DeepSeek открыла движок инференса DeepInfer, а аналитики насчитали 82% маржи

20 октября DeepSeek выложила в открытый доступ DeepInfer, внутренний фреймворк инференса, на котором сегодня стоит её крупномасштабный сервис. Вместе с ним вышел deepseek-recipe, компонент для кодирования и декодирования токенов. Лицензия Apache 2.0, то есть код можно брать в коммерческие продукты, менять и форкать без отчислений. Через пару дней сообщество прикинуло экономику сервиса и получило валовую маржу порядка 82%. Для рынка, где многие игроки субсидируют токены, цифра заметная.

Что внутри релиза

DeepInfer не экспериментальный проект и не демо для конференции. Это слой, который реально обслуживает пользовательский трафик DeepSeek. Такой код обычно остаётся закрытым: именно в нём компания выжимает из железа деньги, и оттуда берутся низкие цены на API. Здесь его отдали целиком.

Второй компонент, deepseek-recipe, отвечает за преобразование текста в токены и обратно. Мелочью это не назвать. Ошибка или рассинхрон в токенизации и декодировании ломают совместимость с моделями, особенно когда инференс разнесён по разным системам и фреймворкам. Теперь у сторонних команд есть эталонная реализация от авторов моделей.

Коротко по параметрам релиза:

• Проект: DeepInfer, внутренний фреймворк инференса DeepSeek
• Сопутствующий компонент: deepseek-recipe, кодирование и декодирование токенов
• Дата публикации: 20 октября
• Лицензия: Apache 2.0
• Статус: инфраструктура реального продакшен-сервиса, не исследовательский прототип
• Внешняя оценка валовой маржи: около 82%

Откуда берётся 82%

Это не официальная цифра DeepSeek, а расчёт со стороны. Подобные оценки всегда зависят от допущений: сколько стоит час работы GPU, какая у кластера загрузка, какая доля запросов попадает в кэш контекста и по какому тарифу платят клиенты. Но направление понятно: сервис зарабатывает с запасом, а не торгует токенами в ноль ради охвата.

Есть и прецедент. В марте 2025 года DeepSeek сама опубликовала разбор своей инференс-системы. По нему суточная теоретическая выручка составляла около $562 тыс. при расходах около $87 тыс. на аренду GPU из расчёта $2 за час работы H800. Это давало теоретическую маржу 545%. Компания сразу оговорила, что реальная выручка намного ниже: часть трафика бесплатна, часть идёт со скидками, а у V3 цены ниже, чем у R1. Оценка в 82% лежит ближе к земле и выглядит правдоподобнее как итог с учётом реальной структуры платежей.

Отсюда следует, что дешёвый API DeepSeek держится на инженерии, а не на демпинге за счёт инвесторов. Источники экономии известны: разделение стадий prefill и decode, экспертный параллелизм для MoE-моделей, агрессивное кэширование. DeepInfer теперь показывает, как всё это собрано в одном работающем стеке.

Кому пригодится код и что изменится на рынке

Первые выигрывают команды, которые сами хостят открытые модели DeepSeek. Раньше им приходилось собирать оптимизации из разрозненных репозиториев и догадок. Теперь есть референс от тех, кто эти модели обучал и обслуживает миллионы запросов.

Дальше эффект пойдёт по облачным провайдерам и стартапам-перепродавцам инференса. Если часть оптимизаций DeepSeek станет стандартом, цена токена у конкурентов на сопоставимых моделях будет снижаться. Закрытым лабораториям придётся объяснять, за что клиент платит премию. Аргумент про «невозможно дешевле» после такого релиза слабее.

Практически выводы такие:

• Инфраструктурным командам стоит сравнить свои метрики throughput и стоимости токена с поведением DeepInfer на своём железе, прежде чем масштабировать собственный стек.
• Тем, кто строит продукт на API, пригодится новый ориентир: при марже около 82% у поставщика есть пространство для скидок, и разговор о цене стоит вести жёстче.
• Лицензия Apache 2.0 снимает юридические барьеры для включения кода в коммерческий продукт, но продакшен-нагрузку нужно проверять отдельно: инфраструктура DeepSeek заточена под её модели и её кластеры.

Главный вопрос на ближайшие месяцы: пойдёт ли за DeepSeek кто-то ещё. Модели уже открывают многие, а полноценный инференс-стек отдавали единицы. Если планку поднимут, конкуренция сместится с размера моделей на то, кто дешевле и стабильнее обслуживает их в продакшене.