Este 20 de octubre de 2026, a las 5:30 de la mañana (hora del Este), DeepSeek anunció en su cuenta de X que DeepInfer, el motor detrás de su propia API, quedaba “ahora completamente de código abierto”. La publicación alcanzó 1.5 millones de vistas en cinco horas y el repositorio sumó 8,663 estrellas en GitHub para las 10:33 de la mañana, mientras el hilo en Hacker News se colocaba en el primer lugar con 1,222 puntos y 437 comentarios. La noticia importa a desarrolladores y empresas de México y América Latina porque toca directamente el costo de operar modelos de lenguaje: el mismo motor que DeepSeek usa para cobrar por inferencia ahora puede ejecutarse en clústeres propios, aunque con límites que el anuncio no menciona.
Qué se liberó y qué se quedó en Hangzhou
El propio README del repositorio es explícito. Bajo el encabezado “Supported hardware” aparece una lista titulada, palabra por palabra: “Required for a complete inference service (not included in this release)”, es decir, lo necesario para un servicio de inferencia completo que no viene incluido en esta entrega. La primera línea del documento también es honesta: “This open-source release provides offline inference”, una liberación de código abierto que ofrece inferencia sin conexión.
En la práctica, esto significa que un desarrollador puede ejecutar prompts a través de DeepInfer en su propio clúster, pero no puede apuntar a un cliente hacia él como servicio. No hay servidor de API en el repositorio. Una búsqueda en el código confirma que el único fragmento HTTP es un endpoint de perfilado que se activa con una variable de entorno.
Para entender la magnitud de la omisión conviene aclarar algunos términos técnicos. El prefill es la etapa en la que el modelo lee el prompt del usuario. El decode es la etapa en la que el modelo escribe la respuesta, token por token. La caché KV son las notas que el modelo guarda sobre un prompt que ya leyó, para no tener que leerlo de nuevo. La desagregación implica que prefill y decode corren en máquinas separadas, y un balanceador de carga decide qué máquina recibe cada solicitud. Cada una de esas piezas es lo que convierte un motor en un negocio.
Cuatro de cinco componentes fuera del repositorio
DeepSeek publicó junto con el código un documento de preguntas y respuestas sobre el despliegue, que incluye un diagrama de arquitectura del sistema completo de servicio V4.1 Flash. Al contrastar ese diagrama con la lista de componentes no incluidos y con una lectura del código, el resultado es contundente: de las cinco piezas que enrutan tráfico o mantienen la caché, solo una viene en el repositorio.
- Balanceador de carga de prefill: no incluido.
- Balanceador de carga de decode: no incluido.
- Balanceador de carga del codificador de visión: no incluido.
- Balanceador de carga de paralelismo de expertos: incluido, en la ruta deepinfer/model_executor/eplb/.
- Almacenamiento de caché KV: no incluido.
El sistema de archivos 3FS, que sostiene la caché, es abierto desde febrero de 2025. Sin embargo, el componente que opera la caché sobre ese sistema, que el documento llama kvcache-store, no está en el repositorio. DeepSeek explica por qué en un párrafo que muchos lectores pasaron por alto: “The KV cache management and load balancing components of the inference system are tightly coupled to our internal infrastructure, so that code is not yet fully open-sourced”. Es decir, la gestión de caché KV y los componentes de balanceo de carga están fuertemente acoplados a su infraestructura interna, por lo que ese código aún no se ha liberado por completo.
“Aún no completamente de código abierto” y “ahora completamente de código abierto” son dos frases de DeepSeek publicadas la misma mañana. Solo una de ellas aparece en la publicación de X.
La economía que no viajó con el código
El documento de preguntas y respuestas también revela el valor de las piezas ausentes. DeepSeek señala que cada GPU en su servicio genera 38 dólares por hora. Para dimensionar esa cifra, Google Cloud renta una B200, de la misma clase Blackwell que el objetivo “SM100” de DeepInfer, a 4.95 dólares la hora en modo spot, 7.09 dólares con contrato a tres años y 11.12 dólares con contrato a un año, según precios actualizados este mismo 20 de octubre de 2026. El número de DeepSeek equivale a entre 3.4 y 7.7 veces lo que cuesta rentar la GPU.
Los ingresos no son ganancias, y DeepSeek es dueño de su hardware en lugar de rentarlo, pero ese margen es la economía del negocio. Y el margen vive en las cuatro piezas que no están en el repositorio. Uno de los tres objetivos de diseño del sistema lo confirma: “Retain KV cache for more than 72 hours”, conservar la caché KV por más de 72 horas, para que un prompt repetido se salte el paso caro de lectura. Ahí está el origen de la inferencia barata: no pagar por leer dos veces la misma base de código de 50 páginas.
El requisito mínimo de hardware
El documento también es directo sobre la escala necesaria. La unidad mínima eficiente de despliegue es de 64 GPUs para prefill más 64 GPUs para decode. Las pruebas de referencia del README se midieron en 4 GPUs SM100 para prefill y 64 para decode. El decode requiere EP64 o más, con los expertos del modelo distribuidos entre 64 y 128 GPUs.
Con esos números, el cálculo es sencillo: 128 GPUs a 4.95 dólares la hora representan 633.60 dólares por hora, y a 11.12 dólares la hora, 1,423.36 dólares por hora. A eso se suma el almacenamiento: 128 GPUs por 14.4 terabytes. Para la mayoría de los desarrolladores independientes y de las pequeñas empresas de la región, ese piso de inversión deja al repositorio fuera de alcance.
Conviene contrastarlo con otra novedad de DeepSeek en la misma semana: la versión de 1 bit de V4.1 Flash, que pasó de 508 GB a 250 GB y corre en una máquina con 128 GB de RAM o más. Ese es el modelo abierto que la mayoría de la gente realmente podrá usar. DeepInfer está pensado para nubes.
Cuánto queda de vLLM en el motor
El equipo de vLLM, el motor de código abierto que sostiene buena parte de la industria, publicó una reacción cordial. El README de DeepSeek reconoce que DeepInfer “was originally built primarily on vLLM”, es decir, que se construyó originalmente sobre vLLM. Un análisis del código clonado en el commit 774ce24 frente a nueve versiones de vLLM, desde la v0.2.0 de 2023 hasta la rama principal actual, encontró que 1,711 de 25,086 líneas, el 6.82%, aparecen en al menos una versión de vLLM. La versión individual con mayor coincidencia es la rama principal de hoy, con 5.70%. El archivo más parecido es shm_broadcast.py, una cola de mensajes de memoria compartida, con 76.7%. El núcleo del motor, llm_engine.py, llega al 19.2%, y el código del modelo V4 se ubica entre 5 y 12%.
La estructura de carpetas todavía conserva nombres de vLLM: worker/cache_engine.py, sequence.py, model_runner.py, los mismos que vLLM usaba en 2023. Pero el código interno fue reescrito. El método no detecta variables renombradas ni refactorizaciones, así que el 6.82% debe leerse como el piso del parecido familiar, no como una medida de plagio. La lectura más justa: decir que se construyó sobre vLLM es como decir que un rascacielos se construyó sobre el estacionamiento que antes ocupaba ese terreno. Es cierto, es generoso, y DeepSeek merece crédito real por escribir el otro 93%.
La lectura geopolítica: un catálogo de ventas con licencia Apache
Los kernels personalizados de DeepInfer, los pequeños programas de GPU que hacen las operaciones matemáticas, viven en tilelang_ops/, con un backend por chip. Son los mismos 30 kernels, con dos versiones cada uno. Al contar líneas no vacías, las versiones para Huawei son 52% más grandes que las de Nvidia. Parte de ese excedente es simplemente el costo de un chip más joven: los kernels para Ascend necesitan más ajuste manual que los de CUDA. Pero nadie escribe 6,793 líneas para un chip en el que no planea vender.
La interpretación que se desprende de los datos: se trata de una presentación de ventas de Huawei con licencia Apache. Cualquier nube china que quiera servir DeepSeek a los precios de DeepSeek ahora tiene un motor de grado producción que corre en chips que Estados Unidos no puede cortar. El lunes, Estados Unidos vetó a DeepSeek en sus agencias; el martes, DeepSeek hizo su modelo más barato de servir para todos los demás, sobre silicio de Huawei.
Otra evidencia de que se trata de un sistema de producción chino y no de una demostración: 1,147 de las 40,638 líneas no vacías del paquete llevan comentarios o docstrings en chino, como “compress 内核固定开启 fast math”, que significa que el kernel de compresión siempre activa las matemáticas rápidas. Nadie escribe eso para un blog de lanzamiento. Todo el historial son tres confirmaciones: una inicial de 345 archivos y 63,326 líneas a las 12:09 de la mañana, y dos actualizaciones de documentación. El código se exportó desde algún lugar privado esta mañana.
Comparación justa con la competencia
Para ser justos con DeepSeek e injustos con el resto: la liberación abierta de OpenAI fue gpt-oss en agosto de 2025, con pesos bajo licencia Apache 2.0 y código de referencia. OpenAI, Anthropic y Google no han publicado una sola línea de los sistemas que realmente sirven a ChatGPT, Claude o Gemini a usuarios de pago. DeepSeek acaba de publicar el motor, los kernels, el balanceador de expertos, un servicio de tokenizador escrito mayoritariamente en Rust, su diseño de almacenamiento, sus ingresos por hora de GPU y su tráfico.
La pregunta queda abierta: ¿el villano es el laboratorio que entrega el 93% de un motor de producción y lo llama 100%, o los laboratorios que entregan 0% y se presentan como los buenos? Para el ecosistema tecnológico de México y América Latina, la consecuencia práctica es que el costo de servir modelos sigue dependiendo de infraestructura que pocos pueden montar, y que el acceso real a la IA barata continuará pasando por APIs, no por clústeres propios.
