2025年1月20日，DeepSeek-R1 正式发布一周年。这款模型首次让国产大模型站上全球舞台中央，彻底点燃开源AI时代。
就在周年纪念日深夜，开发者社区突然沸腾：DeepSeek 的 FlashMLA 核心算法库更新，代码中多次出现神秘的 “MODEL1” 引用。
DeepSeek-R1 已满一岁，但期待已久的 R2 仍未现身。这个“MODEL1”极有可能就是 R2 的代号！
FlashMLA 是 DeepSeek 为 Hopper 架构（如 H800）优化的 Multi-head Latent Attention（MLA）解码内核，曾为 V3 和 V3.2-Exp 提供核心支持。代码中约 28 处提及“MODEL1”，并伴随 KV 缓存优化与 576B 步幅稀疏 FP8 解码支持。这被视为新模型即将发布的强烈信号——时机恰好卡在 R1 一周年。
R1 如何重塑开源AI？
Hugging Face 在周年之际发文指出，DeepSeek-R1 真正改变了开源生态，它降低了三重关键壁垒：
- 技术壁垒：公开推理路径与后训练方法，让高级推理能力从封闭 API 变为可下载、可蒸馏、可微调的工程资产。许多团队无需从零训练即可获得强大推理能力。
- 采用壁垒：MIT 许可证让使用、修改、再分发变得极简。企业直接将 R1 投入生产，蒸馏与领域适应成为常规操作。
- 心理壁垒：从“我们能做到吗？”转向“我们如何做得更好？”，彻底激活全球社区，尤其是中国AI生态的自信。
R1 曾以开源推理模型身份匹敌 OpenAI o1，登顶 App Store，彻底改变行业格局。
R1 的核心突破：让模型真正“思考”
R1 的起点，是一个简单却深刻的问题：大模型真的在思考吗？
它不追求更快回答，而是故意“慢下来”，让推理链条显式展开。
关键创新包括：
- 推理优先训练：引入细粒度信号，聚焦高密度推理数据（数学、逻辑、可验证复杂任务）。
- 过程重于答案：在数学、代码、复杂推理上实现跨尺度跃迁。
- 内化推理能力：不再复读模板，而是形成稳定内部状态转移结构。
一年后，R1 改变了什么？
- 对齐从价值对齐扩展到认知过程对齐。
- 开源模型从追随者变为范式定义者。
- 人类与模型从“提问-回答”变为真正协作。
未来：R1 的路还未走完
尽管推理能力仍有上限，长链思考仍代价高昂，但方向已明确。
DeepSeek-R1 的故事仍在继续，这一周年，仅是序章。
而今夜 FlashMLA 中的“MODEL1”，或许就是下一章的开端。