一文详解DeepSeek开源的FlashMLA，他们才是真正的“源神”。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
一文详解DeepSeek开源的FlashMLA，他们才是真正的“源神”。
原创 数字生命卡兹克 数字生命卡兹克 2025-02-24 11:12 北京
刚刚，万众瞩目的DeepSeek，开源了他们第一天的项目。
开源地址在此：
https://github.com/deepseek-ai/FlashMLA
开源的是一个叫FlashMLA的东西。
不到半小时，Github已经已经300多Star了。
几个参数：
核心的一句话是：
“FlashMLA is an efficient MLA decoding kernel for Hopper GPUs, optimized for variable-length sequences serving.”
翻译过来就是：FlashMLA是一款面向Hopper GPU的高效MLA解码内核，并针对可变长度序列的服务场景进行了优化。
因为确实比较硬核，我只能说用我仅有的知识，给大家简单科普一下这是个啥，可能会有错误，不保证对，如果出现错误欢迎大佬评论区拍砖。
把这句话拆解一下。
“MLA decoding kernel”。
这里的“MLA”指的是Multi-head Latent Attention，多头潜在注意力，DeepSeek降低成本的王炸，反正它是个专门用来做解码阶段的注意力加速器。
大模型有两个主要阶段：训练（包括prefill）和推理解码（infer decoding）。在解码阶段，我们往往需要一次一次地拿KV缓存出来，反复计算，所以当序列变长之后，这部分开销会爆炸似的增长。如果能在解码阶段有更强的核去优化，意味着你的大模型可以更快地产出结果，特别对像这种长上下文对话就很关键。
第二，“for Hopper GPUs”。
英伟达的卡有几个架构，包括A架构和H架构。
A是Ampere架构（2020年发布），是NVIDIA的第七代GPU架构，主打通用计算和高性能AI训练/推理，典型代表型号为A100。
H代表Hopper架构（2022年发布），是NVIDIA的第九代架构（跳过第八代），目前最新的，专为超大规模AI和超算设计，显著优化了Transformer模型性能，典型的就是H100，不过因为国内问题，能用到的都是阉割版的H800。
所以，大家就可以明白，FlashMLA是DeepSeek专门针对NVIDIA H800这一代高端加速卡做的深度优化。
他们在release note里还说跑在H800上能达到“3000 GB/s memory-bound & 580 TFLOPS compute-bound”，这等于在“内存带宽”和“浮点算力”两方面都拉到极限了。基本已经是我见过的最逼近巅峰的了。
他们在致谢了写了灵感来自于FlashAttention。
我就去翻了下那个项目。
相比FlashAttention-2，FlashMLA接近翻了2倍，甚至都能跟FlashAttention-3还差点，而别人是H100优化的，DeepSeek是针对H800优化的。
第三，“optimized for variable-length sequences.” 。
就是说它不仅仅适合固定batch，还对那种“每个人输入长度不一样，随时变更token长度”的场景特别好。
因为就大模型的实际应用而言，用户往往输入并不规则，随时来个长上下文对话或者给你干上去一个超长PDF，这就需要内核支持“动态序列”，同时还能保持高效，而这块，DeepSeek也做了大幅的优化。
目前整体上也可以开箱即用。
DeepSeek这是真的把自己最牛逼的东西开源出来了。
这尼玛，才是真正的OpenAI啊。
想起来了他们前几天发的论文《Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention》，整个目标也都是有异曲同工之妙。
如果说FlashMLA是针对推理解码做的“终极性能爆破”，那么Native Sparse Attention就是对训练和推理做更全面的“稀疏化改革”。
两者结合到一起，意思就是DeepSeek在告诉你。
“无论训练还是推理，我都要把硬件榨干，要做就做最猛的AI。”
对于整个AI生态来说，这是一件天大的好事。
特别是国内。
越多的开源优化，意味着以后大家都可以在高效注意力、稀疏推理、长上下文训练等方面取得突破，不用像过去那样闭源大厂独家享受。
如果你是小白或者纯产品经理，可以把这件事情当做：
苹果又给iPhone做了一个专门的GPU调教，所以游戏跑得更爽了。
只不过，这次是DeepSeek在给AI大模型做专门的GPU调教，把H800的极限性能都薅出来，换来更快的推理和训练速度。
这是妥妥的GPU性能红利。
所以我对DeepSeek挺佩服，敢搞硬件极限那一套，敢把论文跟开源项目一起放出来，而且频率这么高。
而且这还只是第一天。
后面还有四天，不敢想他们还会放出来多牛逼的东西出来。。
希望这篇小白友好版的文章能让你对FlashMLA有个更直观的理解。
既然没卡，没有资源。
那我们自己，就特娘的打下那一片天。
感谢DeepSeek。
你才是真正的源神。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@gmail.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言