دیپ‌سیک کد موتوری را که مدل‌های خودش را با آن اجرا می‌کند، منتشر کرده است. این آزمایشگاه چینی روز ۲۰ اکتبر ۲۰۲۶ پروژه DeepInfer را با مجوز آزاد Apache 2.0 در گیت‌هاب گذاشت و در شبکه ایکس آن را چارچوب داخلی‌ای معرفی کرد که مدل V4.1-Flash را به کاربرانش می‌رساند. فعلاً فقط همین مدل پشتیبانی می‌شود، اما شرکت می‌گوید کد استنتاج مدل‌های بعدی و بهبودهای آینده هم در همین مخزن منتشر خواهد شد.
وزن‌های باز نشانه شناخته‌شده دیپ‌سیک است، اما وزن‌ها به‌تنهایی تعیین نمی‌کنند که اجرای یک مدل چقدر هزینه دارد. لایه سرویس‌دهی که درخواست‌ها را دسته‌بندی می‌کند، کار را میان تراشه‌ها پخش می‌کند و توکن تولید می‌کند، می‌تواند توان عملیاتی و هزینه را به‌شدت تغییر دهد. دیپ‌سیک در فروردین ۱۴۰۴ گفته بود انتشار کامل موتورش عملی نیست و ترجیح می‌دهد تکه‌هایی از آن را به پروژه‌های موجود بدهد؛ به گفته نشریه The New Stack، این انتشار تا حدی همان موضع را کنار می‌گذارد.
بر اساس مخزن پروژه، این موتور کتابخانه‌های هسته محاسباتی خود دیپ‌سیک را با موازی‌سازی داده در لایه توجه، موازی‌سازی خبره‌ها برای لایه‌های ترکیب خبرگان، زمان‌بندی ناهمگام، خروجی ساختاریافته و یک روش رمزگشایی پیش‌دستانه به نام DSpark ترکیب می‌کند که تعیین می‌کند کدام توکن‌های پیش‌نویس ارزش بررسی دارند. کتابخانه همراهی هم برای زبان‌های Rust و Python منتشر شده که شیوه تبدیل درخواست به توکن و برعکس را دقیقاً مانند رابط رسمی دیپ‌سیک بازتولید می‌کند تا میزبان‌های دیگر همان رفتار را داشته باشند.
بیشترین توجه به پشتیبانی سخت‌افزاری جلب شد. کد برای دو بستر نوشته شده است: معماری SM100 انویدیا که در پردازنده‌های مرکز داده Blackwell به کار می‌رود، و تراشه‌های Ascend 950 هوآوی. نسل‌های قدیمی‌تر انویدیا مانند Hopper در فهرست نیستند. دو قابلیت تکرارپذیری، یعنی استنتاج مستقل از ترکیب دسته و نمونه‌برداری قطعی، فقط روی سخت‌افزار انویدیا کار می‌کنند و آزمون‌های منتشرشده هم روی تراشه‌های انویدیا انجام شده است: چهار پردازنده برای مرحله پیش‌پردازش و ۶۴ پردازنده برای تولید پاسخ. بنابراین کارایی روی تراشه‌های هوآوی هنوز به‌طور عمومی سنجیده نشده است.
این یک سرویس آماده نیست. توضیحات مخزن می‌گوید استقرار کامل هنوز به سامانه حافظه نهان، جداسازی مراحل پیش‌پردازش و تولید پاسخ روی ماشین‌های مختلف و توزیع بار میان نسخه‌ها نیاز دارد که هیچ‌کدام در این نسخه نیستند. راهنمای مفصلی در مخزن توضیح می‌دهد دیپ‌سیک این بخش‌ها را در داخل چگونه اداره می‌کند، و آزمایشگاه می‌گوید یک خوشه تولیدی روزانه ۱۵۵ هزار میلیارد توکن پردازش می‌کند و در ساعات کم‌بار حدود ۳۸ دلار درآمد به ازای هر ساعت کار هر پردازنده دارد. این اعداد فقط از خود دیپ‌سیک آمده‌اند.
پوشش خبری مستقل، انتشار و محدودیت‌های آن را تأیید می‌کند. وب‌سایت The Next Web به نقل از بلومبرگ نوشت که هنوز هیچ طرف بیرونی کارایی این موتور را نسنجیده و مخزن در یک روز از ۸ هزار ستاره گذشته است. روزنامه South China Morning Post از قول یکی از پژوهشگران دیپ‌سیک رقابت میان هوش مصنوعی باز و بسته را با تعابیری تند توصیف کرد. پروژه vLLM که به گفته دیپ‌سیک موتور جدید در ابتدا بر پایه آن ساخته شده، از شرکت تشکر کرد و گفت از ایده‌های آن برای پشتیبانی خودش از این مدل بهره می‌گیرد.
برای ارائه‌دهندگان ابری که هم‌اکنون مدل‌های دیپ‌سیک را میزبانی می‌کنند، این کد مرجعی از بهینه‌سازی‌های خود شرکت است. برای دیگران، ارزش عملی آن احتمالاً در مطالعه کد و انتقال این روش‌ها به موتورهایی مانند vLLM یا SGLang است، دست‌کم تا زمانی که آزمون‌های مستقل و اجزای سرویس‌دهی غایب از راه برسند.