2026 年 5 月 8 日，开源界传来一则重磅消息：Redis 创始人 Salvatore Sanfilippo（网名 antirez）正式发布了专为 DeepSeek V4 Flash 打造的推理引擎 ds4.c，这个只有一个 C 文件的极简项目，却在 AI 推理领域掀起了一场关于 “专用 vs 通用” 的效率革命。
一、为什么是 “专属定制” 而非 “通用兼容”？
antirez 在项目 README 中明确表示：ds4.c 不是通用 GGUF 加载器，不是 llama.cpp 的 wrapper，甚至压根不支持别的模型。它只做一件事 ——榨干 DeepSeek V4 Flash 在 Mac Metal 芯片上的每一分性能。
这种极致专一的设计理念，源于 antirez 对大模型推理现状的深刻洞察：
- 通用推理框架为了兼容性不得不牺牲性能，存在大量冗余代码和抽象层
- DeepSeek V4 Flash 采用独特的 MoE 架构（284B 总参数，13B 激活参数）和混合注意力机制，需要针对性优化
- 苹果 Metal 芯片拥有强大的 GPU 计算能力，但现有框架对其优化不足
二、ds4.c：极简主义的性能杰作
核心技术特点
表格
| 特性 | 详情 |
|---|---|
| 专一性 | 仅支持 DeepSeek V4 Flash，不兼容任何其他模型 |
| 硬件适配 | 专为苹果 Metal GPU 设计，充分利用 Metal Performance Shaders (MPS) |
| 量化支持 | 提供 q2（2-bit）和 q4（4-bit）两种专属量化版本，q2 可在 128GB 内存 Mac 上运行 |
| 代码极简 | 整个项目只有一个 C 文件，无外部依赖，编译只需一行命令 |
| KV 缓存优化 | 针对 DeepSeek V4 的百万 token 上下文窗口优化 KV 缓存管理 |
实测性能数据
在 M3 Max 128GB Mac 上测试结果：
- q2 量化版本，32K 上下文，短 prompt 预填充：58 tokens / 秒
- q2 量化版本，32K 上下文，长 prompt（接近 32K）：42 tokens / 秒
- 首个 token 生成时间：<1 秒（远快于通用框架）
antirez 特别强调，这些性能数据是在完全本地运行的情况下实现的，无需任何云服务或外部加速。
三、Redis 之父的 AI 新征程：从内存数据库到大模型推理
Salvatore Sanfilippo 作为 Redis 的创始人，以其极简主义和性能至上的设计哲学闻名于世。Redis 作为全球最受欢迎的内存数据库之一，正是这种理念的完美体现 —— 用最少的代码实现最高效的功能。
这次开发 ds4.c，是 antirez 在 AI 领域的又一次探索。他在社交媒体上分享了开发动机：
“我被 DeepSeek V4 Flash 的架构深深吸引，它在参数规模和推理效率之间找到了完美平衡。我想看看，用我做 Redis 时的极简主义方法，能否为这个杰出的模型打造一个同样杰出的推理引擎。”
值得注意的是，这并非 antirez 首次涉足 AI 领域。此前他曾开发过基于 AI 的 Redis 新数据类型，用 AI 辅助提升 Redis 的开发效率。
四、专用推理引擎：大模型生态的新趋势
ds4.c 的发布，标志着大模型推理生态正在从 “通用兼容” 向 “专用优化” 转变：
- 架构适配：随着 MoE、混合注意力等创新架构普及，通用框架难以充分发挥其潜力
- 硬件分化：苹果 Silicon、华为升腾等非 CUDA 硬件崛起，需要针对性优化方案
- 效率优先：企业和个人用户越来越关注推理成本，专用引擎能显著降低 TCO
就在 ds4.c 发布前几天，主流 AI 工具 Ollama 也宣布将 Mac 版底层引擎从 llama.cpp 切换至苹果原生 MLX 框架，实测在 M5 芯片 Mac 上实现生成速度近翻倍。这表明，针对特定硬件和模型的深度优化，已成为提升本地 AI 推理性能的关键路径。
五、如何使用 ds4.c？
- 获取源码：
git clone https://github.com/antirez/ds4.git - 编译：
clang ds4.c -o ds4 -framework Metal -framework Foundation - 下载模型：使用项目提供的脚本下载 q2 或 q4 量化的 DeepSeek V4 Flash 模型
- 运行：
./ds4 -m model.bin -p "你的prompt"
antirez 还提供了详细的性能调优指南，帮助用户根据自己的 Mac 配置（M1/M2/M3/M5，内存大小）选择最佳参数。
六、结语：极简主义的胜利
ds4.c 的发布，再次证明了 **”少即是多”** 的软件开发哲学在 AI 时代依然适用。一个只有几百行代码的单一文件项目，却能在性能上媲美甚至超越复杂的通用推理框架，这本身就是对大模型生态的一次重要贡献。
对于 DeepSeek V4 用户而言，ds4.c 提供了一种全新的本地推理选择 —— 无需复杂配置，无需牺牲性能，就能在 Mac 上体验百万 token 上下文的强大能力。而对于整个 AI 社区来说，ds4.c 的开源，将为专用推理引擎的开发提供宝贵的参考范式。
正如 antirez 在项目 README 中所说：”这个项目不是为了替代现有框架，而是为了展示，当我们为特定模型和硬件量身定制解决方案时，能达到怎样的性能高度。“
相关链接：
- ds4.c GitHub 仓库：https://github.com/antirez/ds4
- DeepSeek V4 官方网站：https://www.deepseek.com/zh/v4
- Redis 官方网站：https://redis.io/
