DeepSeek开源Fire-Flyer文件系统（3FS）及Smallpond数据处理框架，提升数据访问效率

2月28日，在“开源周”的第五天，DeepSeek宣布了开源的燃料燃料文件系统（3FS）以及Smplearpond，SmleverPond是一个基于3FS的数据处理框架。

Fire-Flyer文件系统（3FS）是一个并行文件系统，它利用现代SSD和RDMA网络的完整带宽，是所有DeepSeek数据访问的助推器。

它的特征包括：180节点群集中的聚合读吞吐量为6.6Tib/s； 25节点簇中Graysort基准测试的吞吐量为3.66Tib/min；每个客户端节点的峰值KVCache搜索吞吐量超过40GIB/s；具有强烈一致性语义的分解结构；培训数据预处理，数据集加载，检查点保存/重新加载，嵌入式矢量搜索和KVCACHE查询推理在V​​3/R1中执行。

SmblowPond是一个轻巧的数据处理框架，其特征是其基于DuckDB的高性能数据处理可伸缩性，即无需连续操作而处理PB级数据集的能力以及易于操作。

此时，DeepSeek为期五天的“开源周”活动已正式结束。

2月21日，DeepSeek宣布将从2月24日开放五个代码基础，以完全透明的方式与全球开发人员社区分享他们的研究进度。

2月24日，DeepSeek宣布开源FlashMLA。 FlashMLA是hopper GPU的高效MLA解码核心，并针对可变长度序列进行了优化，现在正在生产中。

2月25日，DeepSeek宣布了开源Deepep，这是第一个用于MOE模型培训和推理的开源EP通信库。

2月26日，DeepSeek宣布了开源DeepGemm。它支持密集布局和两个MOE布局，并且已完全立即编译，这可以为V3/R1模型的培训和推断提供强有力的支持。

2月27日，DeepSeek宣布开源优化的并行性策略。它主要针对大型模型培训中的效率问题。

自今年年初以来，DeepSeek一直很热。 QuestMobile的数据显示，自2月9日启动以来，DeepSeek应用程序的累积下载量超过1.1亿次，每周的活跃用户数量最多，范围为9700万。

最近，据报道，最初计划于今年5月发布的DeepSeek-R2模型以加速的速度开发，并且可能会提前发布。新模型有望在英语以外的其他语言中生成更好的代码和理由。作为回应，DeepSeek的母公司Huanfang定量回应说，官方新闻将占上风。

印度技术服务提供商Zensar的首席运营官认为，DeepSeek-R2模型的发布可能会成为AI行业的关键时刻。 DeepSeek成功地创建了一种具有成本效益的AI模型，这将促使全球公司加速研发流程并打破当前的少数公司的垄断模式。

目前，Openai，Google，XAI，Anthropic，Allibaba和其他人依次启动了新的深入推理/深思熟虑模型。据传，Bytedance的AI Assistan Doubao正在小范围内测试深思熟虑模型的不同实验版本，而DeepSeek模型没有连接。