1月21日消息，DeepSeek-R1在GitHub上通过代码提交疑似剧透了DeepSeek的下一代模型。据开发者挖掘，DeepSeek旗下的FlashMLA优化库近期迎来了一波密集更新。
在一堆C++代码中，一个从未见过的代号“Model1”赫然在列。与以往的小修小补不同，代码逻辑将Model1置于了与当前旗舰V3.2完全独立的平行分支。
技术社区普遍解读为下一代大模型DeepSeek-V4的内部开发代号。据技术社区对相关代码提交的深度解读，Model1展示了DeepSeek下一代技术架构的几个核心演进方向：
架构层面回归512
DeepSeek V3曾以独特的576维非对称MLA惊艳四座，这在当时是为了极致压缩KV Cache的非常规手段。然而在Model1中，head_dim参数被重新锁定512维。
这一回归标准的动作能更完美地对齐GPU的Tensor Core计算特性。DeepSeek可能已经找到了无需依赖非标维度也能实现高压缩率的新方法，或许就是代码中提及的Engram机制，从而换取更高的计算通用性。
接入下一代算力霸主
Model1的代码库中出现了大量针对 SM100，也就是英伟达最新算力硬件NVIDIA Blackwell B200的专用接口。
DeepSeek或许基本完成了对 2026 年旗舰显卡的指令集适配。测试数据显示，Model1 的稀疏算子在 B200 上的算力利用率已达 350 TFlops，这显然是有备而来。
长文本推理的稀疏化
代码中不仅出现了FP8格式的KV Cache支持，更引入了test_flash_mla_sparse_decoding测试脚本。
DeepSeek正在将MLA机制从“全量计算”进化为“Token级稀疏计算”。这种机制允许模型在处理超长上下文时，动态忽略不重要的Token，从而在显存占用和推理速度上实现数量级的优化。
