DeepSeek 开源周首日:发布大模型加速利器FlashMLA 解码性能飙升至3000GB/s

　　DeepSeek在开源周首日推出了FlashMLA，这是一款针对英伟达Hopper架构GPU的高效多层注意力解码内核，旨在优化变长序列场景下的大模型推理性能。

　　该技术通过全面支持BF16精度和创新的页式键值缓存系统，显著提升了内存管理的精确性。FlashMLA在性能测试中表现出色，达到了3000GB/s的处理速度和580TFLOPS的算力。

　　FlashMLA专为英伟达Hopper架构GPU设计，优化变长序列场景，提升推理性能。

　　采用BF16精度和块大小为64的页式键值缓存系统，实现精确内存管理。

　　在H800SXM5GPU上，FlashMLA在内存受限场景下达到3000GB/s的处理速度。