DeepSeek 當日官宣，在先後放出一系列大模型、TileLang 編譯工具與推理算子庫之後，進一步把自家的內部推理框架 DeepInfer 全盤開源。這家公司想補上的，是一個長期躲在聚光燈之外的環節——推理框架。

在 DeepSeek 的定義裏，模型的能力上限由模型本身決定，但"怎樣以合理成本把超大規模模型供出去"，靠的是這層中間架構。訓練讓模型學有所成，推理才讓它爲人所用。當海量用戶同時調用，推理框架負責統籌調度龐雜的算力集羣，其效率高低，直接撬動着 AI 服務的算力開銷與耗電——它既不像模型權重那樣吸睛，卻是把實驗室能力搬進現實的關鍵閘口。

開源不只給代碼，更要壓低用 AI 的價碼

DeepSeek 的意圖很明確：把內部部署經驗攤開，幫開發者與企業組織把大規模推理的吞吐量與延遲優化上去，從而更高效地搭建私有化或公有云部署，壓低算力成本、少燒電。一句話，讓智能以更便宜的價格觸達更多人，兌現"真正的大模型普惠"。

這套框架並非空談。基於 DeepInfer，DeepSeek 官方已跑通 DeepSeek V4.1 Flash 的高吞吐、低延遲大規模推理服務；往後新模型的推理代碼與後續調優，也將持續在這裏更新。從公開的能力清單看，DeepInfer 集成了高性能算子與深度優化的推理引擎，支持分佈式推理、推測解碼、SWA Bounded Replay、結構化輸出等特性，並且同時兼容英偉達與華爲昇騰兩大平臺——在出口管制倒逼國產替代的當下，這種"雙棧通吃"的適配，對國內開發者尤其實在。

與框架同步開源的，還有 deepseek-recipe 這一生產級 Token 編解碼組件，處理邏輯與 DeepSeek 官方 API 完整對齊，確保社區拿到的體驗與官方部署如出一轍。兩份代碼已分別託管於 GitHub 的 deepseek-ai/DeepInfer 與 deepseek-ai/deepseek-recipe。

從模型到算子庫再到推理框架，DeepSeek 正把"造模型"的全套手藝往開源社區裏搬。當算力成本成了 AI 普及的最大門檻，把效率內核交出去，或許比單純放出幾個權重更能撬動生態——畢竟誰能幫行業把每一度電、每一張卡榨出更高產出，誰就握住了普惠敘事裏的真正籌碼。