DeepSeek在知乎开设官方账号，发布了《DeepSeek-V3/R1推理系统概览》技术文章，首次详细披露其模型推理系统的优化细节和成本利润率信息，标志着备受关注的"DeepSeek开源周"正式结束。
文章介绍了DeepSeek-V3/R1推理系统的两大优化目标:"更大的吞吐，更低的延迟"。为实现这些目标，DeepSeek采用了大规模跨节点专家并行（EP）技术，尽管这增加了系统复杂性。文章重点阐述了如何利用EP技术增加批量大小、隐藏传输耗时以及实现负载均衡。
特别值得注意的是，DeepSeek罕见地公开了其成本和利润率数据。文章披露:"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%。"
本文由「aiuc」编辑整理，文章链接：https://www.aiuc.net/3843
该文观点仅代表作者本人，平台仅提供信息存储空间服务。
