【旭才科技】3 月 1 日消息，DeepSeek 于知乎开设官方账号，独家发布 《DeepSeek-V3/R1 推理系统概览》 技术文章，首次公布模型推理系统优化细节，并披露成本利润率关键信息。
DeepSeeK 文章写道：「DeepSeek-V3 / R1 推理系统的优化目标是：更大的吞吐，更低的延迟。」 为实现这两个目标，DeepSeek 的方案是使用大规模跨节点专家并行 （EP），但该方案也增加了系统复杂性。文章的主要内容就是关于如何使用 EP 增长批量大小 （batch size）、隐藏传输耗时以及进行负载均衡。
值得一提的是，文章还率先披露了 DeepSeek 的成本和利润率等关键信息。「假定 GPU 租赁成本为 2 美金/小时，总成本为 $87,072/天。……如果所有 tokens 全部按照 DeepSeek R1 的定价计算，理论上一天的总收入为 $562,027，成本利润率 545%。」
据了解，「DeepSeek 开源周」 自 2 月 24 日至 2 月 28 日，陆续开源最新技术进展。其中包括，FlashMLA、DeepEP、DeepGEMM 和 3FS 四个开源项目，以及 DualPipe、EPLB 等代码库。
有业内人士认为，「DeepSeek 开源周」 的重要性已经超过了不久前 OpenAI 的发布会。DeepSeek 用 「量大管饱」 的开源有力回击了欧美关于 DeepSeek 故意说低训练成本的说法，并且证明了在训练链路上存在极大的优化空间。
