En la madrugada de hoy, 20 de octubre de 2026, DeepSeek anunció en su cuenta de X que DeepInfer, el motor detrás de su propia API, es “ahora completamente de código abierto”. La publicación acumuló 1.5 millones de vistas en cinco horas y el repositorio alcanzó 8,663 estrellas en GitHub para las 10:33 AM ET. Sin embargo, un análisis detallado del código y la documentación revela que la liberación dista de ser completa: faltan componentes esenciales para desplegar un servicio de inferencia comercial, y la economía que permite a DeepSeek cobrar 38 dólares por hora por GPU sigue siendo un secreto celosamente guardado. Para México y Latinoamérica, esta noticia es relevante porque expone las tensiones entre el discurso de código abierto y las realidades de infraestructura en la industria de la inteligencia artificial, y porque las empresas de la región que buscan reducir costos de cómputo deben entender qué se puede y qué no se puede hacer con lo liberado.
¿Qué es DeepInfer y qué se liberó exactamente?
DeepInfer es el motor de inferencia que DeepSeek utiliza para servir su modelo V4.1 Flash a través de su API. Su liberación bajo licencia Apache 2.0 incluye el código de inferencia offline, es decir, la capacidad de ejecutar el modelo en un clúster propio sin conexión a Internet. Sin embargo, el README del repositorio es explícito: “Esta versión de código abierto proporciona inferencia offline”. No hay servidor de API en el repositorio; el único código HTTP es un endpoint de perfilado que se activa con una variable de entorno.
El documento de preguntas y respuestas (Q&A) que acompaña la liberación enumera cinco componentes necesarios para un servicio completo: un balanceador de carga para prefill, otro para decode, uno para el codificador de visión, uno para el paralelismo de expertos y un almacenamiento de caché KV. De estos, solo el balanceador de expertos está incluido en el repositorio. Los otros cuatro no se liberaron, y DeepSeek explica por qué en el mismo documento: “La gestión de la caché KV y los componentes de balanceo de carga están estrechamente acoplados a nuestra infraestructura interna, por lo que ese código aún no está completamente abierto”.
Además, el sistema de archivos 3FS, que subyace a la caché, es de código abierto desde febrero de 2025, pero el componente que gestiona la caché sobre él (kvcache-store) no está incluido. Esto significa que los desarrolladores pueden ejecutar el modelo, pero no pueden montar un servicio comercial sin reconstruir esas piezas.
La economía de los 38 dólares por hora
El Q&A también revela que cada GPU en el servicio de DeepSeek genera 38 dólares por hora. Para ponerlo en perspectiva, Google Cloud renta una B200 (la misma clase Blackwell que el objetivo “SM100” de DeepInfer) por 4.95 dólares la hora en spot, 7.09 en un contrato a 3 años y 11.12 en uno a 1 año. Es decir, los ingresos por GPU de DeepSeek son entre 3.4 y 7.7 veces el costo de renta. Aunque los ingresos no son ganancias, esa diferencia es la economía del negocio, y reside en los cuatro componentes que no se liberaron.
El Q&A es claro sobre la escala mínima: “la unidad de despliegue eficiente más pequeña es de 64 GPUs para prefill más 64 GPUs para decode”. Los benchmarks del README se midieron en 4 GPUs SM100 para prefill y 64 para decode. Con 128 GPUs, el costo de renta en Google Cloud oscila entre 633 y 1,423 dólares por hora, según el contrato. A eso hay que sumar el almacenamiento: 128 x 14.4 TB. Para la mayoría de las empresas latinoamericanas, esta escala es prohibitiva, y confirma que DeepInfer está diseñado para nubes, no para desarrolladores individuales.
¿Cuánto de vLLM hay en DeepInfer?
DeepSeek reconoce que DeepInfer “fue construido originalmente sobre vLLM”, el motor de código abierto que utiliza gran parte de la industria. Un análisis de líneas de código realizado por Tensorust reveló que solo el 6.82% de las líneas del paquete deepinfer/ coinciden exactamente con alguna versión de vLLM. El archivo más parecido es shm_broadcast.py, con un 76.7% de coincidencia, mientras que el núcleo del motor (llm_engine.py) tiene un 19.2%. La estructura de carpetas aún conserva nombres de vLLM de 2023, pero el código interno fue reescrito en gran medida. Esta métrica subestima el parecido familiar, pero indica que DeepSeek escribió la mayor parte del motor desde cero.
Kernels personalizados y la sombra de Huawei
Los kernels personalizados de DeepInfer (los pequeños programas que ejecutan las operaciones matemáticas en la GPU) se encuentran en tilelang_ops/, con un backend por chip. Hay 30 kernels, cada uno con dos versiones: una para Nvidia y otra para Huawei Ascend. Los kernels para Ascend son un 52% más grandes en líneas de código que los de Nvidia. Esto sugiere que DeepSeek está optimizando para el hardware de Huawei, que no está sujeto a las restricciones de exportación de Estados Unidos. De hecho, el 19 de octubre de 2026, Estados Unidos prohibió el uso de DeepSeek en agencias federales, y al día siguiente DeepSeek libera un motor que corre en silicio de Huawei. Para los proveedores de nube chinos que quieran ofrecer DeepSeek a precios competitivos, esto es una bendición.
El repositorio contiene 1,147 líneas con comentarios o docstrings en chino, lo que evidencia que es un sistema de producción, no una demostración. La historia del repositorio son solo 3 commits: uno inicial con 345 archivos y 63,326 líneas, y dos actualizaciones de documentación. Fue exportado desde un entorno privado esa misma mañana.
Implicaciones para LATAM
Para los desarrolladores y empresas de América Latina, la liberación de DeepInfer tiene un valor limitado. La escala mínima de 128 GPUs y la falta de componentes clave para servicio comercial hacen que no sea una solución práctica para la mayoría. DeepSeek sigue ofreciendo su API a bajo costo, que es la vía realista para acceder a su modelo. Además, la versión de 1-bit de V4.1 Flash, reducida de 508 GB a 250 GB, puede ejecutarse en una máquina con 128 GB de RAM, lo que es más accesible para pruebas y desarrollo.
La noticia también subraya la importancia de la soberanía tecnológica. Mientras Estados Unidos restringe el acceso a DeepSeek, China impulsa su propio ecosistema de hardware y software. Para Latinoamérica, esto es un recordatorio de que la dependencia de plataformas extranjeras conlleva riesgos geopolíticos y que la inversión en infraestructura local y en talento es crucial.
Conclusión
DeepSeek ha dado un paso significativo al liberar el motor de inferencia, pero no ha regalado su ventaja competitiva. La liberación es útil para investigación y para entender la arquitectura de un sistema de producción a gran escala, pero no permite replicar su modelo de negocio. La comunidad de código abierto celebra el gesto, pero debe ser consciente de sus límites. En un contexto donde las grandes tecnológicas no liberan nada de sus sistemas de producción, DeepSeek al menos comparte el 93% del motor. El debate sobre si eso es suficiente está abierto.
Te puede interesar
- DeepSeek ajusta tarifas de su API V4: fines de semana tendrán precio único fuera de horas pico
- La IA china en la encrucijada: DeepSeek y ByteDance eligen caminos diferentes
