10月20日晚，DeepSeek发布《DeepSeek V4.1 Flash 大规模推理部署实践》，并开源支撑自家线上服务的推理框架 DeepInfer。与以往只讲技术的报告不同，这份报告首次附上了一份"账本"：目前单一集群的服务吞吐是 155 万亿 Tokens/天，整体收入是每卡每小时 38 美金（按谷价）。标题里的"每时收38美金"因此成了最常见的误读：这不是向用户出租一张卡的标价，而是整个线上集群按单卡单小时折算下来的收入；要理解这个数字，关键是理解"按谷价"三个字。DeepSeek官方
"谷价"意味着这个数是被刻意压低过的下限。DeepSeek V4.1 Flash 实行分时定价：工作日 9 点到 12 点、14 点到 18 点的高峰价，输入每百万 token 2 元、输出 8 元；晚上、周末、法定节假日全天执行谷价，输入 1 元、输出 4 元，同样一次调用挪到夜里发，账单直接砍半。官方口径是把集群处理的全部 token 按这档最低价计价，等于先把收入打了五折再公布，真实营收只高不低。知乎
放到租赁市场里看，才能掂出这份收入的利润密度。当前市场上一张英伟达 B300 级 Blackwell 数据中心卡的平均租金约为每卡每小时 7–10 美元，最低能做到 4.89 美元，最高一档的 AWS 也只有 17.8 美元。这一估算出自社区整理而非官方报价，但倍数关系已经清楚：DeepSeek 一张卡一小时挣的钱，是同期把同样的卡租出去的数倍——它赚的是推理服务的溢价，不是转售算力。自今年 8 月融资话题发酵以来，多位科技博主转述过创始人梁文锋的表态：公司只赚维持生存的合理利润，服务器大约 10 个月回本。这次的"账本"让那句说法第一次有了可对照的数据。边界也要划清：38 美金是收入口径，不是利润——官方未披露集群规模、硬件与电力成本，净利无法直接推算。知乎微博
配合这份账本开源的 DeepInfer，就是收入的来源本身。它是 DeepSeek 线上服务背后的推理引擎，支持分布式推理、推测解码、SWA Bounded Replay 与结构化输出，可在英伟达与华为昇腾两个平台上运行。硬件组织上，常见 8 卡机器承担 Prefill，64 至 128 卡超节点承担 Decode，两类任务分开部署、按流量自动扩缩。DeepSeek官方36氪
收入的另一半藏在缓存里。官方披露的线上数据显示，会话级缓存的命中率在 98% 以上，命中即免去重复计算。缓存省下来的算力直接体现在定价上：命中后的输入价与未命中相差五十倍，白天每百万 token 0.04 元，夜里只要 0.02 元。卡跑得越满、复用越多，每卡每小时的收入就越高，这正是 38 美金得以成立的工程基础。DeepSeek官方知乎
但这门"印钞"生意，眼下别人还复制不走。官方仓库本次只提供离线推理及大规模服务所需的核心能力，要搭建完整在线服务，开发者仍需补齐 KV 缓存系统、推理阶段分离部署及跨副本负载均衡等组件。DeepSeek 也在报告里确认，缓存管理与负载均衡组件因与内部基础设施耦合较深，相关代码目前尚未完整开源。部署问答建议的解码配置是 EP64 起步，一个既跑得起来又不至于太亏的单元是 64 张卡预填充加 64 张卡解码，加起来 128 张。这套框架面向已有上百张卡规模的团队，手里几张卡的开发者能学走工程思路，学不走这套经济学。第一财经DeepSeek官方知乎
至于为什么把赚钱的东西公开，供给端的解读更实际：过去第三方即便可以自由部署 DeepSeek 的模型，也做不到官方 API 那么便宜的价格，云厂商因此不太愿意上架；如今内部推理框架连同账本一起放出，推理侧的成本收益第一次在行业面前变得可算。微博
对普通用户，能立刻动手的信息都藏在定价页那两行字里：客服机器人、办公类工具、内部知识库，请求都跟着用户的作息走，谷价折扣基本吃不到。真正能省钱的办法，是把语料清洗、批量摘要、数据标注这类能等的任务排到深夜，同样的预算能跑完的量接近多出一半。下一个值得盯的观察点：拿到官方级推理栈的第三方平台，会不会把价格战从补贴打向真实成本线。知乎
