2025年1月，DeepSeek-R1上線，此時正值R1模型發布一周年之際，DeepSeek新模型“MODEL1”曝光。

北京時間1月21日，DeepSeek官方GitHub倉庫更新了一系列FlashMLA代碼，借助AI對全部總代碼文件數:114個（包括.py, .md, .txt, .sh, .cpp, .cu, .h文件）進行分析，發現了一個此前未公開的模型架構標識“MODEL1”，共被提及31次。

FlashMLA是DeepSeek獨創的、針對英偉達Hopper架構GPU深度優化的軟件工具，專門加速大模型“推理生成”這一環節。該算法的實現基礎MLA（多層注意力機制），是DeepSeek模型（如V2、V3）實現低成本、高性能的關鍵技術之一，用于在模型架構層面減少內存占用，最大化地利用GPU硬件。

MODEL1是DeepSeek FlashMLA中支持的兩個主要模型架構之一，另一個是DeepSeek-V3.2。據推測，MODEL1很可能是一個高效推理模型，相比V3.2，內存占用更低，適合邊緣設備或成本敏感場景。它也可能是一個長序列專家，針對16K+序列優化，適合文檔理解、代碼分析等長上下文任務。它也可能是一個長序列專家，針對16K+序列優化，適合文檔理解、代碼分析等長上下文任務。

另外，MODEL1的硬件實現跨越多個GPU架構。在英偉達H100/H200（SM90架構）上有兩個版本：model1_persistent_h64.cu用于64頭配置，model1_persistent_h128.cu用于128頭配置。在最新的B200（SM100架構）上有專門的Head64內核實現，而SM100的Head128實現僅支持MODEL1，不支持V3.2，有人猜測DeepSeek為適配英偉達新一代GPU，專門優化了MODEL1的架構。

DeepSeek已發布的主要模型是兩條技術路線的代表：追求極致綜合性能的V系列“全能助手”和專注于復雜推理的R系列“解題專家”。

2024年12月推出的V3是DeepSeek的重要里程碑，其高效的MoE架構確立了強大的綜合性能基礎。此后，DeepSeek在V3基礎上快速迭代，發布了強化推理與Agent（智能體）能力的V3.1，并于2025年12月推出了最新正式版V3.2。同時，還推出了一個專注于攻克高難度數學和學術問題的特殊版本V3.2-Speciale。

2025年1月發布的R1，則通過強化學習，在解決數學問題、代碼編程等復雜推理任務上表現卓越，并首創了“深度思考”模式。

科技媒體The Information月初爆料稱，DeepSeek將在今年2月中旬農歷新年期間推出新一代旗艦AI模型——DeepSeek V4，將具備更強的寫代碼能力。

此前，DeepSeek研究團隊陸續發布了兩篇技術論文，分別介紹了名為“優化殘差連接（mHC）”的新訓練方法，以及一種受生物學啟發的“AI記憶模塊（Engram）”。這一舉動不禁引起用戶猜測，DeepSeek正在開發中的新模型有可能會整合這些最新的研究成果。