DeepSeek V4开源在即！GitHub代码库曝光的“Model1”正是春节主角

2026年1月21日，技术社区在DeepSeek的FlashMLA优化库中发现了关键线索——一个名为 “Model1” 的新模型标识符出现在最近的代码提交中。这些提交横跨多个文件，将Model1与当前的V3.2模型并列提及，清晰地表明这是一个独立的新分支。

这一发现恰好验证了科技媒体The Information本月初的独家爆料——DeepSeek正紧锣密鼓地准备在3月中旬农历新年期间推出代号为V4的新一代旗舰模型。从开源社区的蛛丝马迹到权威媒体的交叉印证，Model1就是V4 的推测几乎已成定局。

开源一周年的技术献礼

整整一年前，DeepSeek-R1的发布开启了新的开源LLM时代，并成为Hugging Face平台上获赞最多的模型。如今，在R1开源一周年之际，V4的代码悄然现身，延续了DeepSeek在开源领域的承诺。

与R1专注于推理能力不同，V4预计将带来全方位的架构升级。据泄露信息显示，V4总参数达6710亿，采用混合专家架构（MoE）和流形约束超连接（mHC）技术，而Engram记忆模块的加入可能成为其最大亮点。

技术社区对GitHub上 DeepSeek FlashMLA仓库 的更新保持高度关注，每一个提交都可能揭示V4的更多技术细节。从目前的提交记录看，DeepSeek工程师正在密集优化稀疏注意力机制和FP8推理支持，这些都是为V4的大规模部署做准备。

Engram：颠覆性“记忆外挂”或将改变游戏规则

最值得期待的是V4可能集成的Engram技术，这是DeepSeek近期开源的一项革命性架构创新。其核心理念是将“记忆”与“计算”分离——传统Transformer模型需要动用多层网络来识别固定短语和常识，而Engram通过可查表的“超级字典”，让模型能够直接检索静态知识，解放深层网络专注于复杂推理。

这种设计带来了反直觉的效果：即使是数学和代码生成等需要强推理的任务，性能也获得显著提升。因为模型不再需要为“死记硬背”分散算力。研究表明，Engram-27B相比纯MoE基线在BigBench Hard推理任务上提升5.0分，HumanEval代码生成提升3.0分。

更重要的是，Engram架构支持将千亿级参数的“知识库”存储在廉价的CPU内存中，推理时吞吐量损耗不到3%。这意味着企业部署大模型的成本有望大幅降低，不再完全依赖昂贵的GPU显存。

从社区热议到行业期待

在Reddit的MachineLearning版块和Hacker News上，关于Model1代码泄露的讨论已经持续数日。开发者们逐行分析 GitHub上的最新提交，试图从代码变更中拼凑出V4的全貌。

“这是典型的DeepSeek风格——不做过多的营销预告，让代码自己说话。”一位资深开发者在技术论坛上评论道。这种“用技术说话”的方式，反而在技术社区中积累了更强的信任感和期待感。

从R1的开源成功到V4的蓄势待发，DeepSeek正在建立一种新的开源范式：在官方正式发布前，通过代码库的渐进式更新，让社区提前参与、提前适配。这种策略不仅降低了新模型的采用门槛，也创造了一种独特的社区共建氛围。

复刻“春节发布”的成功策略

DeepSeek似乎深谙“春节发布”的黄金法则。去年R1正是在农历新年期间发布，利用全球开发者相对空闲的时段，迅速在开源社区形成了病毒式传播。

这种时机选择充满了战略考量：避开欧美科技公司密集的发布档期，在相对安静的技术新闻周期中占据主导地位。同时，春节期间开发者和研究者的闲暇时间较多，更愿意深入测试和探索新模型，从而在社区中形成更深入的口碑传播。

随着Model1代码的不断更新，想要获取DeepSeek V4最新动态和深度解读的读者，可以持续关注 deepseekv4.app 的追踪报道。这个独立追踪网站已经整理了从代码泄露到技术分析的全链条信息，成为许多开发者获取V4进展的首选渠道。

从R1到V4，DeepSeek始终在证明一点：真正的创新不仅在于模型规模，更在于架构智慧与开源精神的完美结合。当Model1的代码在GitHub上悄然传播时，我们看到的不仅是一个新模型的诞生，更是一种新范式的开启。这个农历新年，开源AI世界可能将迎来又一次重大突破。