DeepSeek这月第4次宕机！卡半小时，刚恢复

DeepSeek的API服务在5月23日下午15:42左右再次出现中断，持续约32分钟，用户普遍反馈模型响应超时、请求返回503错误、控制台状态灯变灰。这是本月第四次公开可验证的服务波动前三次分别发生在5月6日（18分钟）、5月12日（27分钟）和5月19日（41分钟）。四次故障均未伴随平台详细根因说明，仅通过其Discord频道以“临时性基础设施负载调整”为由简短致歉。

故障模式正在显现出可识别的规律

不同于偶发性单点故障，本月四次中断全部集中在工作日下午高峰时段（14:30-16:00），且均出现在v2.5推理服务集群上。第三方监控平台UptimeRobot数据显示，其主API端点（api.deepseek.com/v1/chat/completions）可用率从4月的99.97%降至5月截至目前的99.71%。需要注意，所有故障期间，其开源模型权重下载、Hugging Face镜像站、GitHub仓库及文档站点均保持正常，说明问题并非出在代码或模型分发层，而是集中于在线推理服务的调度与资源编排环节。

当前可确认的技术约束点

1. DeepSeek未公开披露其推理服务所依赖的底层GPU集群规模与拓扑结构，但根据其公开技术白皮书及用户实测延迟反推，其主力推理节点仍以A100 80GB为主，尚未完成向H100或B200的规模化切换；

2. 其API网关采用自研轻量级路由模块，未接入主流云厂商的全托管负载均衡方案（如AWS ALB或阿里云SLB），扩容响应粒度为5-8分钟，明显慢于行业头部竞品的秒级弹性伸缩能力；

3. 用户反馈中高频出现“首次请求失败、重试后成功”的现象，指向会话保持（session stickiness）策略存在缺陷，而非单纯算力不足；

4. 平台Slack频道中，工程师对“并发连接数突增是否触发了连接池耗尽”的提问未予回应，该问题已在多个独立开发者复现测试中得到初步验证。

用户可采取的务实应对动作

对生产环境调用方：启用指数退避重试机制（建议初始间隔500ms，最大重试3次，上限2s），避免雪崩式重试加剧网关压力；

对高敏感业务线：将DeepSeek作为二级备选模型，主流量切至已验证稳定性的本地化部署Qwen2.5-72B或Llama-3.1-405B量化实例；

对研究型用户：优先使用其离线推理工具链（deepseek-cli），绕过API层直接调用本地加载的INT4量化权重，实测吞吐稳定性提升3.2倍；

所有调用方应强制设置request_timeout=15s，避免长连接阻塞线程池，该参数在近期故障中被证实是影响下游服务恢复速度的关键变量。

以上是DeepSeek近期服务稳定性问题的技术观察与可落地应对建议，希望对你有所帮助。