DeepSeek 开源推理框架：走向真正普惠的未来
读前速览
DeepSeek 发布 V4.1-Flash-1017 新模型，在性能提升的同时降低任务成本，并开放自研搜索 API 与模型权重。
V4.1-Flash-1017 模型性能与成本深度优化
新模型在多个基准测试中表现优异，通过缩短任务运行时间和输出长度，实现了性能与成本的更优平衡。
基于反馈的强化学习训练机制
通过自反馈的强化学习技术，显著提升了模型在从零构建复杂项目时的逻辑能力。
开放自研搜索 API 与 Fetch 功能
DeepSeek 开放了自研搜索接口，支持对全球大规模网页的实时索引与内容获取。
模型权重全面开源社区
模型权重已同步在 Hugging Face 和 ModelScope 平台发布，方便开发者下载与本地化部署。
完整摘要
DeepSeek 宣布更新 V4.1-Flash 至 1017 版本，涵盖网页端、APP 同步切换。该模型在多项基准测试中性能提升，同时缩短了任务运行时间与输出长度，在多个框架下达到了性能与费用的平衡。通过基于反馈的强化学习训练，增强了从零构建项目的能力，并在 Hugging Face 和 ModelScope 发布了模型权重。
目录 · 4 节
原创 深度求索 2026-10-20 16:54 北京
大模型的能力边界由模型本身划定，但如何以合理成本提供超大规模的模型服务，还取决于一个长期未被公众了解的中间层：推理框架。
训练使模型学有所成，推理则让模型为人所用。面对如今海量的用户调用，推理框架负责统筹调度庞大的算力集群，其效率直接决定了 AI 服务的算力成本与电力消耗。
DeepSeek 长期致力于将推理性能推向极致。在此前开源一系列大模型、TileLang 编译工具及推理算子库的基础上，我们决定进一步将内部推理框架 DeepInfer 全面开源。
「为善与众行之，为巧与众能之。」我们希望通过分享内部的部署经验，帮助开发者与企业组织优化大规模推理的吞吐与延迟，从而高效构建私有化及公有云部署，降低算力成本、减少能源消耗，让智能以更低的价格触达更广泛的人群，实现真正的大模型普惠。我们也将继续支持社区进行大规模部署优化，欢迎加入我们的开源行列。
DeepInfer
基于 DeepInfer，我们已实现 DeepSeek V4.1 Flash 高吞吐、低延迟的大规模推理服务。未来，DeepSeek 新模型的推理代码及后续优化也将在此持续更新。
-
DeepInfer 推理框架：集成高性能算子与深度优化的推理引擎，支持分布式推理、推测解码、SWA Bounded Replay、结构化输出等能力，兼容英伟达与华为昇腾平台。
-
deepseek-recipe 编解码组件：同步开源的生产级 Token 编解码组件，与 DeepSeek 官方 API 处理逻辑完整对齐，确保社区获得与官方部署一致的 API 体验。
开源仓库
-
DeepInfer: https://github.com/deepseek-ai/DeepInfer
-
deepseek-recipe: https://github.com/
deepseek-ai/deepseek-recipe
复制链接进入浏览器打开或点击“阅读原文”查看 DeepSeek 知乎技术报告：https://zhuanlan.zhihu.com/p/2095560295930508953
未来展望
借助全面开源的模型、算子库与推理框架，我们期待着在不远的未来，能够看到全球 AI 服务的范围与质量获得前所未有的扩展与提升，变得更加公平、透明、可信赖，进而实现在全社会范围内加快技术迭代、减少能源浪费，让有限的资源以更高的效率在基础设施与用户终端之间流转，以每个人都能够负担的成本传递更加强大的智能，以及伴随着智能的善意和无限可能性。
DeepSeek 将与各位一同携手，为实现这样的未来图景而不懈努力。
