DeepSeek为了优化推理速度，主要采取了以下策略：
- 扩大规模推理：
- 提示词工程： 设计更有效的提示词，诱导模型生成更准确的结果，例如使用“逐步思考”之类的提示。
- 投票和搜索策略： 生成多个答案，通过投票选择最佳答案，或者使用束搜索等方法来优化生成结果。
- 多Token预测（MTP）： 模型一次预测多个Token，提高训练效率，推理速度随之提升。
- 低秩压缩： 对模型内部的矩阵进行压缩，减少计算过程中的内存占用，从而提升推理速度。
- FP8混合精度训练框架： 使用精度更低的FP8格式进行计算，减少计算量，加快推理速度。
- 多粒度语义编码层： 通过特殊设计的网络结构，提升模型处理复杂语义的能力，间接提升推理效率。
