Deepseek publica en código abierto DeepInfer, el motor de inferencia de su modelo más rápido y barato
Hecho Qué ha ocurrido
Deepseek ha publicado con licencia Apache 2.0 DeepInfer, su framework interno de inferencia que sirve su modelo V4.1-Flash. Está basado en vLLM e incorpora kernels optimizados, procesamiento distribuido entre varios chips y técnicas de generación de texto más rápidas. La empresa también libera deepseek-recipe, que replica el procesamiento de tokens de su API oficial para despliegues propios.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Reducir el coste de servir modelos abiertos facilita a las empresas desplegarlos por su cuenta a menor precio. La publicación añade presión sobre los precios de proveedores occidentales como OpenAI y Anthropic.
- Quién se ve afectado
- Empresas que ejecutan modelos propios o valoran alojarlos internamente, y proveedores de API de modelos de lenguaje.
- Qué puede cambiar
- Si el rendimiento anunciado se confirma, el coste de inferencia de modelos abiertos podría bajar y las opciones de autoalojamiento ganarían atractivo frente a las APIs de pago.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Verificaciones independientes de rendimiento y coste, la adopción de DeepInfer por la comunidad y posibles respuestas en precios de OpenAI y Anthropic.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗inferenciavLLMLLM DeepseekOpenAIAnthropic código abierto DeepInfer DeepSeek V4.1-Flash vLLM
Relacionadas
DeepSeek lanza V4.1-Flash: reduce memoria caché para agentes de IA más baratos
DeepSeek publicó V4.1-Flash, un modelo multimodal de 552.000 millones de parámetros que reduce la memoria caché KV a una cuarta parte respecto a su predecesor…
Por qué importaLa reducción drástica de memoria caché abarata significativamente el despliegue de agentes de IA que operan en contextos largos y con múltiples…
DeepInfra se integra en Hugging Face como proveedor de inferencia serverless
Hugging Face ha añadido a DeepInfra como proveedor de inferencia soportado en su Hub. La plataforma serverless, que ofrece más de 100 modelos, lanza…
Por qué importaReduce la fricción para desarrolladores que buscan ejecutar modelos open-source en producción: acceso centralizado a múltiples modelos, pricing…
Un año tras DeepSeek R1: ecosistema open source de IA lidera transformación global
Hugging Face publica un análisis conmemorativo del primer aniversario del lanzamiento de DeepSeek R1 (enero de 2025), que marcó un punto de inflexión en la…
Por qué importaEste análisis documenta el cambio estructural más profundo en la industria de IA en años: la competencia se ha desplazado de comparaciones de modelos…
DeepSeek V4 Pro 0813 disponible con pesas de 1.7 billones de parámetros
DeepSeek ha lanzado el modelo V4 Pro 0813, disponible únicamente a través de API en OpenRouter. Las pesas del modelo (1.7 billones de parámetros, 893 GB) están…
Por qué importaLa iteración regular de DeepSeek mantiene la presión competitiva en el mercado de grandes modelos de lenguaje y su estrategia de código abierto…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.