恰逢DeepSeek-R1模子发布一周年，DeepSeek新模子“MODEL1”现身开源社区。

　　近日，DeepSeek官方在GitHub更新了一系列FlashMLA代码，触及的114个文献中，稀有十处提到了此前未公开的“MODEL1”大模子标志符。

　　2025年2月，DeepSeek开动“开源周”，有策画以逐日解锁的式样渐渐公开5个代码库，Flash MLA为首个开源技俩。公开府上透露，Flash MLA通过优化Hopper GPU的内存拜访和筹备历程，权贵提高可变长度序列的处理恶果。其中枢联想包括动态内存分派机制和并行解码计策，可减少冗余筹备并擢升模糊量，尤其适用于大言语模子的推理任务。

　　在某些文献中，“MODEL 1”与已知的现存模子“V32”（即DeepSeek-V3.2）比肩说起。行业分析觉得，“MODEL1”概况代表一个不同于现存架构的新模子，可能恰是DeepSeek还未对外发布的下一代模子（R2或者V4）。

　　此前有商场讯息称，DeepSeek有策画在2月春节前后发布新一代AI模子DeepSeek V4，但发布时辰可能会视骨子情况而变化。V4模子是DeepSeek 2024年12月发布的V3模子的迭代版，具备浩瀚的编程才智。DeepSeek里面的初步测试透露，V4在编程才智上极度了现在商场上的其他顶级模子，如Anthropic的Claude和OpenAI的GPT系列。

　　2026年1月以来，DeepSeek算作不息，已连接发布了两篇本事论文，永别先容了名为“优化残差带领（mHC）”的新熟悉递次，以及一种受生物学启发的 “AI缅思模块（Engram）”。

　　1月12日，DeepSeek在github上发表新论文，著述由DeepSeek与北京大学配合完成，作家中有梁文锋签字。著述指出，Transformer架构枯竭原生的常识查找机制，迫使它们通过筹备低效地模拟检索。为此，DeepSeek建议了条目缅思（conditional memory），并给出了竣事决议Engram模块。DeepSeek称，该模块不仅有助于常识检索，同期在一般推理和代码/数学边界方面获取了更大的跳动。

　　在业内看来，梁文锋旗下私募幻方量化较高的收益率，为DeepSeek的研发提供了更多维持。公开府上透露，幻方量化2025年的收益均值达56.55%，在中国不竭限制超百亿的量化私募事迹榜中位列第二开云体育，仅次于以73.51%收益均值登顶的灵均投资。现在，幻方量化不竭限制已超700亿元。