2月24日,，DeepSeek啟動了“開源周”,，并開源了首個代碼庫FlashMLA。該代碼庫是針對Hopper GPU優(yōu)化的高效MLA解碼內核,，專為處理可變長度序列設計，現(xiàn)已投入生產使用。在H800 GPU上,，F(xiàn)lashMLA能實現(xiàn)3000 GB/s的內存帶寬和580 TFLOPS的計算性能。

簡單來說，F(xiàn)lashMLA是一種優(yōu)化方案,，使大語言模型在H800這樣的GPU上運行得更快,、更高效，特別適用于高性能AI任務,。這一代碼能夠加速大語言模型的解碼過程,，提高模型的響應速度和吞吐量，對于實時生成任務（如聊天機器人,、文本生成等）尤為重要,。

MLA（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,。通過多個頭的并行計算,，MLA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緩存機制）的有損壓縮,，提高了存儲信息的效率。這項技術首次在DeepSeek-V2中引入,，目前是開源模型中顯著減小KV緩存大小的最佳方法之一,。

DeepSeek表示，F(xiàn)lashMLA就像給AI推理引擎裝上了一臺“渦輪增壓器”,，使大模型在處理復雜任務時更快,、更省資源，并降低了技術門檻,。FlashMLA的意義不僅在于技術優(yōu)化,，更是打破算力壟斷、加速AI普及的關鍵一步,。

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時,，GPU的并行計算能力會被浪費，而FlashMLA通過動態(tài)調度和內存優(yōu)化,，使Hopper GPU（如H100）的算力得到充分利用,，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。現(xiàn)實場景中的可變長度序列（如聊天對話,、文檔生成）需要動態(tài)處理,，但傳統(tǒng)方法需要填充到固定長度，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,。

此前高效的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)者可以免費獲得“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,。

有網友在DeepSeek的帖子下留言稱,，“鯨魚正在掀起波浪！”（注：DeepSeek的企業(yè)LOGO是鯨魚）,。也有網友希望DeepSeek開源網頁搜索相關的代碼,，并提到，“DeepSeek是真正的開放人工智能”,。

這僅僅是開始，上周2月21日DeepSeek宣布,，接下來會陸續(xù)開源五個代碼庫,，“以完全透明的方式分享我們微小但真誠的進展”。這些在線服務中的基礎構建模塊已經經過文檔化,、部署,，并在生產環(huán)境中經過實戰(zhàn)檢驗。DeepSeek表示自己是探索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。DeepSeek強調沒有高不可攀的象牙塔,，只有純粹的車庫文化和社區(qū)驅動的創(chuàng)新,。