufzeigen lassen, das mit OpenAI-Keys arbeitet.
Der Haken
- Kein Bild-Input. Die GGUF-Dateien sind text-only. Beim Umwandeln sind die Vision-Tensoren rausgeflogen, weil llama.cpp den Vision-Tower zu dem Zeitpunkt nicht konnte.
llama-climeldet beim Ladenmodalities: text. Wer Bilder braucht, nimmt die Unsloth-Variante oben, die ist aber nicht entzensiert. - Auf keinen Laptop. 156 GB Download, rund 146 GiB im Speicher. Ohne Mac Studio ab 256 GB oder GPU-Server läuft es nicht.
- Restverweigerung bleibt. Je nach Test 2 bis 16 Prozent, die Model Card sagt selbst „reduced, not removed”.
- Experimentell. DeepSeek nennt das Basismodell selbst experimentell. Der Speed-Kopf DSpark fehlt in der GGUF-Version, der Tempovorteil damit auch.
- Kaum Erfahrungsberichte. Die entzensierte GGUF stand nach anderthalb Tagen bei 42 Downloads. Du bist früh dran.
- Stand 03.09.2026. llama.cpp-Support und Dateien ändern sich schnell. Wenn hier etwas nicht mehr stimmt, sag mir Bescheid.