> ## Content Index > Fetch the complete content index at: https://www.digitalbrain.news/llms.txt > Use this file to discover other available public pages before exploring further. # DeepSeek abre en código abierto DeepInfer, su motor de inferencia - URL: https://www.digitalbrain.news/noticias/deepseek-deepinfer-motor-inferencia-codigo-abierto/ - Published: 2026-10-20T10:54:17.000Z - Updated: 2026-10-20T10:55:56.000Z - Description: DeepSeek ha publicado en código abierto DeepInfer, el motor de inferencia con el que sirve su modelo DeepSeek-V4.1-Flash en producción. - Author: Ramón Pérez Coronado - Tags: #noticias, deepseek, inferencia, huawei, nvidia, open-source [DeepSeek](https://www.digitalbrain.news/guias/que-es-deepseek/) ha publicado en [código abierto](https://www.digitalbrain.news/glosario/#open-source) DeepInfer, el motor de [inferencia](https://www.digitalbrain.news/glosario/#inferencia) con el que sirve su modelo DeepSeek-V4.1-Flash en producción. El código está en [GitHub](https://github.com/deepseek-ai/DeepInfer?ref=digitalbrain.news) con licencia Apache 2.0, y la empresa lo ha acompañado de un [artículo técnico en Zhihu](https://zhuanlan.zhihu.com/p/2095560295930508953?ref=digitalbrain.news) con dos números que los laboratorios casi nunca enseñan: un solo clúster suyo sirve 155 billones de [tokens](https://www.digitalbrain.news/guias/que-es-un-token-en-ia/) al día y factura 38 dólares por tarjeta gráfica y hora, a precio de hora valle. Un motor de inferencia es el software que coge un modelo ya entrenado y lo pone a contestar peticiones. Reparte el trabajo entre las tarjetas gráficas, decide qué peticiones van juntas y guarda lo ya calculado para no repetirlo. Es la pieza que decide cuánto cuesta cada respuesta, y hasta hoy la de DeepSeek era privada. ## Puntos clave de DeepInfer - **Qué es:** el framework de inferencia de los servicios de producción de DeepSeek. Esta versión hace inferencia offline (procesar lotes de peticiones) con las funciones que hacen falta para servir a escala. - **Modelo soportado:** solo DeepSeek-V4.1-Flash. El checkpoint por defecto es \`DeepSeek-V4.1-Flash-1017\`, la actualización que [salió el 17 de octubre](https://www.digitalbrain.news/noticias/deepseek-v4-1-flash-1017-search-fetch-api-precio/). - **Hardware:** tarjetas [Nvidia](https://www.digitalbrain.news/glosario/#nvidia) de arquitectura SM100 (la familia Blackwell de centro de datos) y chips Huawei Ascend 950. - **Licencia:** Apache 2.0, con uso comercial permitido. - **Lo que no incluye:** el sistema de caché KV, la separación de las fases de lectura y generación en máquinas distintas, y el balanceo de carga entre réplicas. DeepSeek dice que esas partes están demasiado pegadas a su infraestructura interna. ## ¿Puedo ejecutar DeepSeek en mi ordenador con DeepInfer? No. DeepInfer está hecho para centros de datos: las pruebas de rendimiento que publica DeepSeek se han medido con 4 tarjetas SM100 para la fase de prefill (cuando el modelo lee tu mensaje) y 64 para la de decode (cuando escribe la respuesta). Si lo que quieres es probar un modelo en tu portátil, esto no te sirve. Para eso están herramientas como [Ollama](https://www.digitalbrain.news/glosario/#ollama) o LM Studio, con modelos mucho más pequeños. DeepInfer es software para el equipo de infraestructura de un proveedor de IA o de una empresa grande con sus propios servidores. ## Qué hay dentro DeepInfer junta piezas que DeepSeek ya había abierto por separado: FlashMLA, DeepGEMM y DeepEP, sus librerías de cálculo para tarjetas gráficas, más núcleos escritos en TileLang, el lenguaje que la empresa también publicó para programar ese tipo de código. Encima de eso añade varias funciones propias: - **DSpark**, su sistema de decodificación especulativa. El modelo adelanta hasta 5 tokens de borrador y luego verifica primero los que tienen más probabilidad de acertar, según una estimación de confianza. Menos trabajo de verificación desperdiciado en tokens que iban a fallar. - **SWA bounded replay.** Cuando falta una parte de la caché, en vez de recalcular toda la ventana de atención capa a capa, recalcula solo los últimos 128 tokens. Según DeepSeek, eso deja casi a la mitad el cálculo total de la fase de prefill. - **Resultados deterministas.** Misma entrada y mismos parámetros, misma salida, aunque la petición viaje en un lote junto a otras distintas. Solo en Nvidia. Para quien tiene que auditar lo que responde un modelo (banca, seguros, legal) esto pesa más que la velocidad. - **Salidas estructuradas**, para obligar al modelo a contestar con un JSON que cumpla un esquema, una expresión regular o una gramática. - **Planificación asíncrona.** La CPU prepara el siguiente lote mientras la tarjeta calcula el actual, así la tarjeta no se queda parada esperando. DeepSeek reconoce en el propio README que DeepInfer se construyó al principio sobre vLLM, uno de los motores de inferencia abiertos más extendidos, con ideas sacadas de SGLang y de TensorRT-LLM, el de Nvidia. Junto al motor ha abierto también deepseek-recipe, el componente que traduce entre los formatos de API más usados (Chat Completions y Responses de [OpenAI](https://www.digitalbrain.news/glosario/#openai), Messages de [Anthropic](https://www.digitalbrain.news/guias/que-es-anthropic/)) y los tokens del modelo. Lo que busca, según la empresa, es que quien despliegue el modelo por su cuenta obtenga lo mismo que con la API oficial. ## Los números que ha enseñado DeepSeek En Hacker News, donde el hilo pasa de 250 puntos en unas horas, lo más comentado son las cifras del artículo técnico: - **155 billones de tokens al día** (155 millones de millones) en un solo clúster. - **38 dólares por tarjeta y hora** de ingresos, calculados con la tarifa de hora valle, que es la más barata. - **Prefill en máquinas normales de 8 tarjetas** y decode en supernodos de 64 a 128 tarjetas. - **Caché de más de 72 horas.** La guarda 3 días para el tráfico de agentes y 7 días para el de [chatbot](https://www.digitalbrain.news/glosario/#chatbot), sobre unos 100 PiB de discos SSD en 3FS, su sistema de archivos distribuido. Lo de la caché explica buena parte de los precios de DeepSeek. Cuando un agente vuelve a mandar el mismo contexto largo (el código del proyecto, un contrato de 200 páginas), el sistema no lo vuelve a leer desde cero, recupera lo que ya calculó. Y DeepSeek lo conserva días, cuando en los proveedores grandes esa caché dura minutos o una hora. Por eso puede cobrar tan poco por los tokens de entrada repetidos. Con un matiz. DeepSeek no dice con qué tarjeta exacta ha hecho la cuenta ni cuánto le cuesta cada una, así que los 38 dólares son ingreso y no beneficio. Y la caché, que es justo lo que abarata el servicio, es una de las partes que se ha quedado fuera del código abierto. ## Qué gana DeepSeek abriéndolo La empresa no lo explica más allá de que quiere que la IA llegue a más gente a menor precio. Y promete que el código de inferencia de sus próximos modelos también saldrá en DeepInfer. Creo que hay dos lecturas razonables. La primera: si cualquier proveedor puede servir los modelos de DeepSeek casi tan barato como la propia DeepSeek, sus modelos llegan a más empresas fuera de China sin que esas empresas tengan que mandarle datos. La segunda es el hardware. Un motor que corre igual en Nvidia que en Huawei Ascend es exactamente lo que necesita la industria china con las restricciones de exportación de chips. El momento también cuenta. Llega un día después de que [Estados Unidos prohibiera DeepSeek en sus agencias federales civiles](https://www.digitalbrain.news/noticias/eeuu-prohibe-deepseek-agencias-federales/), una orden que alcanza incluso a productos de terceros construidos sobre sus modelos. La prohibición sigue igual, y a la vez montar DeepSeek en servidores propios, lejos de la empresa china, es hoy bastante más fácil. ## Cómo probar DeepInfer Solo si tu equipo tiene acceso a tarjetas Nvidia SM100 o a Huawei Ascend 950\. Son los pasos del README oficial: 1\. Prepara una máquina Linux con GCC 13 o superior, Python 3.12 y CUDA 13 (en Ascend, CANN 9.2). 2\. Crea un entorno de Python 3.12 vacío y actívalo. 3\. Ejecuta \`export DEEPINFER\_ACCELERATOR=nvidia\` (o \`ascend\`) y después \`./build.sh\`. 4\. Lanza \`python examples/offline\_inference.py\`. La primera vez descarga de [Hugging Face](https://www.digitalbrain.news/glosario/#hugging-face) el checkpoint DeepSeek-V4.1-Flash-1017. ## Por qué importa a una empresa española Si usas DeepSeek por su API, hoy no cambia nada para ti. Muchas empresas aquí no usan DeepSeek porque no quieren mandar datos a servidores en China, por RGPD o por política interna. Con DeepInfer, un proveedor europeo o tu propio equipo de infraestructura puede servir el modelo con el mismo motor que usa DeepSeek. Falta la caché y el balanceo, que tocará montar aparte, así que no sale tan barato el primer día. Para la mayoría, la decisión práctica es preguntarle a tu proveedor de IA si va a usar DeepInfer, cuánto cobra por los tokens que repites y cuánto tiempo te guarda la caché. Si trabajas con agentes que reenvían el mismo contexto cien veces al día, esa última cifra mueve la factura más que el precio por millón de tokens. Fuente original: [GitHub](https://github.com/deepseek-ai/DeepInfer?ref=digitalbrain.news) --- **Relacionado** [![EEUU prohíbe DeepSeek en sus agencias federales civiles](https://storage.ghost.io/c/6d/e3/6de31f63-d0a8-45df-9c6a-481016520347/content/images/size/w300/format/webp/2026/10/eeuu-prohibe-deepseek-agencias-federales.jpg)EEUU prohíbe DeepSeek en sus agencias federales civiles](https://www.digitalbrain.news/noticias/eeuu-prohibe-deepseek-agencias-federales/)[![Qwen3.8-27B corre en Cerebras a unos 1.500 tokens por segundo](https://storage.ghost.io/c/6d/e3/6de31f63-d0a8-45df-9c6a-481016520347/content/images/size/w300/format/webp/2026/09/qwen-3-8-27b-cerebras-1500-tokens-segundo.png)Qwen3.8-27B corre en Cerebras a unos 1.500 tokens por segundo](https://www.digitalbrain.news/noticias/qwen-3-8-27b-cerebras-1500-tokens-segundo/)[![DeepSeek diseña su propio chip de inferencia para depender menos de Nvidia y Huawei](https://storage.ghost.io/c/6d/e3/6de31f63-d0a8-45df-9c6a-481016520347/content/images/size/w300/format/webp/2026/07/deepseek-chip-inferencia-propio-nvidia-huawei.png)DeepSeek diseña su propio chip de inferencia para depender menos de Nvidia y Huawei](https://www.digitalbrain.news/noticias/deepseek-chip-inferencia-propio-nvidia-huawei/)