DeepSeek

DeepSeek：从模型结构到推理基础设施

根据 DeepSeek-V2、DeepSeek-V3.2 和 DualPath 的原文，MLA、MoE、稀疏注意力及多轮智能体请求分别改变 KV 占用、专家通信、长上下文访存和旧 KV 取回的成本。¹²³ 本专题按这些问题组织阅读材料，并把模型报告、开源实现与生产部署说明放在一起看。

纳入范围与证据

收录 DeepSeek 自身的模型或基础设施、直接研究其生产推理路径的工作，以及已有的相关博客。## 核心论文 只列本站已完成全文笔记的论文；官方技术报告虽有原文链接，目前尚无本站全文笔记，列在后面的阅读路线中。其他论文即使使用 DeepSeek 模型做实验，也不因此成为本专题成员。博客的阅读状态以各自页面为准；外部讲解仅作为阅读线索，不据其标题推断技术结论。

引用说明：正文使用编号脚注，文末列出对应参考文献。技术机制是据所列来源写的转述，生产数据只代表原作者的报告；「本站的综合判断与待验证问题」中的跨材料判断与待测问题由本站提出。本站不转载他人的原文段落、图表或代码。文末第三方讲解尚未核对正文和作者，只标为阅读入口，不据此撰写技术结论。

核心论文

• DSpark-arXiv26 — 草稿生成与验证长度调度；已有全文笔记，论文是 arXiv 预印本，包含 DeepSeek-V4 预览版的线上实验。⁴
• DualPath-SIGCOMM26 — 在预填充与解码节点之间分担旧 KV 的存储读取；已有 SIGCOMM 2026 正式版全文笔记，实验使用 DeepSeek 的 3FS 与分离式推理部署。³

相关博客

• DeepSeek-V4.1-Flash-Serving — 引用 DeepSeek 官方生产部署文章；已阅读正文，架构图和性能图尚未逐一核对。⁵
• DeepSeek-EPLB — 引用 kaiyuan 的 EPLB 讲解；已阅读原文并核对官方 EPLB 代码。⁶
• Zartbot-DualPath — 引用 zartbot 的 DualPath 讲解；目前仅确认链接，尚未核对正文。⁷

按问题阅读

想弄清的问题	先读的官方材料	接着看本站内容
为什么长上下文首先压迫 KV cache？	DeepSeek-V2 报告介绍 MLA；DeepSeek-V3 报告继续讨论 MLA、MoE 与多 token 预测。18	KV-Cache-Systems、LLM-Serving；先区分模型降低每 token 状态与系统搬运既有状态。
专家分布不均时，通信和放置分别怎样处理？	DeepEP 提供 MoE 专家并行通信实现；EPLB 给出依据估计负载生成专家副本及放置方案的代码。910	DeepSeek-EPLB；开源 EPLB 不包含完整的线上负载预测、权重搬迁与切换流程。10
稀疏注意力怎样改变缓存与索引的成本？	DeepSeek-V3.2 报告介绍 DeepSeek Sparse Attention；DeepSeek-V4 报告介绍 CSA 与 HCA 混合注意力；DeepSeek-V4.1-Flash 报告介绍 CSA2、跨层复用与 FP4 KV。21112	DeepSeek-V4.1-Flash-Serving；相关模型报告目前仅核对官方入口与摘要，细节请回原文。
多轮智能体请求如何少算旧上下文、少等旧 KV？	3FS 是 DeepSeek 开源的分布式文件系统；DeepSpec 提供推测解码算法的训练和评估代码。1314	DualPath-SIGCOMM26看旧 KV 读路径，DSpark-arXiv26看目标模型验证预算，DeepSeek-V4.1-Flash-Serving看生产系统如何安排缓存寿命与阶段分离。

本站的综合判断与待验证问题

据 DualPath-SIGCOMM26 和 DSpark-arXiv26 两篇论文，一次请求可能分别在旧 KV 读取和目标模型验证上等待：前者在高前缀复用时借用解码节点空闲的存储网卡，后者按候选 token 被接受的概率和引擎负载分配验证长度。³⁴ 前者依赖分离的预填充、解码节点及两侧可用的网络带宽；后者依赖接受率估计和吞吐曲线。本站判断：两篇论文的收益不能直接相加，因为它们没有在相同工作负载上给出联合实验。

据 DeepSeek 的生产部署文章，其系统把可长期复用的 Block KV 放到共享 3FS，把短期复用的 SWA KV 留在本地，并在缺失时做有限重算。⁵ 这是原作者对其生产部署的陈述；文章没有提供与 DualPath 同条件的直接对照。据 kaiyuan 的 EPLB 讲解及 DeepSeek 官方 EPLB 说明，开源放置算法之外还需考虑线上负载预测、权重搬迁与切换。⁶¹⁰ 本站将这些环节视作部署时应测量的成本，不把它们归为开源代码已经实现的功能。

这几份材料留下一个具体的系统问题：当模型结构继续压缩每 token 的 KV、同时请求历史变长且专家热度变化时，瓶颈会在 HBM 容量、存储读取、专家通信和验证算力之间移动。要判断哪种优化优先，应在同一请求轨迹上同时记录缓存命中后的读取量、各节点网卡利用率、专家负载偏斜、验证接受长度与尾延迟；现有两篇本站论文没有覆盖这样一组联合测量。

外部讲解书签

以下每个链接都是对第三方文章的引用入口，来自用户本地的《DeepSeek优质资料》清单；本站尚未逐篇读取，也未核对这些文章的作者和正文，因此暂不署未经确认的作者名，不转述其观点或内容。官方报告及代码应作为技术结论的首要依据。

• V2 / V3：MLA 讲解、MoE 演进、MTP 讲解、V3 报告中文解读。
• V3.2：V3.2-Exp 源码逻辑、DSA 与 NSA 讲解。
• V4：技术报告解读、CSA 与 HCA、SGLang 部署讲解。
• V4.1：报告逐章解读、CED 与后训练、CSA2 源码讲解。
• 推测解码与存储：DSpark 代码讲解、3FS 架构分析上篇、3FS 架构分析下篇。

本页先建立可追溯的阅读路线。V2、V3、V3.2、V4、V4.1 和 3FS 的逐篇全文笔记、跨版本实验矩阵，以及外部讲解的正文核对，仍待后续补充。

参考文献

以下脚注对应正文中的引用与转述。文献的原始页面可从标题进入；文末「外部讲解书签」只记录待读入口，未用于支撑正文技术判断。

Footnotes

1. DeepSeek-AI 关于 MLA 与 MoE 的模型技术报告：DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model. arXiv:2405.04434, 2024。 ↩ ↩²

2. DeepSeek-AI 关于稀疏注意力的模型技术报告：DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models. arXiv:2512.02556, 2025。 ↩ ↩²

3. Yongtong Wu 等. DualPath: Accelerating Agentic LLM Inference by Harvesting Disaggregated KV-Cache Storage I/O. SIGCOMM, 2026。 ↩ ↩² ↩³

4. Xin Cheng 等. DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation. arXiv:2607.05147, 2026。 ↩ ↩²

5. DeepSeek. 《DeepSeek V4.1 Flash 大规模推理部署实践》. 知乎, 2026-10-20. 原文。 ↩ ↩²

6. kaiyuan. 《MoE并行负载均衡：EPLB的深度解析与可视化》. 知乎, 2025-03-15. 原文。 ↩ ↩²

7. zartbot. DualPath 相关博客（原文标题与发布日期未核对）. 微信公众号. 原文。 ↩

8. DeepSeek-AI. DeepSeek-V3 Technical Report. arXiv:2412.19437, 2024。 ↩

9. DeepSeek-AI. DeepEP. GitHub. 官方仓库。 ↩

10. DeepSeek-AI. EPLB. GitHub. 官方仓库。 ↩ ↩² ↩³

11. DeepSeek-AI. DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence. arXiv:2606.19348, 2026。 ↩

12. DeepSeek-AI 关于 KV cache 压缩的模型技术报告：DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression. arXiv:2609.19969, 2026。 ↩

13. DeepSeek-AI. 3FS. GitHub. 官方仓库。 ↩

14. DeepSeek-AI. DeepSpec. GitHub. 官方仓库。 ↩