来源：
上海证券报
恰逢 DeepSeek-R1 模型发布一周年，DeepSeek 新模型 「MODEL1」 现身开源社区。
近日，DeepSeek 官方在 GitHub 更新了一系列 FlashMLA 代码，涉及的 114 个文件中，有数十处提到了此前未公开的 「MODEL1」 大模型标识符。
2025 年 2 月，DeepSeek 启动 「开源周」，计划以每日解锁的形式逐步公开 5 个代码库，Flash MLA 为首个开源项目。公开资料显示，Flash MLA 通过优化 Hopper GPU 的内存访问和计算流程，显著提高可变长度序列的处理效率。其核心设计包括动态内存分配机制和并行解码策略，可减少冗余计算并提升吞吐量，尤其适用于大语言模型的推理任务。
在某些文件中，「MODEL 1」 与已知的现有模型 「V32」（即 DeepSeek-V3.2） 并列提及。行业分析认为，「MODEL1」 或许代表一个不同于现有架构的新模型，可能正是 DeepSeek 还未对外发布的下一代模型 （R2 或者 V4）。
此前有市场消息称，DeepSeek 计划在 2 月春节前后发布新一代 AI 模型 DeepSeek V4，但发布时间可能会视实际情况而变化。V4 模型是 DeepSeek 2024 年 12 月发布的 V3 模型的迭代版，具备强大的编程能力。DeepSeek 内部的初步测试显示，V4 在编程能力上超过了目前市场上的其他顶级模型，如 Anthropic 的 Claude 和 OpenAI 的 GPT 系列。
2026 年 1 月以来，DeepSeek 动作不断，已陆续发布了两篇技术论文，分别介绍了名为 「优化残差连接 （mHC）」 的新训练方法，以及一种受生物学启发的 「AI 记忆模块 （Engram）」。
1 月 12 日，DeepSeek 在 github 上发表新论文，文章由 DeepSeek 与北京大学合作完成，作者中有梁文锋署名。文章指出，Transformer 架构缺乏原生的知识查找机制，迫使它们通过计算低效地模拟检索。为此，DeepSeek 提出了条件记忆 （conditional memory），并给出了实现方案 Engram 模块。DeepSeek 称，该模块不仅有助于知识检索，同时在一般推理和代码/数学领域方面取得了更大的进步。
在业内看来，梁文锋旗下私募幻方量化较高的收益率，为 DeepSeek 的研发提供了更多支持。公开资料显示，幻方量化 2025 年的收益均值达 56.55%，在中国管理规模超百亿的量化私募业绩榜中位列第二，仅次于以 73.51% 收益均值登顶的灵均投资。目前，幻方量化管理规模已超 700 亿元。
（上海证券报）
文章转载自东方财富
