DeepSeek regala el motor y se guarda la caja de cambios

Un motor, un modelo y dos fabricantes de chips

DeepSeek es el laboratorio chino de inteligencia artificial que publica modelos abiertos; nació del fondo de inversión cuantitativo High-Flyer y en 2026 ha sumado como inversores al gigante tecnológico chino Tencent y al fabricante de baterías CATL, según el medio económico chino Caixin. Según su README, DeepInfer es el motor que mueve sus servicios de producción a gran escala.

Admite un solo modelo, DeepSeek V4.1 Flash, y descarga por defecto su versión 1017 desde Hugging Face, la plataforma donde se publican modelos de IA para descargar. Corre en las GPU SM100 de Nvidia, la arquitectura Blackwell de sus B200 y GB200, y en los Ascend 950 de Huawei. Lo publicado es inferencia por lotes en el propio equipo, no un servicio en línea listo para atender usuarios.

Trae kernels optimizados, paralelismo para repartir el modelo entre muchas GPU, salidas estructuradas (JSON, expresiones regulares o gramáticas) y, en Nvidia, muestreo determinista, que repite el resultado ante la misma entrada. Según el README, parte sobre todo del motor de código abierto vLLM, con ideas de SGLang y TensorRT-LLM. La licencia Apache 2.0 permite usarlo, modificarlo y redistribuirlo, también con fines comerciales.

Tres piezas fuera del paquete

El anuncio de DeepSeek en X hablaba de un motor «totalmente abierto», según recoge Latent Space. El README, en cambio, enumera tres piezas «necesarias para un servicio de inferencia completo» que este lanzamiento no incluye: el sistema de caché KV, la separación entre la codificación de imágenes, el prefill y el decode, y el balanceo de carga entre réplicas.

El motivo lo da DeepSeek en su documento de preguntas y respuestas sobre el despliegue: la gestión de la caché KV y el balanceo de carga «están estrechamente acoplados a nuestra infraestructura interna», así que ese código «aún no se ha liberado del todo».

La separación de fases, casi hecha

De las tres ausencias, esta es la menor. El propio README matiza que, de la separación de fases, «la mayor parte de la funcionalidad necesaria del motor ya está implementada»: falta la pieza que la convierte en un servicio.

DeepSeek promete, además, que el código de inferencia de sus próximos modelos y las mejoras de rendimiento se seguirán publicando en DeepInfer.

Las cifras de DeepSeek y las cuentas de otros

Los dos datos de producción de la documentación son de DeepSeek: un solo clúster sirve actualmente 155 billones de tokens al día, con unos ingresos de 38 dólares por hora de GPU en tarifa valle, la de menos demanda. Son cifras autodeclaradas, sin auditar, y son ingresos, no beneficio.

Sobre ellas ha echado cuentas Latent Space, un boletín técnico para ingenieros de IA que se publica en Substack y que fundó swyx en 2022. A partir de los tokens servidos, calcula unos 22 millones de dólares de ingresos al día; y con un coste de 5 a 8 dólares por tarjeta y hora, estima un margen de alrededor del 80 % y una amortización de 81 días.

El propio boletín le pone freno: «los ingresos no son beneficio», y con costes de 5 a 10 dólares por hora el cálculo da entre el 73,7 % y el 86,8 %, no un margen único. Esas cuentas dejan fuera los discos de la caché, la red o la ingeniería, y un margen alto en inferencia puede convivir con grandes pérdidas de la empresa, advierte Latent Space.

Huawei, en el primer objetivo del diseño

El primero de los tres objetivos con los que DeepSeek dice haber diseñado el sistema de inferencia de V4.1 Flash es «soportar aceleradores de varios fabricantes». DeepInfer lo cumple con dos: Nvidia, con CUDA 13, y Huawei, con CANN 9.2.

Huawei, el gigante chino de las telecomunicaciones, define sus chips Ascend como «la base de nuestra estrategia de computación de IA». La serie 950 es la primera de las tres que presentó en Huawei Connect 2025 para los tres años siguientes, y CANN es la pila de software con la que se programan, su equivalente a CUDA.