DeepSeek 开源推理框架 DeepInfer 支持 V4.1-Flash

DeepSeek 开源自家推理框架 DeepInfer：Apache 2.0 可商用，目前只支持 V4.1-Flash，要用 Blackwell 或昇腾 950 这类数据中心显卡

DeepSeek 把自家线上服务用的推理框架 DeepInfer 开源了，还一起开源了配套组件 deepseek-recipe。

模型文件只是一堆训练好的参数，好比一本菜谱。接单、排队、在显卡上把答案算出来，靠的是推理框架，相当于后厨的出餐系统。出餐系统调度得好，同样的显卡能多接几倍的单，每个人等得也更短。

DeepSeek 说 DeepInfer 就是支撑 V4.1-Flash 大规模服务的那一套，开源是为了帮大家省算力、省电。

它最主要的提速手段叫投机解码。大模型平时一个字一个字往外写，每写一个字都要把整个模型算一遍。投机解码让一个轻量的“草稿手”先猜后面几个字（默认最多 5 个），大模型一次核对完，猜对的直接收下，猜错的重写。

普通用户不会直接用到它。它要跑在英伟达 Blackwell 一代的数据中心显卡（代号 SM100）或华为昇腾 950 上，官方测性能用了 4 到 64 块这样的卡，个人电脑跑不动。模型也只支持 V4.1-Flash 一个，官方说以后新模型的推理代码也会放进来。

用得上的是想自己部署 DeepSeek 的企业和云服务商，可以直接拿 DeepSeek 调好的方案。不过这次放出的只是“离线推理”部分，缓存对话前文的系统、把读输入和写输出拆到不同机器的部署方式、多台机器间的流量分配都没包含，要搭成完整的线上服务还得自己补。

deepseek-recipe 管的是另一个问题：自己部署的 DeepSeek，在提示词怎么拼、工具调用怎么解析这些细节上，可能和官方 API 对不上。

deepseek-recipe 像前台接单员，把 OpenAI 和 Anthropic 的几种常见请求格式统一翻译成 DeepSeek 模型能读的输入，再把模型输出的思考过程、工具调用等翻译回去，逻辑和官方 API 对齐。

DeepInfer 用 Apache 2.0 协议，允许免费商用和修改。deepseek-recipe 用 MIT 协议，同样可以商用，有 Python 和 Rust 版本，支持 V4 和 V4.1。

DeepInfer：https://t.co/Tn3BtmA9Ec deepseek-recipe：https://t.co/1YArQ0vtYS

↳ 引用 @deepseek_ai (DeepSeek): 🚀 Introducing DeepInfer, our in-house inference framework, now fully open source!

Powering DeepSeek-V4.1-Flash at scale with high throughput and low latency. We’re sharing our production stack to help the community lower compute costs, reduce energy use, and make AI more affordable.

🔗