Der Reddit-Nutzer Known_Ice9380 demonstriert, dass DeepSeek-V4-Flash – ein Mixture-of-Experts-Modell mit 284B Gesamtparametern und 13B aktiven Parametern – auf einem Budget-Node mit vier RTX 2080 Ti (je 11/22 GB VRAM) lauffähig ist. Das Gesamtbudget lag unter 2.500 USD; als CPU kommt ein Intel Xeon E5-2696 v4 zum Einsatz, ergänzt durch 1 TB DDR4-ECC-RAM für dynamisches Offloading. Der entscheidende technische Hebel sind maßgeschneiderte CUDA-Kernel für die Turing-Architektur, die W8A8-INT8-Matrixmultiplikation beschleunigen und die PCIe-Gen3-Bandbreitenengpässe mildern. Hinzu kommen optimiertes statisches Memory-Splitting zwischen VRAM und System-RAM sowie eine pipelined Execution-Strategie, die den Multi-GPU-Kommunikationsoverhead durch MoE-Routing versteckt. Mit diesen Maßnahmen werden 255 Prefill-Token pro Sekunde bei vollständig ausgelastetem Hardware-Budget erreicht. Die gesamte Implementierung inklusive Deployment-Skript und einem technischen Vorbericht ist auf GitHub veröffentlicht; ein ausführliches arXiv-Paper befindet sich noch in der Moderationsqueue.