Le 25 octobre 2026, OpenClaw DC a indiqué qu'une version GSQ-RCO de DeepSeek V4.1-Flash peut fonctionner localement sur un GPU NVIDIA de 12GB lorsqu'elle est chargée via le runtime Strata.
Dans le billet d'OpenClaw DC, le modèle est décrit comme un MoE de 763.2B paramètres, avec une vitesse de génération annoncée d'environ 4–6 tokens par seconde sur une RTX 5070. Cette faible exigence en VRAM s'accompagne de besoins plus importants ailleurs : environ 46–64GB de RAM, au moins 239GB d'espace disque libre et un stockage NVMe qui gère une partie des données du modèle.
La principale limite concerne la prise en charge logicielle. OpenClaw indique que ces fichiers GGUF ne constituent pas aujourd'hui un remplacement direct standard pour llama.cpp, car le package utilise des métadonnées différentes et conserve un composant Engram séparé. Strata est donc le runtime utilisé pour cette configuration. La prise en charge annoncée se limite aux systèmes Windows et Linux x86_64 équipés de GPU NVIDIA RTX 30, 40 ou 50 compatibles ; les Mac ne figurent pas dans la liste.
Pour les équipes qui évaluent l'inférence locale, le principal enjeu réside dans le compromis derrière l'annonce des 12GB : moins de VRAM, mais des contraintes importantes en RAM, stockage et runtime. La page de transparence de DeepSeek ne décrit pas cette version quantifiée ; les détails de performance et de compatibilité doivent donc encore être considérés comme rapportés par OpenClaw, et non largement confirmés.