2026年1月，正值DeepSeek-R1模型发布一周年之际，开源社区迎来新动静——DeepSeek在其核心优化库FlashMLA的代码更新中，频繁出现名为“Model1”的新模型标识符，引发行业对其下一代旗舰模型的猜测，而R1过去一年对全球开源AI生态的影响也同步受到关注。 一、背景：R1一周年，重塑开源AI格局
2025年1月20日，DeepSeek发布的推理模型R1，以MIT开源协议、媲美OpenAI o1的推理能力（数学、代码任务表现突出）及低成本特性（训练成本约600万美元，API价格仅为o1的3.6%），彻底改变开源LLM生态：
社区认可度：成为Hugging Face平台获赞最多的模型，中国开源模型在该平台下载量首次超越美国；
壁垒突破：降低技术（公开推理路径与后训练方法）、部署（MIT协议支持免费商用）、心理（证明中国开源模型可成范式定义者）三重门槛，推动百度、阿里等企业加大开源投入；
实用价值：成为全球高校（斯坦福、MIT）及初创公司的首选开源模型，在Chatbot Arena排名中位列全类别第三，风格控制类任务与OpenAI o1并列第一。
二、新动态：Model1代码现身FlashMLA库，技术细节显“全新架构”
在R1一周年节点，DeepSeek对其FlashMLA（优化注意力内核库，支撑V3、V3.2模型运行）代码库进行更新，28处提及“Model1”，且其与现有模型V32（即DeepSeek-V3.2）并列存在于代码分支中，并非V3系列的补丁版本，暴露关键技术特征：
架构回归标准化：V3.2采用576维非对称MLA设计（128维RoPE+448维Latent），而Model1切换为512维标准配置，推测为适配NVIDIA下一代Blackwell（SM100）架构，优化算力对齐与Latent压缩比例；
硬件适配升级：新增针对Blackwell GPU的专属优化（如FMHACutlassSM100FwdRun接口），要求CUDA 12.9版本，在B200显卡上未完全优化的稀疏算子已达350 TFlops，H800上密集计算吞吐量达660 TFlops；
推理效率革新：引入“Token-level Sparse MLA”机制，支持FP8 KV Cache混合精度（KV缓存用FP8存储、矩阵计算用bfloat16保精度），可降低长上下文场景的显存占用并提升速度；
新能力机制：代码暗示引入“Value Vector Position Awareness（VVPA）”（解决长文本位置信息衰减）与“Engram”（分布式存储或KV压缩技术），疑整合DeepSeek此前披露的“优化残差连接（mHC）”“AI记忆模块”等研究成果。
三、行业猜测：Model1或为下一代旗舰V4，春节前后有望发布
结合代码特征与行业传闻，Model1被普遍推测为DeepSeek下一代旗舰模型的内部代号，大概率对应DeepSeek-V4：
定位依据：代码中Model1与V32为独立分支，而非V3系列迭代，符合DeepSeek“V3→V3.2→V4”的旗舰命名逻辑；
时间线契合：此前有报道称DeepSeek计划2026年2月发布V4，内部测试显示其编程能力超越现有顶级模型，此次代码曝光或为发布前的推理适配准备；
功能预期：若Model1为V4，有望延续R1的推理优势，同时整合稀疏计算、新硬件适配能力，进一步降低大模型部署成本。
四、FlashMLA库：新模型的“性能底座”
FlashMLA作为DeepSeek自研的注意力内核库，是Model1与现有模型高效运行的关键：
专为英伟达Hopper架构（如H800）优化，可减少内存占用、最大化GPU利用率；
此次为Model1新增的API与缓存优化（如KV缓存stride需为576B倍数，区别于V32的656B），为新模型的高效推理奠定基础，也印证Model1已进入推理部署测试阶段。
从R1颠覆开源生态，到Model1代码预示下一代旗舰，DeepSeek的路径清晰——以“低成本、高性能、全开源”为核心，推动AI技术平民化。目前Model1尚未正式官宣，但代码细节已显露其在架构、硬件适配、效率上的突破；而R1过去一年的影响证明，中国开源模型已深度嵌入全球AI供应链，未来随着Model1（或V4）的发布，有望进一步巩固这一地位。
AI 速览
