DeepSeek 下一代模型悄然现身，代码泄露揭示重大升级

就在 DeepSeek-R1 发布一周年之际，一款代号为“MODEL1”的新模型线索突然浮出水面。开发者在 DeepSeek 的 GitHub 仓库中发现，其最新更新的 FlashMLA 代码库中，横跨114个文件出现了多达28处对“MODEL1”的引用。这并非简单的测试标签——代码结构和注释明确显示，它是一个与当前主力模型 DeepSeek-V3.2（代号“V32”）完全不同的全新架构。

更值得关注的是，新模型在底层设计上做了深度重构。与 V32 相比，“MODEL1”重新设计了键值（KV）缓存的存储方式，大幅降低推理时的内存占用；引入了更高效的稀疏注意力机制，让长文本处理更流畅；最关键的是，它首次原生支持 FP8 数据格式进行解码——这意味着在同等算力下，模型响应速度可能提升30%以上，推理成本显著下降。这些改动不是小修小补，而是为大规模部署量身打造的工程突破。

农历新年前后或正式发布，代码能力再攀高峰

据《The Information》最新消息，这款新模型极有可能在2月中旬正式亮相，时间点恰好卡在农历新年期间。这一时机并非偶然——业内普遍认为，DeepSeek 正在瞄准开发者群体的“开年第一波技术升级需求”。届时，新模型或将以“DeepSeek V4”之名发布，并被重点宣传其在代码生成领域的突破性表现。

过去一年，DeepSeek 在开源社区已凭借 R1 和 V3.2 建立了“最强开源代码模型”的口碑。而这次，从内部技术文档和论文线索来看，新模型或将融合团队此前发布的两项前沿成果：一是“优化残差连接（mHC）”，能有效缓解深层网络训练中的梯度衰减问题；二是受神经科学启发的“AI 记忆模块（Engram）”，让模型在处理复杂任务时具备更强的上下文保持能力。这两项技术一旦落地，意味着它不仅能写出更准确的代码，还能在长时间对话、多文件项目中保持逻辑连贯，真正像一个资深工程师那样“记得住上下文”。

开发者已提前行动，社区热度悄然升温

目前，已有部分开源贡献者在 Discord 和 GitHub 讨论区自发组织“MODEL1”预测小组，有人甚至通过反编译模型权重文件，初步推测其参数规模可能在200B以上，远超当前主流开源模型。虽然官方尚未确认，但多个技术博主已开始搭建测试环境，准备第一时间跑通新模型的推理流程。

如果你是开发者、AI 工程师，或长期关注开源大模型进展，这可能是今年最值得期待的一次升级。相比某些厂商“PPT发布”的套路，DeepSeek 的风格一向务实——没有炫技的宣传，只有扎实的代码和性能数据。这一次，他们可能正悄悄准备一场真正的“技术暴击”。