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 SXM5 GPU 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。
写在最后
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！
