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。
