DeepSeek-R1 发布一周年之际，其代码库中悄然出现的新模型 Model1 引发了广泛关注。通过对其代码更新的深度分析，不仅可以洞察到下一代模型的技术演进方向，更有理由相信，这很可能就是即将登场的 DeepSeek-V4 模型的雏形。
智能速览
DeepSeek R1 一周年，新模型 Model1 悄然现身代码库。
Model1 核心架构回归 512 维标准。
全面适配 NVIDIA Blackwell 架构，算力性能可期。
引入 Token-level Sparse MLA 等新算子。
引入 VVPA 与 Engram 新机制，可能提升推理能力。
精华内容
围绕 Model1 是否是 DeepSeek-V4 的问题，通过对其代码变更的细致解读，可以勾勒出下一代模型的技术轮廓与革新之处。
架构回归标准
代码显示，Model1 的核心架构回归到了 512 维的 `head_dim` 标准。这一调整可能意味着在模型设计理念上，DeepSeek 正在寻求一种在性能与资源消耗之间取得新平衡的方案，或许是经过了大量实验后的优化选择，旨在提升模型的通用性和效率。
拥抱Blackwell
代码库中出现了大量针对 NVIDIA 下一代 Blackwell 架构的专门优化。这表明 Model1 从设计之初就瞄准了最新的硬件平台，预示着其将能充分利用 Blackwell GPU 的强大算力，在推理速度和能效比上实现显著突破。
稀疏注意力升级
Model1 引入了名为「Token-level Sparse MLA」的新算子，这是相较于 V3 系列最显著的演进。该技术通过在更细粒度的 token 级别进行稀疏化处理，有望大幅降低长上下文处理的计算成本，同时保持甚至提升模型的理解能力。
新机制猜想
代码还暗示了 Value Vector Position Awareness (VVPA) 与 Engram 等新机制的引入。这些技术可能旨在增强模型对位置信息的敏感度和长期记忆能力，从而在复杂推理和知识整合任务上表现更佳，是模型智能化的潜在飞跃。
综合来看，Model1 的出现不仅是 DeepSeek 技术迭代的一次预告，更可能代表着大模型发展方向的一次重要探索。这些代码层面的革新，最终将如何塑造 DeepSeek-V4 的能力边界，值得我们共同期待与关注。
