IT资源栈据开发者社区 Linux.do 用户反馈，DeepSeek 的官方 API 近期出现了显著的性能提升，其 V4 Flash 模型的输出速度已飙升至每秒 100 个以上的词元。这一速度指标在云端大模型推理领域属于顶尖水平，远超业界常见的 20-50 TPS 平均水平。观察人士推测，此次性能暴涨可能源于两方面因素：一是 DeepSeek 预订的高端 GPU 算力集群（如 H20 或 H800 系列）已正式交付并上线部署；二是针对 MoE（混合专家）模型的推理工程优化取得了突破性进展。结合 DeepSeek 此前发布的激进定价策略以及即将在“下半年”结束的折扣活动，算力基础设施的快速迭代似乎正在为其高强度的低成本扩张模式提供支撑。对于开发者而言，这种接近“本地模型”响应速度的云端体验，将极大地改善 AI 应用在实时对话和代码生成场景下的用户体验，同时也标志着国内大模型厂商在工程化落地和基础设施运维上进入了一个新的竞争阶段。
事件分析
从技术维度审视，100 TPS 的输出速率意味着推理延迟被大幅压缩，这不仅依赖于硬件层面的算力堆叠，更可能得益于 DeepSeek 在推理内核层面的深度优化，例如针对 Flash Attention 算法的调优或 FP8 低精度推理的落地。对于产业而言，云端推理速度的质变直接降低了用户感知的延迟，使得语音助手、实时代码补全等对时延敏感的 AI 应用具备了更好的可用性。此外，若确认为高端算力到货，这表明在当前算力供应链紧张的背景下，头部厂商仍能通过特定渠道获得关键算力资源，从而在“算力即权力”的 AI 军备赛中建立起更宽的护城河。此举可能迫使其他厂商跟进优化推理效率，而非仅局限于模型参数的规模竞赛。
💡 核心观点：当云端推理速度追平本地部署，大模型的竞争焦点已从单纯的算法参数规模，彻底转向了算利能效比与工程化落地的硬实力比拼。
原文链接：Linux.do
评论前必须登录！
立即登录 注册