2026 年 ds4（DwarfStar 4）で DeepSeek V4 Flash を Mac ローカル推論する完全ガイド：
antirez 製エンジン、q2/q4 量子化階層と Mac 96/128/256/512 GB 実測対照表

2026 年 5 月、Redis 作者 antirez 氏が一週間で公開した ds4（DwarfStar 4）は、DeepSeek V4 Flash 専用の C 製ローカル推論エンジンです。Metal は 96GB Mac から、CUDA は DGX Spark まで、KV を SSD に永続化、OpenAI 互換 API を内蔵。本記事は最先端 OSS を Mac で試したい開発者、Cursor / opencode をローカル化したいユーザー、頂上構成 Mac を即決できない小規模チーム向けに、設計思想、q2 / q4 / MTP の量子化、96〜512GB Mac の t/s 実測表、5 ステップ手順、自前 vs 日次レンタルの分岐点まで一気に整理します。

01. ds4 とは何か：antirez が一週間で書き、Star 1 万超えの V4 Flash 専用エンジン

ds4 の正式名称は DwarfStar 4、作者は Redis 原作者 Salvatore Sanfilippo（antirez）氏です。公開から数日で GitHub Star は 11,000 超え。理由は単純で、DeepSeek V4 Flash を「128GB Mac で実用的に動く」ラインまで押し上げた唯一のローカルエンジンだからです。V4 Flash は MoE 構造・約 284B パラメータ・F16 で 165GB ですが、antirez 氏は純 C で Metal / CUDA を書き直し、自製の 非対称 2/8-bit GGUF と組み合わせて、初回トークン出力までを「make & ./ds4 -p」の 2 ステップに収めました。

02. ds4 vs llama.cpp / Ollama：「狭く深く」という工学的賭け

llama.cpp と Ollama は 1 ランタイムで 100 モデルを支える「広い」設計、ds4 は逆に 1 ファミリーへ集中投資する設計です。差は 3 点。

• 抽象化の税金がない：モデル読み込み、プロンプト描画、KV、ツール呼び出しを V4 Flash 専用に直書き。
• 公式 logits と整合：DeepSeek 公式実装の logits と数値突き合わせ済みで、量子化劣化を回避。
• ワンストップ：CLI、OpenAI 互換サーバ、coding agent、GGUF / imatrix ツールが同一リポジトリに揃います。

antirez 氏曰く「新モデルが速すぎて汎用ランタイムは追走するだけ。ds4 は 1 モデルに集中し、ハイエンド個人機で信頼できる体験を目指す」。実利は単純で、V4 Flash を Mac で安定動作させるために Issue を大量に漁る必要がなくなります。

03. 3 階層の量子化レシート：q2（80.8 GiB）/ q4（153.3 GiB）/ MTP（3.6 GiB）

Hugging Face 上の antirez/deepseek-v4-gguf リポジトリは、メモリ階層に対応した 3 ファイルを公開しています。

記憶ポイント 3 つ。① 80.8 GiB の q2 + 満載 26 GB KV は 128GB Mac で「ぎりぎり」、Chrome / Xcode を先に落としてください。② q4 は 153.3 GiB、256GB 機で余裕は数十 GB しか残りません。③ MTP は +3.6 GiB のオプションで、q2 / q4 に重ねるだけで generate を加速します。

04. Mac メモリ別実測対照表：96 / 128 / 256 / 512 GB で何が動くか

以下の数値は ds4 リポジトリの README とコミュニティ実測から整理した tokens/s（prefill / generate）です。エントリーから頂上構成まで、階段状に並べてあります。

硬数値 3 つ。① M5 Max 128GB でも q2 短文 prefill は 463 t/s、ノートとしては破格。② 512GB M3 Ultra で q4 + 12k トークンは 448.82 t/s で、現時点 Mac 最強の V4 Flash 体験。③ DGX Spark GB10 の generate は 13.75 t/s 止まり、M3 Ultra の 36.86 t/s に大差——これがユニファイドメモリの構造的優位です。

05. Mac Studio M3 Ultra で ds4 を動かす 5 ステップ

クリーン macOS から初トークンまで概ね 30〜45 分（律速は DL）。

1. クローン + ビルド：git clone https://github.com/antirez/ds4 && cd ds4 && make。macOS は Metal を自動選択、CUDA 不要。
2. 重み DL：128GB は ./download_model.sh q2、256GB+ は ./download_model.sh q4、mtp は speculative decoding 用オプション。
3. スモーク：./ds4 -p "Explain Redis streams in one paragraph." でロード / tokenizer / Metal を確認。
4. サーバ起動：./ds4-server --ctx 100000 --kv-disk-dir /tmp/ds4-kv --kv-disk-space-mb 8192、既定で 127.0.0.1:8080。
5. 基準計測：12k トークン実コードで generate、prefill / generate t/s と GPU メモリピークを baseline 化。

06. KV キャッシュの永続化と 1M コンテキストの安全圏

ds4 で最も過小評価されている設計が KV キャッシュの SSD 永続化です。高速 NVMe があれば再 prefill 不要、再起動後でも 100k 文脈を数秒で復元できます。境界線は 3 つ。

• 満載 1M は GPU メモリ約 26 GB を消費（compressed indexer 単体で 22 GB）。128GB で 81 GB の q2 を積んだ状態で 1M はほぼ確実に OOM。
• 128GB は --ctx 100000〜300000 推奨。96GB で 250k 成功例もありますが、Chrome / Xcode を先に落とす前提です。
• --kv-disk-space-mb は最小 8192、長セッションや並列利用なら 16384 以上。

07. ds4-server を OpenAI バックエンドとして Cursor / opencode に接続

ds4-server は /v1/chat/completions、/v1/models、Function Calling を実装し、外形は完全な OpenAI 互換 endpoint です。Cursor / opencode / Continue は変更なしで接続できます。

1. Cursor 設定で「カスタムモデルプロバイダ」を追加、baseURL = http://127.0.0.1:8080/v1、apiKey は空でない任意の文字列。
2. モデル名は deepseek-v4-flash（/v1/models 返却 id）。
3. リモートは Tailscale メッシュに参加させ、baseURL をメッシュ IP に。8080 を公開してはいけません。
4. ファイル編集、コマンド実行、git diff 取得などのツール呼び出しは Function Calling 経由で自動協調されます。
5. デバッグは ds4-server のログを吐かせ、Cursor 側 payload と diff で tool schema 不整合を即特定。

08. 自前購入 vs 日次レンタル：損益分岐点はどこか

頂上構成 V4 Flash の自前購入は値段が重いです。

• MacBook Pro M5 Max 128GB：約 60 万円。q2 入門。
• Mac Studio M4 Ultra 256GB：約 120 万円。q4 中コンテキスト。
• Mac Studio M3 Ultra 512GB 最上位：約 220 万円。q4 + 長コンテキストを快適に。

一方、日次レンタル相場は M3 Ultra 512GB で 1 日数千円。判断ルールは 3 点。

• 年間 200 日が分岐点。これ未満ならレンタルが安く、減価償却リスクも回避。
• チーム共有でさらに有利。5 人 1 台で実効単価は 1/5。
• 世代交代リスク：M5 Ultra / M6 Max 発表の瞬間、最上位中古は 20〜30% 下落。レンタルは無傷。

09. macOS で踏みやすい 2 つの罠：CPU パニックと熱・電力の壁

antirez 氏が README で警告する 2 点を先に押さえます。

• CPU バックエンドはカーネルパニックします。現行 macOS の VM バグで再起動を強いられます。結論：macOS は必ず Metal、make cpu 禁止。CPU パスは Linux 上の正当性検査専用です。
• 熱と電力の壁：MacBook Pro は長時間フル負荷で 90°C 超え、ファン全開。電源接続、底面リフト、冷却台推奨。Mac Studio は機構上のエアフローが優秀で長時間に強いです。

もう 1 つ、推論中は Time Machine を走らせないこと。I/O 競合で KV 永続化スループットが激減し generate 速度が半減します。

10. ローカル推論 vs 商用 API：プライバシー・コンプライアンス・制御性

ローカル化の本当の動機は「データを端末から出さないこと」です。

• プライバシー：egress ゼロ。社内コード、ユーザーログ、医療・金融データが第三者サーバに渡らない。
• コンプライアンス：GDPR や業界規制が要求する「重みの所在」と「データ滞留」を自然に満たす。
• 制御性：API 側のレート、重み、プロトコルは随時変わる。ds4 + V4 Flash 固定 snapshot は再現性と監査性が担保。
• コスト予測性：トークン課金の請求スパイクを避け、固定費（償却・レンタル・電気代）構造で予算化が容易。

11. 1〜3 日レンタル日程：ds4 ビルドから Cursor 接続までの実務テーブル

「動かしてから判断したい」チーム向け 3 日プラン。

1. 0 日目 夜：macdate.com で M3 Ultra 512GB を 1〜3 日窓で予約、ds4 / SSH 鍵 / Tailscale 認証を事前準備。
2. 1 日目 午前：SSH → brew install git → ds4 クローン → make（Metal） → ./download_model.sh q4（153 GiB、1 Gbps で 1.5〜3 時間）。
3. 1 日目 午後：ds4 -p でスモーク → ds4-server --ctx 200000 --kv-disk-dir ~/kv --kv-disk-space-mb 16384 → 12k トークンで baseline。
4. 2 日目：Tailscale 参加 → Cursor / opencode の baseURL をメッシュ IP に → 半日実作業で t/s と体感記録。
5. 3 日目 午前：MTP を重ねて speculative decoding 測定、--ctx 400000 から 1M 限界を探索。
6. 3 日目 午後：baseline CSV を export、/tmp/ds4-kv 削除、SSH 鍵と Tailscale を整理して返却。実稼働日数で精算。

数値 3 つ。① ds4 q4 は約 153 GiB、1 Gbps で 30〜40 分。② 1〜3 日レンタル 1 回で意思決定完結。③ 自前 220 万円との回収分岐点は年間 約 200 日。日次レンタル Mac 完全ガイド と Mac mini M4 レンタル vs 購入試算 もどうぞ。

12. 現方式の限界と、より良い選択肢

ds4 + DeepSeek V4 Flash のローカル運用は「最上位 Mac は消費機向けフロンティア MoE 推論の最良プラットフォーム」を受け入れることを意味しますが、3 つの制約は避けられません。

• ハードウェア底：q2 でも 96〜128 GB UMA、q4 は 256 GB、PRO は 512 GB が前提。
• メイン機の汚染：80 GiB 重み + 100 GB 超の永続 KV + 長時間高温運転がエディタ / Xcode / 会議の余裕を削る。
• 減価償却：M5 Ultra / M6 Max が近く、最上位の 3 年後中古はレンタル 1095 日分を確実に下回る。

より経済的なのは 日次レンタル の物理 Mac Studio M3 Ultra 512GB で ds4 を動かす構成です。q4 + 長コンテキスト最上位体験、独立帯域、隔離キーチェイン、専用 KV を手にしつつ、シャットダウンで減価償却から解放。Cursor / opencode は Tailscale 越しで「コードはローカル、推論はクラウド」、メイン機はクリーンに。モデルは ds4 + V4 Flash、推論ハードウェアは macdate.com の物理 Mac に任せる——現時点で最も実用的な布陣です。