DeepSeek新模型+推理引擎实测：开源AI逼近前沿

DeepSeek在假期后迅速放出重磅更新：新一代开源模型DeepSeek C.E Flash 1017（命名来自10月17日发布日）以及推理引擎DeepInfer。据B站UP主“AI Search”的实测视频，这款模型在多项高难度任务中展现出接近前沿闭源模型的实力，而DeepInfer则首次公开了大规模推理优化的核心细节——包括96%的输入缓存命中率和约80%的毛利率。这不仅是技术迭代，更可能改变开源与闭源模型的竞争格局。

模型实测：从地球周长到3D游戏，能力全面逼近前沿

UP主设计了一系列极具挑战性的任务来检验模型的实际能力。第一个任务是制作一个极简风格的地球周长测量讲解视频，要求模型自行规划场景、生成配音（借助Gemini TTS）、使用Hyperframes开源工具制作动画。模型运行36分钟，消耗约2200万token，缓存命中率99%，最终产出的视频质量“比得上从Claude和GPT这类前沿模型那里得到的结果”。

第二个任务更复杂：在Unreal Engine中制作一款程序化3D游戏，场景为中国古代皇家风格，资产在Blender中生成，并要求模型启动一个“批评智能体”进行自我评分迭代。模型实际运行了16轮，批评智能体最高只给出5.5分（满分10分），未达到8.5分的3A标准。UP主评价其“大概达到了前沿模型八成水平”，但渲染出的角色、建筑变体以及移动、冲刺、跳跃等玩法机制已经具备基本框架。该任务消耗约3.75亿token，缓存命中率99.5%。

在音乐创作测试中，模型需要自主找到DAW（Waveform）并使用VST插件制作一首欧洲流行EDM。首轮结果“挺糟糕”，经过用户反馈调整后，第二轮旋律与市面上其他模型相似，UP主认为“不如GPT-6 Astra或OPS，但达到80%到90%的水平”。

Hyperframes 是文中提到的开源动画工具，属于一类基于浏览器渲染的可编程动画框架，开发者通过代码描述时间轴、图层变换与合成操作，再逐帧导出为视频。它与传统剪辑软件的区别在于完全可脚本化，因此适合由 AI 智能体以代码方式驱动：模型只需生成结构化的场景与关键帧描述，即可自动渲染出成片。这类“代码即动画”的工具是近期智能体制作视频任务得以可行的重要前提，也是此类任务 token 消耗量巨大的原因之一——模型需要同时生成规划、代码和素材描述。

视觉与推理：找青蛙惊艳，医学识别全错

最令人惊讶的是“找青蛙”测试。UP主上传一张藏有青蛙的图片，不提示动物存在，仅要求识别并圈出。模型将图片拆分成多个区域，调整对比度和饱和度，甚至试图提取EXIF元数据（已被清除），最终成功定位青蛙。UP主称“这差不多是我遇到的唯一一个能真正成功找到青蛙的模型，就连Opus或GPT-6都找不到”。

但在脑肿瘤识别任务中，模型对六张脑部扫描图的肿瘤类型判断全部错误。UP主指出，即便是最好的模型六道题大概也只能做对一道，因此这一结果并不意外。

深度研究任务中，模型用20分钟生成了一份关于阿尔茨海默病中β淀粉样蛋白和tau蛋白传播机制及抗体疗法三期临床试验的HTML报告，包含表格、图表和完整参考文献。UP主评价“全面又简洁，和GPT-6 Astra不相上下，远好于OPS5.5”。

创造力测试要求提出三个改善工厂化农场动物福利的可行构想。模型思考10分钟后给出“气候自动驾驶”和“觅食自动驾驶”等方案，详细阐述了问题背景、产品逻辑和预期效果，展现了较强的结构化思维能力。

EXIF 元数据 是数码相机和手机在拍摄时写入图像文件的附加信息，通常包括拍摄设备型号、时间戳、光圈快门参数，以及部分设备记录的 GPS 坐标。在“找青蛙”这类视觉任务中，模型尝试读取 EXIF 是一种“绕过视觉推理”的捷径：若图片保留了拍摄地点或时间等线索，可能辅助定位目标。而该图已被清除元数据，因此这一路径失效，模型最终仍依靠图像本身的区域切分与对比度增强完成定位，这反而更能说明其视觉推理能力是真实的而非依赖元信息。

成本与规格：5520亿参数，总测试成本仅6美元

全部测试任务（包括数小时的Blender和游戏开发任务）总成本仅6美元——UP主充值50美元后余额还剩44美元，“便宜得离谱”。

模型采用混合专家架构，总参数5520亿，激活参数160亿，效率极高。在智能体编程、通用智能体、知识、自动化等基准测试中，新版本比上一代提升几个百分点，击败了GLM5.3和Kimi K3等开源模型，性能几乎与GPT-5.6 Sol持平。在KernelBench（GPU底层代码编写）中排名第三，仅次于最新Claude模型，但击败了Gemini 4 Argon、Claude Fable和GPT Leo Astra。

效率对比图显示，在“智能水平 vs 单任务成本”坐标系中，DeepSeek^广告位于最左端，效率甚至超过顶级GPT和Claude模型。模型已在Hugging Face和ModelScope开源，全量约510GB，社区已推出量化版本（如Unsloth的4bit GGUF仅233GB），但仍需高端GPU才能本地运行。

混合专家架构（MoE） 指模型内部由多个独立的“专家”前馈网络组成，配合一个路由网络，对每个 token 只激活其中少数几个专家。文中 5520 亿总参数与 160 亿激活参数的组合即典型 MoE 配置：参数总量决定知识容量，激活量决定单次推理的计算与显存开销。这正是其“智能水平高但单任务成本极低”的结构性原因。与稠密模型相比，MoE 可用更大的总参数换取更强的知识覆盖，同时把每 token 的计算量控制在较小规模，但代价是对显存容量和专家并行通信的要求更高，也是其全量权重仍达约 510GB 的原因。

KernelBench 是用于评测大模型编写 GPU 底层内核代码能力的基准，题目通常要求模型用 CUDA 或 Triton 实现矩阵乘、归约、注意力等算子，并以相对 PyTorch 基线的加速比作为评分依据。这类任务对模型的硬件理解、并行思维和数值正确性要求极高，是衡量“代码能力上限”的硬指标之一。文中模型在此项排名第三，说明其在系统级编程上已进入第一梯队，但仍有提升空间。

DeepInfer：公开推理优化机密，支持华为昇腾

DeepInfer并非新模型，而是DeepSeek数据中心大规模运行模型的推理引擎。官方披露的数据令人震惊：单集群每天处理高达155万亿token，每GPU小时收入38美元，估算毛利率约80%（仅计算GPU成本）。96%的输入缓存命中率意味着大部分计算复用先前结果，这是高吞吐和高利润的关键。

这一发布之所以重要，是因为所有前沿实验室都将推理优化视为最高机密——这是它们通过订阅服务盈利的核心。DeepSeek却选择免费公开，允许研究和商业使用。不过UP主也指出，DeepInfer并非完整生产系统，缺少缓存和负载均衡基础设施，不能直接复制其经济效益。

另一关键细节是DeepInfer不仅支持英伟达芯片，也能在华为昇腾芯片上运行。UP主分析认为，这为英伟达提供了切实可行的替代方案，对中国企业尤为重要——在出口限制下，降低对英伟达的依赖意味着更强的供应链韧性，也有助于缓解全球芯片短缺和定价压力。

输入缓存（prefix caching）命中率 指推理服务端把此前处理过的提示词前缀的键值缓存（KV Cache）保存下来，当新请求包含相同前缀时直接复用，无需重新计算。对智能体类负载尤为有效，因为多轮工具调用中系统提示、历史对话和文件内容大量重复。96% 的命中率意味着绝大部分输入 token 的计算被跳过，直接转化为吞吐提升与成本下降，是解释其 80% 毛利率的关键机制。需要注意的是，缓存命中依赖前缀完全一致，实际部署还需配合调度与淘汰策略，这也是该引擎无法被简单复制的原因。

华为昇腾 是华为自研的 AI 加速芯片系列（如 Ascend 910 系列），配套 CANN 软件栈与 MindSpore 框架。让推理引擎同时适配英伟达 CUDA 与昇腾，意味着算子实现、显存管理和通信原语都需要双套后端，工程量可观。对受出口限制影响的中国企业而言，这一适配提供了真实的替代路径，也解释了为何该细节被视为此次发布中具有产业意义的部分。

总结：开源智能的新高度

综合实测与基准数据，DeepSeek C.E Flash 1017在智能体任务、深度研究、代码生成等方面已接近GPT-5.6 Sol水平，部分场景（如找青蛙）甚至超越前沿闭源模型，但在3D游戏、音乐创作等任务上仍有约20%的差距。其极致效率和开源策略，加上DeepInfer揭示的推理优化秘密，构成了对闭源前沿实验室的有力挑战。UP主总结道：“这么强的智能水平加上优化软件，估值可能高达数十亿美元，但DeepSeek竟然决定免费发布，这太疯狂了。”