🏆 震惊，DeepSeek 把自己训模型用的那套 GPU 算子库 DeepGEMM 开源了，同一块卡能多榨出一截算力。

心海无浪

🏆 震惊，DeepSeek 把自己训模型用的那套 GPU 算子库 DeepGEMM 开源了，同一块卡能多榨出一截算力。

GitHub 上 8909 star、1401 个 fork，9 月 30 日还顺手放出了昇腾版本。

做大模型推理的人都熟悉那种拧螺丝的日子：FP8 的矩阵乘一套，MoE 的分发和通信重叠又一套，索引器打分核再一套，每套都得盯着不同架构编一遍，装环境还要等 CUDA 编译半小时。

DeepGEMM 把这些原语收进同一份 CUDA 代码里，FP8、FP4、BF16 的矩阵乘、带通信重叠的融合 MoE，连 DeepSeek v3.2 那个闪电索引器的打分核都在内。所有核子靠 DeepJIT 在跑的时候现编，安装阶段不编译，省掉的就是你等编译的那段生命。它借了 CUTLASS 和 CuTe 的思路，但没堆进模板的汪洋大海，自己改也不至于绝望。

性能这块官方说法是在多种矩阵形状下追平或超过专家调优过的库，H800 上最高到 1550 TFLOPS。

好的底层库不加功能，只负责把你的卡还给你。

GitHub：
[url=https://github.com/deepseek-ai/DeepGEMM][/url]