DeepSeek-R2要来了？

新智元报道

编辑：Aeneas KingHZ

【新智元导读】DeepSeek-R1宣布一周年之际，焦点算法库惊现MODEL1，是V4照旧R2?

2025年1月20日，DeepSeek-R1正式宣布。以后，国产大模子第一次走到了全球舞台的焦点位置，开启了开源时代。

而就在今天深夜，开发者社区欢喜了：DeepSeek的一个存储库举行更新，引用了一个全新的「model 1」模子。

DeepSeek-R1一年了，但DeepSeek-R2还没来。

而这个被爆出的MODEL1，极有可能就是R2！

在DeepSeek的开源项目FlashMLA库代码片断明确引用了「MODEL1」，并且陪同针对KV缓存的新优化，和576B步幅的希罕FP8解码支持。

FlashMLA是DeepSeek的优化注重力内核库，为DeepSeek-V3和DeepSeek-V3.2-Exp模子提供支持。

项目里，约莫有28处提到model 1。

这可以被解读为新模子即将宣布的明确信号。

巧的是，这个爆料正好赶在DeepSeek-R1宣布一周年（2025年1月20日）。

R1作为开源推理模子，曾匹敌OpenAI o1并登顶iOS App Store，以后彻底改变了开源AI社区。

MODEL1即便不是R2，也意义非凡，事实FlashMLA是DeepSeek优化的注重力焦点算法库。

FlashMLA是DeepSeek为Hopper架构GPU（如H800）优化的MLA（Multi-head Latent Attention）解码内核。

在推理层代码中提及新模子ID，往往意味着该新模子（代号为Model1）将继续复用或刷新现有的MLA架构。

这批注 DeepSeek 团队正紧锣密鼓地推进新模子的推理适配事情，FlashMLA 作为其焦点推理优化的职位依然稳固。

已往，DeepSeek简直遇到了一些贫困。

本月15日，外洋媒体报道，去年在研发其新一代旗舰模子时，DeepSeek在算力上遇到了一点贫困。但DeepSeek实时调解了战略，取得了希望，并正准备在「未来几周内」推出这款新模子。

HuggingFace：

DeepSeek怎样改变开源AI

HuggingFace在DeepSeek R1宣布一周年之际，发文诠释了DeepSeek怎样改变了开源AI。

R1并不是其时最强的模子，真正意义而在于它怎样降低了三重壁垒。

首先是手艺壁垒。

通过果真分享其推理路径和后训练要领，R1将一经关闭在API背后的高级推理能力，转变为可下载、可蒸馏、可微调的工程资产。

许多团队不再需要重新训练大模子就能获得强盛的推理能力。推理最先体现得像一个可复用的�？椋诓畋鸬南低持兄馗从τ�。这也推动行业重新思索模子能力与盘算本钱之间的关系，这种转变在中国这样算力受限的情形中尤为有意义。

其次是接纳壁垒。

R1以MIT允许证宣布，使其使用、修改和再分发变得简朴直接。原本依赖闭源模子的公司最先直接将R1投入生产。蒸馏、二次训练和领域顺应酿成了通例的工程事情，而非特殊项目。

随着分发限制的扫除，模子迅速扩散到云平台和工具链中，社区讨论的重点也从「哪个模子分数更高」转向了「怎样安排它、降低本钱并将其集成到现实系统中」。

久而久之，R1逾越了研究产品的领域，成为了可复用的工程基础。

第三个转变是心理层面的。

当问题从「我们能做这个吗？」转变为「我们怎样做好这个？」时，许多公司的决议都爆发了转变。

对中国AI社区而言，这也是一个难堪的、获得全球一连关注的时刻，关于一个恒久被视为追随者的生态系统来说，这一点至关主要。

这三个壁垒的降低配合意味着，生态系统最先获得了自我复制的能力。

DeepSeek-R1一周年

今天，让我们回到原点，回首DeepSeek-R1降生的一年。

在R1之前，大模子的进化偏向险些只有一个，更大的参数规模、更多的数据……

可是，模子真的在思索吗？

这个问题，就是DeepSeek-R1的起点。

它不是让让模子回覆得更快，而是刻意让它慢下来，慢在推理链条的睁开，慢在中心状态的显式表达。

从手艺上看，DeepSeek-R1的要害突破，并不在某一个单点技巧，而在一整套系统性设计。

推理优先的训练目的

在古板SFT/RLHF系统中，最终谜底的「准确性」是唯一目的。R1 则引入了更细粒度的信号。这也是第一次，模子

高密度推理数据，而非高密度知识

R1的训练数据，不追求百科全书式的笼罩，而是高度聚焦在数学与逻辑推导、可验证的重大使命。

总之，谜底不主要，历程才主要。因此，R1才在数学、代码、重大推理上，泛起出「跨标准跃迁」。

推理历程的「内化」，而不是复读模板

一个常见误解是：R1只是「更会写CoT」。

但真正的转变在于：模子并不是在复读训练中见过的推理模板，而是在内部形成了稳固的推理状态转移结构。

以后，推理不再是外挂，而是内生能力。

一年之后：R1改变了什么？

首先，它改变了对「对齐」的明确。

R1之后，我们最先意识到，对齐不但是价值对齐，也是认知历程的对齐。

第二，它改变了我们对开源模子的想象空间。

R1证实：在推理维度，开源模子不是追随者，而可以成为范式界说者。这极大激活了社区对「Reasoning LLM」的探索热情。

第三，它改变了工程师与模子的协作方法。

当模子最先「展示思绪」，人类就不再是提问者，而是相助者。

回到今天：R1仍然是一条未走完的路。

一周年，并不是终点。

我们仍然清晰地知道：推理能力尚有显着上限，长链路思索仍然腾贵

但正如一年前做出 R1 的谁人选择一样——真正主要的，不是已经解决了什么，而是偏向是否准确。

DeepSeek-R1的故事，还在继续。

而这一年，只是序章。

参考资料：

https://huggingface.co/blog/huggingface/one-year-since-the-deepseek-moment%20

https://x.com/testingcatalog/status/2013588515271962678%20

https://x.com/nopainkiller/status/2013522059662614653

《网站黄无码》，《Q8X2R7L1T4J5M9B6W3》

91免费在线观看视频国产

“青草操视频在线观看”

k1体育麻将胡了

下载APP

所有

DeepSeek-R2要来了？

热门视频

k1体育麻将胡了

下载APP

所有

DeepSeek-R2要来了？

热门视频

DeepSeek-R2要来了？