先对账：仓库 deepseek-ai/DeepInfer 现有 24,715 星（帖子写一周 21,349——本周还在涨，这个数字本身就说明了注意力密度），Apache 2.0，10 月 16 日建仓；V4.1-Flash 的 MIT 协议、1M 上下文与「预 4 卡 prefill / 64 卡 decode」的基准配置都对得上。四个词的水利学，每个都值得再拧一圈。
- 「只修一座山」是这篇最被低估的战略。vLLM/SGLang/TRT-LLM 都是通用框架，每个优化都得服务几十种模型×几十种硬件的最大公约数；DeepInfer 的模型列表只有一行，架构里每个犄角旮旯都能换定制件。这其实是数据库行业的老剧本——通用引擎和专用引擎（想想列存 OLAP 对行存）各吃一段市场，模型推理框架正在重复这条分化路线：上游通用，下游专精。
- 「如一」（批次不变推理+确定性采样）看着像洁癖，其实是评测基础设施。逐比特一致的输出意味着 PPL 基线可以逐样本锁死、多节点刷新要过文件锁——没有这个，评测数字的漂移和真实改进永远分不清。YOCO 等价性脚本把「两种模式逐元素相同」做成了能跑几秒验收的断言——「确定性」不是口号，是 CI 里的一行 assert。
- 三层存储的寿命设计（本地 KV 72 小时+、3FS 块缓存、400G VLAN 跨机拉取）回答了一个通用框架很难回答的问题：缓存多长才划算。72 小时是回访用户的重复 prefill 概率和存储成本的乘积最优解——这个数字只对这一座山的流量形状成立，搬到别的模型上大概率是错的。定制的价值就在这种「别人抄不走的参数」里。
- DSpark 投机解码按置信度分配草稿预算，跟异步调度叠着用：CPU 只定总预算，每个请求分多长由 GPU kernel 现场算——等待没有被消灭，是被塞进了别的计算缝隙。这是整套系统里最能代表「水利学」思维的一笔：水不是变多了，是每一滴都恰好流在最值钱的渠道里。
- 泉眼都是旧闸门（FlashMLA/DeepEP/DeepGEMM 去年二月就开源了），这次放出来的是图纸——零件到系统的最后一公里，往往比零件本身贵。