过去一年用 DeepSeek API 的人，多数有个共同的体感：账单越来越便宜，响应越来越快。大家习惯归结为"模型优化"，但真功夫往往在模型之外。10 月下旬，DeepSeek 把话说得更明白了——正式开源其内部高吞吐推理框架 DeepInfer 及配套的编解码组件。这不是一次普通的更新——相当于把自家生产环境的"发动机"拆开给全行业看。
要理解这件事的分量，得先分清两种开源。模型权重开源，解决的是"人人可用"；推理框架开源，解决的是"人人可高效部署"。后者在很长时间里都是各家的私房菜——谁的推理框架吞吐更高、显存占用更低，谁就能用更低的价格卖 API 还不亏钱。这份成绩单过去只体现在价格表上，现在 DeepSeek 把实现细节也公开了。
推理是显存、吞吐、并发之间的工程平衡题：同样的模型权重，推理栈优化水平不同，撑住同样流量所需的卡数可能差出近一半。省下来的不是理论分数，是真金白银的电费和显卡租金。这就是为什么头部厂商的推理效率提升，总会很快传导成 API 降价。而 DeepInfer 的开源，等于把这种"效率外溢"制度化：做私有部署的团队、中小推理服务商，都能站在同一套生产级代码上继续改进，而不是各自摸黑。
谁受影响最大？第一批是自己搭推理服务的企业——金融、法律、政务这些对数据出域敏感的行业，过去纠结的是"私有部署成本扛不扛得住"，现在底座效率的起点被整体抬高了。第二批是做 AI 应用的创业公司，它们的推理成本曲线会跟着开源生态继续下探，那些去年算不过账的多轮校验、长文档流程，今年可以重新算一遍。
做法律文书系统的老周，去年评估过本地部署时得到过"吞吐不够，买卡的钱三年回不了本"的结论，最后走了云端 API。DeepInfer 开源的消息出来当晚，他把技术负责人拽进会议室，重新翻出了那份测算表——同样的预算下，可支撑的并发量上了一个台阶，原先砍掉的两个私有化客户需求，重新排进了 roadmap。
对普通用户，这件事的感受是间接的，但方向确定：你为同一次提问支付的价格，还会继续往下走。而更大的悬念在于，当模型权重、推理框架这些"硬底座"陆续开源之后，厂商之间的护城河还能挖在哪？答案越来越清晰——数据、场景、分发，这些模型之外的东西。开源烧掉了技术壁垒，也就逼着所有人去建真正的生意壁垒。
建议技术决策者近期做两件事：关注 DeepInfer 在开源社区的演进，评估自家部署方案能不能换底座；把现在的 API 价格截图留档，三个月后回头看，你会对这条下降曲线的斜率更有体感。