10月20日下午，DeepSeek在知乎官方账号发布技术报告《DeepSeek V4.1 Flash大规模推理部署实践》，宣布全面开源支撑自家线上服务的推理框架DeepInfer。第一财经把这件事的账本直接写成了标题：《一张卡每小时收入38美元！DeepSeek开源推理框架并披露账本》。 #DeepSeek全面开源DeepInfer#随后挂在微博热搜第40位，“AI印钞机”"毛利80%"的说法刷屏。第一财经微博
但把原文和附带的线上数据图读完整就会发现：这38美元是收入，不是利润；是单个集群按谷价口径折算的平均值，不是公司整体账本。真正的新料，是DeepSeek第一次把头部大模型公司"一张卡每小时怎么挣出38美元"的成本结构摊开给全行业看——而这本账，恰恰是开源版本暂时复制不走的部分。知乎
38美元是怎么算出来的
先核对口径。155万亿Tokens/天的吞吐约合每秒17.9亿token，全部来自支撑DeepSeek V4.1 Flash线上服务的单一集群；38美金/卡/小时按此折算，是单卡每天约912美元、年化约33万美元——这是算术，官方并没有同时公布这个集群有多少张卡、用的什么卡、花了多少钱。
"按谷价"是理解这个数字的关键。DeepSeek的API自今年8月起实行峰谷定价：工作日9:00-12:00、14:00-18:00为高峰时段，空闲时段执行谷价，谷价只有峰价的一半；8月23日起周末全天按谷价计费。官方随报告公开的运行数据图还注明，这一折算不考虑波峰波谷，实际部署中Prefill与Decode接近1:1。也就是说，38美元是用自家最低一档API售价折算的平均单卡收入，更接近下限而非上限；传播中"赚38美元"的说法，比公告里的"收入"更激进。大皖新闻
这本账靠什么撑起来：数据里的三个"省钱机关"
最核心的一笔，是缓存复用省掉的重复计算。官方公开的线上数据图里有一组耐人寻味的对比：平均输入长度77K token的请求，输入缓存命中率达96%，每卡吞吐在不含缓存命中时约60K tokens/秒，含命中时约150万tokens/秒，相差25倍。Block级前缀缓存存在约100 PiB SSD的独立3FS存储集群里，Agent流量保留3天、聊天流量保留7天，一段前缀反复被命中就不用重算。官方报告把这套机制的意义说得很直接：随着长上下文与agent流量增长，KVCache前缀缓存复用能极大减少prefill重算，从而显著降低成本。只在会话内分钟级复用的SWA缓存则不落盘、留在内存，没命中就用SWA Bounded Replay只重算最近128个token，把重算代价压成常数。36氪知乎
其次是按任务分卡、按流量伸缩。DeepSeek用常见的8卡机器承担Prefill任务，用64至128卡超节点做逐token输出的Decode，两个阶段独立配置资源、由自动扩缩容跟随流量调整比例。MoE模型的热门专家靠每卡冗余副本加定期重排摊平负载，官方实测最慢卡与均值的差距在3%—9%之间。运行数据图同时给出了体验底线：首token时延平均400毫秒、P99为1000毫秒，吐字速度230 tokens/秒——便宜没有以明显的体验劣化为代价。36氪
第三是投机解码再抠6%。自研DSpark框架预测每个草稿token的接受概率，按预期收益只验证值得验证的前缀。线上部署中，相比固定验证5个token的方案，变长验证让吞吐又提升了6%。三项叠加，解释了同样的卡为什么能跑出更高的收入分母。知乎
成本没写在公告里，"暴利"都是外面的测算
38美元之所以刺激，是因为它撞上了公开可查的市场租金。有博主对照后称，每小时38美元的营收远超公有云、AI云上英伟达卡集群每卡每小时3到7美元的市场租金。更有人按"不到8美元的B200租金"推算出毛利率接近80%，并外推定价更高的OpenAI、Anthropic"更暴利"。微博知乎
这些算法值得听，但要标注清楚：它们建立在两个DeepSeek没有披露的前提上——集群的卡型卡数、自建算力的采购与折旧成本。同一时间，也有从业者拿SemiAnalysis的利润估算器反驳，指出第三方租卡转售token、按OpenRouter实际售价计算，连两年前上市的B200在某些模型上都已接近负毛利。租金与收入之差只能说明"自建+直营+自用深度优化"这套组合有利可图，推不出全行业利润率的普适结论；DeepSeek官方也从未认领过任何毛利率数字。知乎
开源了什么、留了什么：离"复制同款成本"还差三件
比数字更早被讨论的是开源的成色。DeepSeek这次放出的DeepInfer，README自述最初主要基于vLLM构建，并借鉴了SGLang与TensorRT-LLM。框架本体集成分布式推理、推测解码、SWA Bounded Replay、结构化输出等能力，可在英伟达与华为昇腾平台运行。同步开源的deepseek-recipe编解码组件，处理逻辑与官方API完整对齐，确保第三方部署获得一致的API体验。头部大模型公司把生产环境在用的推理框架整机放出来，这确实是头一回。知乎36氪知乎
但第一财经点出了边界：此次发布提供的是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。公告原文也承认，KVCache管理与负载均衡组件因与内部基础设施耦合较深，相关代码尚未完整开源。巧的是，这三样正是把"离线跑分"变成"线上接流量"、把60K变成150万的那一层。第一财经知乎
还有两点细节：批不变推理、确定性采样等特性仅开放英伟达平台，官方基准也全部在SM100（Blackwell一代）上完成，"兼容华为昇腾"目前只有支持声明，没有公开的昇腾950第三方实测数据。这次开源是开放核心引擎与工程经验，成本曲线能不能复制，仍取决于硬件配置、业务负载和系统集成能力。知乎
对普通用户，这本账意味着什么
发布时点本身有信息量。此前一周，DeepSeek刚经历了10月15日的全球宕机，并罕见地按最近七日API消耗向用户发放补偿赠金。10月17日上线的V4.1 Flash-1017则把性价比继续推低：官方评测图中它最高通过率（Pass@1）达到77.0%，对应每项任务平均费用约1.3元，显著低于成绩接近的海外模型。在"服务不稳"的质疑声里，晒出一份"推理业务能自我造血"的完整账本，既是技术自信，也是一种用成本透明度做的信任修复。知乎36氪
对用户更实际的推论是：竞争的主战场正在从"每百万token单价"转向"每个任务的完成成本"。官方文档同步写明，搜索接口每1000次成功请求收5元、只有产生有效结果才计费；10月20日当天，MiniMax发布M3.1 Flash直接把输出价格砍半——价格战没有停的意思。当单卡收入按谷价算仍有38美元的空间，而谷价本身只是峰价的一半，DeepSeek手里还有可观的定价腾挪余地。36氪
接下来值得盯两个信号：KV缓存与负载均衡组件会不会在下一个模型周期前补齐开源，昇腾950上什么时候出现第三方实测数据。这两个答案，决定这次开源最终是"参考实现"还是"可部署方案"，也决定38美元这本账，会不会变成整个行业的公共成本底线。
