DeepSeek新模型「FlashMLA」曝光！！【20260121】

不二如是

2025年1月，DeepSeek-R1上线，此时正值R1模型发布一周年之际，DeepSeek新模型“MODEL1”曝光。



北京时间1月21日，DeepSeek官方GitHub仓库更新了一系列FlashMLA代码，借助AI对全部总代码文件数:

114个（包括.py, .md, .txt, .sh, .cpp, .cu, .h文件）进行分析，发现了一个此前未公开的模型架构标识“MODEL1”，共被提及31次。

传送门：

游客，如果您要查看本帖隐藏内容请回复

FlashMLA是DeepSeek独创的、针对英伟达Hopper架构GPU深度优化的软件工具，专门加速大模型“推理生成”这一环节。

该算法的实现基础MLA（多层注意力机制），是DeepSeek模型（如V2、V3）实现低成本、高性能的关键技术之一，用于在模型架构层面减少内存占用，最大化地利用GPU硬件。

MODEL1是DeepSeek FlashMLA中支持的两个主要模型架构之一，另一个是DeepSeek-V3.2。

据推测：

MODEL1很可能是一个高效推理模型，相比V3.2，内存占用更低，适合边缘设备或成本敏感场景。

它也可能是一个长序列专家，针对16K+序列优化，适合文档理解、代码分析等长上下文任务。

它也可能是一个长序列专家，针对16K+序列优化，适合文档理解、代码分析等长上下文任务。

另外，MODEL1的硬件实现跨越多个GPU架构。在英伟达H100/H200（SM90架构）上有两个版本：

model1_persistent_h64.cu用于64头配置，model1_persistent_h128.cu用于128头配置。

在最新的B200（SM100架构）上有专门的Head64内核实现，而SM100的Head128实现仅支持MODEL1，不支持V3.2，有人猜测DeepSeek为适配英伟达新一代GPU，专门优化了MODEL1的架构。

DeepSeek已发布的主要模型是两条技术路线的代表：追求极致综合性能的V系列“全能助手”和专注于复杂推理的R系列“解题专家”。

2024年12月推出的V3是DeepSeek的重要里程碑，其高效的MoE架构确立了强大的综合性能基础。

此后，DeepSeek在V3基础上快速迭代，发布了强化推理与Agent（智能体）能力的V3.1，并于2025年12月推出了最新正式版V3.2。

同时，还推出了一个专注于攻克高难度数学和学术问题的特殊版本V3.2-Speciale。

2025年1月发布的R1，则通过强化学习，在解决数学问题、代码编程等复杂推理任务上表现卓越，并首创了“深度思考”模式。

科技媒体The Information月初爆料称，DeepSeek将在今年2月中旬农历新年期间推出新一代旗舰AI模型——DeepSeek V4，将具备更强的写代码能力。

此前，DeepSeek研究团队陆续发布了两篇技术论文，分别介绍了名为“优化残差连接（mHC）”的新训练方法，以及一种受生物学启发的“AI记忆模块（Engram）”。

这一举动不禁引起用户猜测，DeepSeek正在开发中的新模型有可能会整合这些最新的研究成果。

评论区聊聊你的想法吧

                               
登录/注册后可看大图

>>万能兑换C币许愿池<<

如果有收获，别忘了评分 ：

                               
登录/注册后可看大图

                               
登录/注册后可看大图

                                                                    

不二如是

感谢分享！！鱼C论坛不愧是全国最大的「编程/AI/科技/新闻/娱乐」学习论坛！朕超喜欢这里

FishC

用户分享了一则关于DeepSeek新模型“FlashMLA”及其中标识的“MODEL1”的详细技术资讯。作为一名计算机教育专家，我将从技术角度进行解读，力求清晰易懂。

根据您分享的信息，这是一个关于DeepSeek内部技术代码泄露的推测性新闻。下面我为您梳理并解读其中的关键点：

• FlashMLA是什么？
  FlashMLA是DeepSeek开发的一款底层软件工具，其核心目标是 加速大模型的推理生成过程。可以把它想象成一个大模型专用的“涡轮增压器”，专门优化模型在回答问题、生成文本时的计算效率，使其在英伟达（NVIDIA）最新的GPU上跑得更快、更省内存。
• “MODEL1”是什么？
  这是在FlashMLA的代码中被发现的一个未公开的模型架构名称。它和已知的DeepSeek-V3.2架构并列，是该工具主要支持的两大架构之一。
• 关于“MODEL1”的推测（基于代码分析）：
  
  • 定位一：高效轻量模型
    MODEL1可能是一个比V3.2 内存占用更低、推理效率更高的模型。目的是服务于对成本和功耗更敏感的场景，比如部署在边缘设备（如手机、嵌入式设备）上。
  • 定位二：长文本处理专家
    它也可能是专门为处理 超长文本（16K tokens以上）而优化的架构，更擅长进行长文档分析、长篇代码审查等任务。
    
• 硬件适配显示其重要性：
  代码显示MODEL1针对NVIDIA多代旗舰GPU（H100/H200和最新的B200）都做了深度优化，甚至有V3.2不具备的独家优化（如B200上128头的版本）。这表明DeepSeek非常重视这个架构，并为其未来的硬件普及做好了准备。
• 放在DeepSeek的整体技术路线中看：
  如果V系列（如V3）是追求综合性能的“全能战士”，R系列（如R1）是专攻复杂推理的“解题专家”，那么这个尚在开发中的MODEL1，很可能代表了第三条技术路线：专注于极致推理效率和硬件适配的“效率大师”。
• 未来展望：
  正如文中提到的，DeepSeek近期发布的“优化残差连接（mHC）”和“AI记忆模块（Engram）”等论文，很可能都会整合进下一代模型（无论是叫V4，或是包含MODEL1架构的模型）中，带来更强的代码能力和更优的性能。
  

总而言之，这次代码更新主要揭示了DeepSeek在 推理底层优化 和 新模型架构 上的持续探索。MODEL1很可能是一个在效率或长文本处理上有侧重点的新型架构，值得我们期待其正式发布。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。