Em 2026-10-25, a OpenClaw DC informou que uma versão GSQ-RCO do DeepSeek V4.1-Flash pode rodar localmente em uma GPU NVIDIA de 12GB quando carregada pelo runtime Strata.
No artigo da OpenClaw DC, o modelo é descrito como um MoE de 763.2B parâmetros, com velocidade de saída relatada de cerca de 4–6 tokens por segundo em uma RTX 5070. Esse menor requisito de VRAM traz exigências maiores em outros pontos do sistema: aproximadamente 46–64GB de RAM, pelo menos 239GB de disco livre e armazenamento NVMe para lidar com parte dos dados do modelo.
A principal limitação é o suporte de software. A OpenClaw afirma que esses arquivos GGUF não são hoje um substituto direto padrão para llama.cpp, porque o pacote usa metadados diferentes e mantém um componente Engram separado; por isso, o Strata é o runtime usado nesta configuração. O suporte relatado se limita a sistemas Windows e Linux x86_64 com GPUs NVIDIA RTX das séries 30, 40 ou 50 compatíveis; Macs não estão listados.
Para equipes que avaliam inferência local, a questão principal é a contrapartida por trás da promessa de 12GB: menos VRAM, mas restrições significativas de RAM, armazenamento e runtime. A página de transparência da DeepSeek não descreve essa versão quantizada, então os detalhes de desempenho e compatibilidade ainda devem ser tratados como informações relatadas pela OpenClaw, e não como confirmações amplas.