2月24日，DeepSeek啟動“開源周”，開源了首個代碼庫FlashMLA。

據(jù)介紹，這是DeepSeek針對Hopper GPU優(yōu)化的高效MLA解碼內核，專為處理可變長度序列而設計，現(xiàn)在已經(jīng)投入生產(chǎn)使用。“在H800上能實現(xiàn)3000 GB/s 的內存帶寬 & 580 TFLOPS 的計算性能。”DeepSeek說。

簡單來說，F(xiàn)lashMLA 是一個能讓大語言模型在 H800這樣的GPU上跑得更快、更高效的優(yōu)化方案，尤其適用于高性能AI任務。這一代碼能夠加速大語言模型的解碼過程，從而提高模型的響應速度和吞吐量，這對于實時生成任務（如聊天機器人、文本生成等）尤為重要。

MLA (Multi-Layer Attention，多層注意力機制)是一種改進的注意力機制，旨在提高Transformer模型在處理長序列時的效率和性能‌。MLA通過多個頭（head）的并行計算，讓模型能夠同時關注文本中不同位置和不同語義層面的信息，從而更全面、更深入地捕捉長距離依賴關系和復雜語義結構‌。

此前，有從業(yè)者解析DeepSeek架構時提到，MLA的本質是對KV（Key-Value，一種緩存機制）的有損壓縮，提高存儲信息，“該技術首次在DeepSeek-V2中引入，MLA是目前開源模型里顯著減小KV 緩存大小的最佳方法。”

DeepSeek開源這一代碼有何影響？記者用這一問題詢問了DeepSeek，它回答稱，這一代碼就像給AI推理引擎裝上了一臺“渦輪增壓器“，讓大模型在處理復雜任務時更快、更省資源，同時降低了技術門檻。FlashMLA的意義不單是技術優(yōu)化，更是打破算力壟斷、加速AI普惠的關鍵一步。

具體來說，F(xiàn)lashMLA可以突破GPU算力瓶頸，降低成本。傳統(tǒng)解碼方法在處理不同長度的序列（如翻譯不同長度的句子）時，GPU的并行計算能力會被浪費，就像用卡車運小包裹，大部分空間閑置。而FlashMLA的改進是：通過動態(tài)調度和內存優(yōu)化，讓Hopper GPU（如H100）的算力被“榨干”，相同硬件下吞吐量顯著提升。這意味著企業(yè)可以用更少的GPU服務器完成同樣的任務，直接降低推理成本。

另一方面，F(xiàn)lashMLA可以推動大模型落地應用。可變長度序列是現(xiàn)實場景中的常態(tài)（如聊天對話、文檔生成），但傳統(tǒng)方法需要填充（Padding）到固定長度，導致計算冗余。FlashMLA支持動態(tài)處理變長輸入，讓AI應用（如客服機器人、代碼生成）響應更快、更流暢，用戶體驗提升，加速商業(yè)化落地。

此前高效解碼內核多由科技巨頭閉源壟斷（如CUDA優(yōu)化庫），中小企業(yè)和研究者難以復現(xiàn)。FlashMLA開源后，開發(fā)者可免費獲得“工業(yè)級優(yōu)化方案”，降低技術門檻，促進更多創(chuàng)新應用（如垂直領域小模型）的誕生。

"the whale is making waves!（鯨魚正在掀起波浪?。?rdquo;有網(wǎng)友在DeepSeek的帖子下留言稱。（注：DeepSeek的企業(yè)LOGO是鯨魚）。

也有網(wǎng)友希望DeepSeek開源網(wǎng)頁搜索（Web Search）相關的代碼，并提到，“DeepSeek 是真正的OpenAI（開放人工智能）”。

這僅僅是開始，上周2月21日DeepSeek宣布，下周開始，會陸續(xù)開源5個代碼庫，“以完全透明的方式分享我們微小但真誠的進展”。DeepSeek表示，這些在線服務中的基礎構建模塊已經(jīng)經(jīng)過文檔化、部署，并在生產(chǎn)環(huán)境中經(jīng)過實戰(zhàn)檢驗。

DeepSeek在公告中稱自己是探索 AGI 的小公司，作為開源社區(qū)的一部分，每分享一行代碼，都會成為加速AI行業(yè)發(fā)展的集體動力。同時，DeepSeek 稱，沒有高不可攀的象牙塔，只有純粹的車庫文化（不少美國著名企業(yè)從車庫里誕生）和社區(qū)驅動的創(chuàng)新。