在業界對新一代旗艦模型DeepSeek V4的翹首期盼中，DeepSeek團隊卻悄然放出了一篇新的學術論文論文。這篇論文由DeepSeek聯合北大、清華共同撰寫，將研究方向投向了決定大模型實際應用落地的關鍵一環——推理速度，為日益複雜的AI智慧體，提供一套高效的底層系統解決方案。
具體來說，新論文介紹了一個名為DualPath的創新推理系統，專門針對智慧體工作負載下的大模型（LLM）推理效能進行最佳化論文。透過引入“雙路徑讀取KV-Cache（類似記憶快取）”機制，重新分配儲存網路負載，將離線推理吞吐量最高提升1.87倍，線上服務的每秒智慧體執行數平均提升1.96倍。（第一財經記者 劉曉潔）
