DeepSeek 开源周day1 推出FlashMLA！ 专为Hopper 架构 GPU打造的超高效 MLA (Multi-Layer Attention) 解码内核，现在已经正式开源啦！

什么是 FlashMLA？

简单来说，FlashMLA就是一个为了让 英伟达Hopper架构 GPU跑得更快更溜的MLA 解码加速器！ 它主要针对变长序列 (variable-length sequences)的场景进行了深度优化，尤其是在大模型推理服务中，效率提升简直肉眼可见！

根据官方介绍，FlashMLA 目前已经在生产环境中使用，稳定性杠杠的！

FlashMLA 有啥亮点？ ✨

• 
  

  •✅ BF16 精度支持：紧跟潮流，支持最新的 BF16 精度，性能与效率兼得！

  
  

• 
  

  •✅ Paged KV Cache (页式键值缓存)：采用页式 KV 缓存，块大小为 64，更精细的内存管理，效率更高！

  
  

• 
  

  •⚡️ 极致性能：在H800 SXM5GPU 上，内存受限场景下可达3000 GB/s的惊人速度，计算受限场景也能达到580 TFLOPS的算力！ 而且，这一切都基于CUDA 12.6实现的！

  
  

快速上手，体验飞一般的感觉！

DeepSeek AI 也非常贴心地给出了快速上手指南，只需简单几步，就能体验 FlashMLA 的强大！

安装：

python setup.py install

复制

跑个 Benchmark 试试水：

python tests/test_flash_mla.py

GitHub 仓库传送门：https://github.com/deepseek-ai/FlashMLA

技术细节 & 引用

FlashMLA 的背后，离不开对FlashAttention 2&3以及cutlass等优秀项目的学习和借鉴。DeepSeek AI 在这些基础上进行了创新和优化，才有了今天的 FlashMLA。

温馨提示：FlashMLA 需要Hopper 架构 GPU、CUDA 12.3 及以上以及PyTorch 2.0 及以上版本支持哦！ 使用前请确保你的环境满足要求！

⭐星标AI寒武纪，好内容不错过⭐