3 月 1 日有消息称，TechWeb 方面，DeepSeek 在知乎开设了官方账号，并且独家发布了《DeepSeek-V3/R1 推理系统概览》这篇技术文章，首次把模型推理系统的优化细节公布了出来，同时也披露了成本利润率的关键信息。

DeepSeeK 文章称：“DeepSeek-V3 / R1 推理系统的优化目标为，要达到更大的吞吐以及更低的延迟。”为了达成这两个目标，DeepSeek 的举措是运用大规模跨节点专家并行（EP），然而此方案也使得系统的复杂性有所增加。文章主要内容是怎样使用 EP 增长批量大小，怎样隐藏传输耗时，以及怎样进行负载均衡。

值得一提的是，文章率先披露了 DeepSeek 的关键信息，包括成本和利润率等。假定 GPU 租赁成本是 2 美金每小时，那么总成本为每天 87072 美金。如果所有 tokens 全部按照 DeepSeek R1 的定价来计算，从理论上来说，一天的总收入是 562027 美金，成本利润率为 545%。

“DeepSeek 开源周”的时间是从 2 月 24 日一直到 2 月 28 日。在这段时间里，陆续开源了最新的技术进展。这些进展包括 FlashMLA、DeepEP、DeepGEMM 和 3FS 这四个开源项目，同时还有 DualPipe、EPLB 等代码库。

有业内人士认为，“DeepSeek 开源周”的重要性比不久前 OpenAI 的发布会更为突出。DeepSeek 通过大量且充足的开源举措，有力地回应了欧美对于 DeepSeek 故意压低训练成本的说法，同时也证明了在训练链路上存在着极大的优化潜力。