梁文锋把赚钱的秘密开源了

除推出新模型外，DeepSeek在一周内陆续发布了自研搜索、推理框架及编解码组件。虽然搜索服务自11月1日起收费，但其他项目均免费开放源代码。

这三个产品实际上可以串联成一整套方案：无论你使用何种算力平台、何种harness、何种模型，只要搭配这三项，就能使用与DeepSeek相同的产品，并调用与DeepSeek一致的接口。

这正是梁文锋对开源普惠的看法。他曾在闭门会议上表示：“我们不会开源一个较差的版本，然后自己部署时用更好的。”

与此同时，DeepSeek在文章中公开了单卡每小时的具体收入数据。

在DeepSeek公众号最新发布的内容中，还有这样一句话：“为善与众行之，为巧与众能之。”

这句话出自战国时期尹文的《尹文子・大道上》。用现代语言解释，就是做善事要带领大家一起做；学本事、掌握技能，要让所有人都能学会。

这也是梁文锋推出这三款产品的根本动机：用户可以免费使用，DeepSeek也能因此获得数据流和入口，最终实现双赢。

梁文锋的做法看似“特立独行”，因为OpenAI、Anthropic乃至全球所有AI公司，都不敢以如此坦诚的态度进行开源。

不过，如果把视角拉高，你会发现梁文锋的策略与可口可乐出奇地相似。

这三款产品分别是什么作用？

先简要介绍这三款产品。用一句话概括：Search与Fetch相当于餐厅的“采购员”，负责从外部市场采购食材；DeepInfer是“后厨”，即模型运行的地方；deepseek-recipe则是“多语种菜谱”，让不同国家的人也能明白自己吃的是什么。

先从Search与Fetch说起，这是专为AI设计的搜索工具。

我们日常使用的搜索引擎是针对人类的。一页搜索结果中混杂着广告、推荐，以及大量需要用户自行判断的链接，点开后还有导航栏、弹窗、侧边栏。人类可以忽略这些干扰，但模型不行——每个多余的字都会占用它的上下文，这些可都是token，需要花钱。

DeepSeek的Search与Fetch是两个原始的JSON接口，使用方式与调用DeepSeek API相同，同样采用Bearer密钥进行鉴权。

Search负责“搜索”，每条结果除了标题和网址外，还附带短摘要、长摘要、可选的网页正文和发布时间。此外，还有两个专门为模型参考的分数：rerank_score（相关性重排分）和authority（来源权威度）。

Fetch负责“抓取”：输入一个网址，它返回清洗后的Markdown格式正文。

换句话说，这不是传统的“搜索框”，而是“可以直接嵌入模型上下文的素材”。

Search与Fetch的定价也基于Agent的使用场景设计。每1000次成功请求收费5元，折合下来每次搜索仅需五厘钱。

官方文档显示，在DeepSeek Harness、Claude Code、Codex这三个工具中，通过服务端工具调用使用的Search与Fetch，在北京时间2026年11月1日00:00之前免费，之后按次收费。

此外，Search与Fetch并不绑定DeepSeek的模型。只需拥有DeepSeek的API，就能在任何模型上调用Search与Fetch。

第二个是DeepInfer。

DeepInfer是DeepSeek线上大规模服务正在使用的推理框架。此次开源的是其离线推理版本和核心能力，采用Apache 2.0协议，可在英伟达和国产算力平台上运行。

很多人以为，模型发布后，将权重文件下载到自己的电脑上就完事了。

其实不然。权重只是一堆数字，要让模型高效运行，中间还需要一整套工程。这套工程就是推理框架。

模型就像一本写满字的书，即使书中内容再丰富，它本身不会说话，也无法回答你的问题。

DeepInfer就是让这本书开口的程序。你发送一句话，它将其输入模型文件，模型文件中的数字被调动起来，计算出回答，再返回给你。

DeepSeek官方表示，模型的能力边界由模型本身决定，而如何让这些能力以合理的成本服务海量用户，则是推理框架需要解决的核心问题。

第三个是deepseek-recipe。

就像在不同国家打招呼的方式不同一样，中国说“你好”，美国说“Hello”。不同模型的对话格式也各不相同：OpenAI的格式是Chat Completions、Responses，Anthropic的格式是Messages。

虽然本质上都是“向模型提问、从模型获取答案”，但格式不同就无法互通。即使相同的对话也无法在不同模型之间使用。

例如，如果你想在自己的服务器上运行DeepSeek模型，而你的客户端软件是用OpenAI的格式编写的，那么用OpenAI格式的指令去询问DeepSeek模型，它无法理解。这时就需要有人进行翻译。

deepseek-recipe所做的就是这层翻译工作。你发送OpenAI格式的请求，它将其翻译成DeepSeek模型能理解的内部指令（提示词），再编码成模型能识别的token，模型回答后，它再将回答翻译回OpenAI格式返回给你。

你无需改变输入的格式，两个不同的模型依然能理解。

官方技术文章提到了它解决的两个实际问题。

一是防注入：特殊标记通常用于标识角色和边界，但用户可能在输入中故意打出相同的字符串，冒充系统发号施令。recipe的做法是，只有提示词构建时显式插入的标记才会映射到真正的特殊token，用户输入中的相同文本会被当作普通文字编码。

二是长文本提速：特殊标记之间的普通文本可以独立编码，因此它先定位边界，再并行编码各段，最后按顺序拼回去，从而降低长上下文请求的分词延迟。

在实际场景中，这三款产品可以串联使用。例如，一家公司想自行部署V4.1 Flash，就需要使用DeepInfer。若想配合其他模型，则需挂载recipe来转换格式。

执行层随后拿着这个调用去请求Search和Fetch，将清洗后的结果返回对话，模型继续输出答案。

为什么DeepSeek像可口可乐？

这三款产品还有一个共同点：每一样都留了一扇门，让你无论处于何种场景，都能使用DeepSeek的产品。

如果你算力充足，想自行部署与DeepSeek官方相同的推理能力，那就使用DeepInfer，并搭配已公开的模型权重。

而且，无论你使用的是英伟达GPU还是国产GPU，DeepInfer都兼容。

如果你已有自己的推理后端，想运行DeepSeek的模型，又不想自行编写协议转换和提示词渲染，那就使用deepseek-recipe。

如果你使用的是其他公司的模型或Harness，联网能力不足，那就接入Search与Fetch。

归根结底就是两个字：“安排”。无论什么情况，梁文锋都已替你安排妥当。

除此之外，还有一件有趣的事：梁文锋亮出了自己的底牌。

在DeepSeek那篇部署实践中，不仅写了“我们应该怎么做、如何部署”，还列出了具体成本：单一集群每天155万亿Tokens的吞吐量，整体收入按谷价计算为平均每卡每小时38美元；Prefill每卡每秒6万到150万token；Decode每卡每秒1.4万token，单个用户看到的输出速度约每秒230个token，代码场景约300个；首字时延平均400毫秒，P99为1000毫秒。

这相当于告诉行业：硬件如何搭建、缓存保留多久、一张卡一小时能创造多少收入。38美元乘以24小时再乘以30天，一张卡一个月约2.7万美元的收入。

而且，平均每个请求输入77K token中，96%都命中缓存，命中缓存后每卡吞吐量提升25倍。

梁文锋曾在投资人闭门会议上表示：“我们的API定价包含一个合理的利润，大概是我们到市场上买一批设备回来，10个月收回成本，我认为这是一个合理的利润。”

每张卡赚的钱本质上与工资类似，无论在任何单位，工资通常都是保密的。OpenAI、Anthropic也从未公开过自己每张卡的单位经济。

梁文锋捅破了这层窗户纸，也符合他自己的哲学。在闭门会议上，梁文锋表示，DeepSeek只赚取合理利润，同时拿得少的人会打败拿得多的人。

单从收入和DeepSeek自身API的价格来看，DeepSeek显然属于拿得少的那一类。公开这组数字，也是在证明梁文锋说过的那句话：“我们只赚取一个合理的利润，而不是利润最大化。”

另一方面，梁文锋之所以敢透露这些，也是在说明：“DeepSeek的护城河并不在成本上。”

DeepSeek就是AI时代的可口可乐，配方全部公开，但赚钱的根本不是配方。

2011年，可口可乐配方泄露，然而结果却是“无事发生”。

可口可乐表示，不承认这是当前使用的配方，而是早期历史手稿，现在的量产版本早已迭代修改。

《This American Life》播客节目组自行找了Jones Soda汽水厂的调香师帮忙复现，进行盲测后，一部分试饮者无法区分，另一部分老可乐爱好者认为两个配方之间有区别。

尽管如此，可口可乐股价未变，销量反而有所增长。因为可乐真正的护城河从来不是糖浆配方，而是灌装分销网络、品牌心智和成本纪律。

可口可乐不是重点，喝可口可乐才是。

DeepSeek也一样，能开源的基本都开源了，想下载就自行下载。敢公开配方的公司，手里都握着比配方更有价值的东西。

梁文锋图什么？

梁文锋归根结底不是慈善家，人总是要吃饭的，更何况现在的DeepSeek已达到数百人的规模。

梁文锋也曾明确表示：“我们明确是要有商业化的。我们最终还是要能活下去。”

“我们本质上还是一个公司，只是说我们在考虑赚哪些钱、什么时候赚钱、赚多少钱、靠什么赚钱，我们有取舍。”

只不过在赚钱方面，梁文锋更想要的是与用户“双赢”。DeepSeek提供便宜甚至免费的产品，用户逐渐习惯DeepSeek的模式，扩大DeepSeek的影响力和规模。

目前的情况是，模型之争已经过去，各家旗舰模型的差距在收窄，仅靠参数和榜单很难再拉开差距。竞争的重心正从“谁的模型更强”转向“谁掌握了入口、数据流和格式”。

就像可口可乐，它不直接卖汽水给你，而是将浓缩糖浆卖给全球授权灌装厂。灌装厂自行购买瓶子、建设渠道、进行市场推广，可乐公司收取糖浆费和品牌费。

DeepSeek至今也没有像OpenAI、Anthropic那样直接销售订阅，从头到尾只有API。

回流的数据流和格式锁定才是真正有价值的东西。免费期铺进Claude Code和Codex，就是把印有可口可乐标志的冰柜摆进对手的店里。开源是糖浆生意，不是汽水生意。

模型虽然也很重要，但已不再是唯一的战场。

Search与Fetch最耐人寻味的地方在于，它能帮助DeepSeek抢占入口。

Agent每次需要查资料时，都需要一个搜索工具来回答。谁成为它默认调用的那个，谁就占据了一个入口。而且用户想使用任何模型都可以通过这个入口。

不仅如此，每个接入的Agent的每一次查询、抓取、引用选择，都可能成为DeepSeek的训练信号，形成“入口、数据、模型、更强的入口”的飞轮。

recipe将官方的处理逻辑直接做成一个公共库，各家照着使用，行为自然而然就对齐了。

对开发者而言，这是一件好事。他们针对DeepSeek官方行为调好的Agent，换一家第三方服务商，也不容易出问题。

对DeepSeek而言，它的提示词格式、工具调用格式、流式输出规则，会随着越来越多的第三方服务器采用，成为事实上的通用写法。

DeepSeek官方还表示：“未来，DeepSeek新模型的推理代码及后续性能优化也将在DeepInfer中持续开源。”

这意味着，围绕DeepInfer搭建了基础设施的团队，可以在DeepSeek新模型发布时第一时间跟上。这同样也是一种黏性。

开放，可以让更多人在DeepSeek的路线上搭建东西，最终形成规模效应。别人可以抄袭DeepSeek的模型、定价，却无法抄袭DeepSeek的规模。

量一旦上来，灌装线折旧、广告研发摊到每一瓶上越来越薄；采购议价权上升；产量越大，损耗率、配送成本越低；卖得越多，货架冰柜越密，单位配送成本越低。

便宜反过来又会锁住规模，卖一杯哪怕只赚一分钱，卖一百亿杯，就是印钞机。

“为善与众行之，为巧与众能之”便是如此。

本文来自微信公众号“字母AI”，作者：苗正，36氪经授权发布。