关于 DeepSeek 本地模型部署

用户在双 RTX 4090 服务器上通过 Maya 部署 DeepSeek V4.1 Flash 1017 IQ4（破限版）辅助逆向分析，面临 Prefix 处理仅约 300 tokens/s 的瓶颈。由于临时新增工具会导致整段上下文重新计算，其发帖求助如何保持缓存命中，并寻求推理后端、量化版本及软硬件调优的提速建议。