推荐语
DeepSeek开源FlashMLA，推理加速新突破！
核心内容：
1. DeepSeek开源周首日，发布FlashMLA解码核
2. FlashMLA针对Hopper GPU优化，显著提升推理效率
3. 项目快速部署指南及性能测试结果
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
上周五，DeepSeek 发推说本周将是开源周（OpenSourceWeek），并将连续开源五个软件库。北京时间周一上午 9 点，刚一上班（同时是硅谷即将下班的时候），DeepSeek 兑现了自己的诺言，开源了一款用于 Hopper GPU 的高效型 MLA 解码核：FlashMLA。该项目上线才 45 分钟就已经收获了超过 400 star！并且在我们截图时，Star 数量正在疯狂飙升。项目地址：https://github.com/deepseek-ai/FlashMLA众所周知，MLA是DeepSeek大模型的重要技术创新点，主要就是减少推理过程的KV Cache，从而实现在更少的设备上推理更长的Context，极大地降低推理成本。此次 DeepSeek 直接开源了该核心技术的改进版本，可以说是诚意满满。据介绍，FlashMLA 是适用于 Hopper GPU 的高效 MLA 解码内核，针对可变长度序列服务进行了优化。其速度非常快，在 H800 SXM5 GPU 上具有 3000 GB/s 的内存速度上限以及 580 TFLOPS 的计算上限。python tests/test_flash_mla.py
使用 CUDA 12.6，在 H800 SXM5 上，在内存绑定配置下实现高达 3000 GB/s，在计算绑定配置下实现 580 TFLOPS。from flash_mla import get_mla_metadata, flash_mla_with_kvcache
tile_scheduler_metadata, num_splits = get_mla_metadata (cache_seqlens, s_q * h_q
for i in range (num_layers):...o_i, lse_i = flash_mla_with_kvcache (q_i, kvcache_i, block_table, cache_seqlens, dv,tile_scheduler_metadata, num_splits, causal=True,)...
甚至有网友打趣地表示：「听说第五天会是 AGI」。
粤ICP备14082021号
免费POC，
零成本试错
