DeepSeek发文，首次披露！

3月1日，DeepSeek于知乎开设官方账号，发布《DeepSeek-V3/R1推理系统概览》技术文章， 首次公布模型推理系统优化细节，并披露成本利润率关键信息。

文章写道：“DeepSeek-V3 / R1推理系统的优化目标是：更大的吞吐，更低的延迟。”为实现这两个目标，DeepSeek的方案是使用大规模跨节点专家并行（EP），但该方案也增加了系统复杂性。文章的主要内容就是关于如何使用EP增长批量大小（batch size）、隐藏传输耗时以及进行负载均衡。

文章还率先披露了DeepSeek的理论成本和利润率等关键信息。 “假定GPU租赁成本为2美金/小时，总成本为$87,072/天。……如果所有 tokens全部按照DeepSeek R1的定价计算，理论上一天的总收入为$562,027，成本利润率545%。”