DeepSeek 开源 FlashMLA，计算性能翻倍，踩爆英伟达 “牙膏”

deepseek开源周首日惊喜发布！首个亮相项目flashmla突破h800算力极限，ai推理速度大幅提升

2025年2月24日，DeepSeek正式启动为期五天的“开源周”，首个亮相的“王炸级”项目——FlashMLA（专为英伟达Hopper GPU优化的高效MLA解码内核）迅速引爆AI社区。这个工业级优化方案不仅挑战了H800的算力天花板，更让中高端消费级GPU也能轻松运行大模型，为AI普惠化注入新动能。

一、技术突破：三大创新重塑算力格局

变长序列处理革命：FlashMLA针对对话、文章生成等场景的变长文本优化，通过动态分桶调度和分页式KV缓存（64块大小），将GPU内存利用率提升至极致，显存占用减少40%，推理延迟降低60%。传统方案需通过“填充”统一长度，浪费30%以上算力，而FlashMLA实现“零填充”批处理，让长短文本各得其所。

极致性能表现：H800极限调优：在H800 SXM5平台（CUDA 12.6）上，内存受限配置达3000 GB/s带宽，计算受限配置达580 TFLOPS算力，逼近Hopper架构理论峰值。BF16精度支持：结合混合精度计算，兼顾速度与数值稳定性，相比FP32效率提升显著。

训练成本杀手锏：MLA（多头潜注意力）机制将每次查询的KV缓存量减少93.3%，配合MoE架构，使DeepSeek大模型训练成本大幅降低。网友 @Hemang Dave指出，类似技术可让模型规模比GPU显存大两倍，推理速度提升20-25倍。

二、开源意义：推动AI技术普惠化

FlashMLA的开源打破了算力垄断，让全球开发者免费获得工业级优化方案：

三、未来展望：AGI征程再加速？

DeepSeek R1模型因MLA技术加持，已在开源平台“抱抱脸”获超1万点赞，成为最受欢迎模型。网友热议：“第五天会不会开源AGI？”结合其多Token预测（MTP）和MoE架构创新，DeepSeek正以“算法+工程”双轮驱动，重新定义AI训练范式。

GitHub仓库：https://www.php.cn/link/a588b762d68fe60225d3de3c647a52b9

Ending