DeepSeek-R2将至？R1一周年：它如何重塑开源AI生态

DeepSeek-R1发布一周年之际，核心算法库惊现MODEL1，是迭代版本还是新一代R2?

2025年1月20日，DeepSeek-R1正式发布，这一里程碑事件让国产大模型首次跻身全球核心舞台，同时开启了大模型的开源新纪元。

就在R1发布一周年的关键节点，深夜的开发者社区突然沸腾——DeepSeek的一个存储库更新中，出现了全新的「model 1」模型引用。

尽管DeepSeek-R1已发布一年，但备受期待的R2尚未露面。而此次曝光的MODEL1，被业内猜测极有可能就是新一代的R2！

在DeepSeek开源项目FlashMLA库的代码片段中，明确引用了「MODEL1」，还同步出现了针对KV缓存的新优化，以及对576B步幅稀疏FP8解码的支持。

FlashMLA是DeepSeek自研的优化注意力内核库，曾为DeepSeek-V3和DeepSeek-V3.2-Exp模型提供技术支撑。

该项目中，「model 1」的提及次数约达28处，从代码细节来看，这无疑是新模型即将发布的明确信号。

值得注意的是，此次爆料恰好赶上DeepSeek-R1发布一周年（2025年1月20日）。作为开源推理模型，R1曾与OpenAI o1实力相当，并登顶iOS App Store，彻底改变了开源AI社区的格局。即便MODEL1并非R2，其意义也不容小觑，毕竟FlashMLA是DeepSeek的核心注意力优化算法库。

FlashMLA是DeepSeek针对Hopper架构GPU（如H800）优化的MLA（Multi-head Latent Attention）解码内核。推理层代码中出现新模型ID，通常意味着代号为Model1的新模型将继续复用或改进现有的MLA架构，这表明DeepSeek团队正全力推进新模型的推理适配工作，FlashMLA作为核心推理优化工具的地位依然稳固。

此前，DeepSeek确实面临过一些挑战。本月15日，国外媒体报道称，DeepSeek在研发新一代旗舰模型时曾遭遇算力问题，但团队及时调整策略并取得进展，计划在「未来几周内」推出该新模型。

HuggingFace视角：DeepSeek如何改变开源AI

在DeepSeek R1发布一周年之际，HuggingFace发文剖析了DeepSeek对开源AI的变革性影响。

尽管R1并非当时性能最强的模型，但其真正价值在于降低了三大壁垒：

一是技术壁垒。通过公开推理路径和后训练方法，R1将原本封闭在API背后的高级推理能力，转化为可下载、可蒸馏、可微调的工程资源。众多团队无需从头训练大模型，就能获得强大的推理能力，推理开始成为可在不同系统中复用的模块，推动行业重新审视模型能力与计算成本的关系，这在算力受限的中国环境中尤为重要。

二是采用壁垒。R1以MIT许可证发布，简化了使用、修改和再分发流程。原本依赖闭源模型的企业开始直接将R1投入生产，蒸馏、二次训练和领域适应成为常规工程工作，而非特殊项目。随着分发限制的解除，模型迅速融入云平台和工具链，社区讨论焦点也从「哪个模型分数更高」转向「如何部署、降本及集成到实际系统」，R1逐渐从研究成果演变为可复用的工程基础。

三是心理壁垒。当问题从「我们能做这个吗？」转变为「我们如何做好这个？」时，许多企业的决策逻辑发生了改变。对中国AI社区而言，这是获得全球持续关注的难得机遇，对于长期被视为追随者的生态系统来说，意义重大。

这三大壁垒的降低，让AI生态系统具备了自我复制的能力。

DeepSeek-R1一周年回顾

让我们回到原点，回顾DeepSeek-R1诞生的这一年。在R1出现之前，大模型的进化方向几乎只有参数规模扩大、数据量增加……但模型真的在「思考」吗？这个问题，正是DeepSeek-R1的起点。它并非追求更快的回答速度，而是刻意让模型「慢下来」——慢在推理链条的展开，慢在中间状态的显式表达。

从技术层面看，DeepSeek-R1的关键突破并非单一技巧，而是一整套系统性设计。

推理优先的训练目标：在传统SFT/RLHF体系中，最终答案的「正确性」是唯一目标，而R1引入了更细粒度的训练信号。

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覆盖，而是聚焦于数学与逻辑推导、可验证的复杂任务。对R1而言，过程比答案更重要，这也使其在数学、代码、复杂推理领域实现了「跨尺度跃迁」。

推理过程的「内化」而非复读模板：外界常误解R1只是「更会写CoT（思维链）」，但真正的变化在于，模型并非复读训练中的推理模板，而是在内部形成了稳定的推理状态转移结构，让推理从外挂能力转变为内生能力。

一年之后：R1带来了哪些改变？

首先，它重塑了对「对齐」的理解。R1之后，人们意识到对齐不仅是价值取向的对齐，更是认知过程的对齐。

其次，它拓展了开源模型的想象空间。R1证明，在推理维度上，开源模型并非追随者，而是可以成为范式定义者，极大激发了社区对「Reasoning LLM（推理大模型）」的探索热情。

第三，它改变了工程师与模型的协作方式。当模型开始「展示思路」，人类的角色就从单纯的提问者转变为合作者。

回到当下，R1的探索仍未结束。一周年并非终点，我们清楚地知道，推理能力仍有明显上限，长链路思考的成本依然高昂。但正如一年前选择研发R1时那样，真正重要的不是已解决的问题，而是方向是否正确。DeepSeek-R1的故事还在继续，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

本文来自微信公众号“新智元”，作者：新智元，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com