智源：FlagOS完成DeepSeekV4八款芯片Day0 適配，實現三重技術突破

雷峰網訊 DeepSeek今日發布了DeepSeek-V4-Pro 1.6T 旗艦模型(1.86萬億參數）及DeepSeek-V4-Flash 284B 高效模型（2840億）。由智源研究院牽頭研發的眾智FlagOS第一時間對兩個“巨無霸”模型進行全量適配，已經完成 DeepSeek-V4-Flash在8款以上 AI 芯片上的全量適配與推理部署，包括海光、沐曦、華為昇騰、摩爾線程（FP8）、昆侖芯、平頭哥真武、天數、英偉達（FP8）等芯片。FlagOS 同時正在推進 DeepSeek-V4-Pro 模型在多個芯片的遷移適配，后續即將開源。

首先完成在八款芯片適配的DeepSeek-V4-Flash 是深度求索推出的 V4 系列兩大模型之一，采用混合專家（MoE）架構，總參數量 284B，激活參數僅 13B，支持 100 萬 token上下文長度。該模型在架構上引入了混合注意力機制（結合壓縮稀疏注意力CSA與高度壓縮注意力HCA，大幅提升長上下文效率）、流形約束超連接（mHC，增強跨層 信號傳播穩定性）以及Muon優化器（加速收斂、提升訓練穩定性）。預訓練數據超過32Ttoken，后訓練采用兩階段范式——先通過SFT和GRPO強化學習獨立培養領域專家，再通過在線策略蒸餾將多領域能力統一整合到單一模型中。在最大推理力度模式（Flash-Max）下，給予更大思考預算使其推理能力可接近Pro版本水平；受限于參數規模，在純知識類任務和最復雜的Agent工作流上略遜于 Pro。 整體性能參考如下官方評測結果：

圍繞DeepSeek-V4-Flash多芯適配，此次FlagOS系統軟件技術棧突破了三大關鍵技術：FlagGems全算子替代（實現多芯片統一適配）、為o-group采用獨立張量并行策略解鎖更多低顯存場景、以及“FP4+FP8混合精度”的原生權重到 FP8/BF16 的精度路徑轉換。當下國內出貨的AI芯片，都沒有FP4的支持。英偉達也只有在Blackwell及之后的高端芯片才支持FP4。這三項關鍵技術，使得DeepSeekV4能夠在當前各種廠商的主流AI芯片上穩定運行，而非僅限于支持 FP4 和大顯存的少數高端AI加速卡。

三大技術突破：為什么對支持多種AI芯片十分重要

突破一：FlagGems 提供支持8種以上芯片的全算子替代——真正意義上的跨芯方案

本次DeepSeek-V4-Flash的適配，FlagGems 實現了模型推理鏈路中全部算子的替代。這意味著什么？

徹底脫離 CUDA 算子依賴：DeepSeek-V4-Flash的 MoE 專家調度、Attention 計算、RMSNorm、TopK 路由等全部核心計算模塊，均由 FlagGems 基于 Triton/Triton-TLE語言重新實現，不調用任何 cuDNN/cuBLAS 等NVIDIA私有庫。

無需芯片廠商逐一適配：傳統模式下，每款新模型上線，芯片廠商需要投入工程團隊做算子適配。現在通過FlagGems+FlagTree編譯器的組合，新模型的算子可以直接編譯到多款芯片后端，芯片廠商不需要做任何額外工作。

新算子即時可用：DeepSeek-V4-Flash引入的新計算模式（如 o-group 相關的分組路由機制），FlagGems 已經實現了對應的新算子，并通過 FlagTree 編譯器統一編譯到所有支持的芯片后端。

FlagGems 作為全球最大的 Triton 單一算子庫，已擁有超過400 個大模型常用算子，并已正式進入 PyTorch 基金會生態合作項目。在 40 個主流模型上，推理任務算子覆蓋度達到 90%~100%，完整支持 DeepSeek-V4-Flash的全部計算需求。

突破二：為o-group采用獨立并行策略——解除張量并行最多單機8卡限制

DeepSeek-V4-Flash為了進一步降低計算開銷采用了分組輸出投影技術（Grouped Output Projection），配置為o-group=8，這導致在傳統的張量并行時候，最多切8份。而當前一些主流國產芯片的單卡顯存為 32GB 或 64GB，尤其在BF16格式情況下，需要張量并行大于8份才能放的下。為了解除這個限制，FlagOS專門針對o-groups進行了單獨張量并行策略設計和實現，確保o-groups切分不超過8份的前提下，能夠讓模型其他部分還采用經典的張量并行策略，并且實現超過8份的切分。通過不同的張量并行策略組合，能夠實現多于8臺設備的張量并行運行。

FlagOS 團隊對o-group張量并行改動有：

獨立的并行策略：獨立于已有的張量并行通信組之外，為o-group單獨構建所需要的張量并行通信組，確保其他模型結構張量并行切分超過8的情況下，o-group的張量并行在8以內。

參數轉換調整：對o-group相關的參數，也進行了對應單獨的張量并行切分處理，以確保在新的獨立張量并行策略下，也能夠被正確加載。

覆蓋面擴展：這一優化能夠將 DeepSeek-V4-Flash在單獨采用張量并行策略下，將可運行芯片范圍從"僅限單機80GB以上顯存的個別高端卡"擴展到"多機64GB/32GB的更多主流國產芯片"，包括海光、沐曦、天數智芯等廠商的主力產品線。

突破三：從“FP4+FP8混合精度” 到 BF16的精度轉換——打通主流芯片的計算路徑

DeepSeek-V4-Flash模型發布時首次采用 FP4+FP8混合精度，該精度只有在Blackwell及之后的英偉達最新硬件上才有支持，但當前所有國內非英偉達 AI 芯片都未能支持，只有摩爾線程原生支持了FP8，其余依然以BF16為主。

FlagOS 完成了從 FP4 到 BF16 的完整精度轉換：

權重反量化：將 FP4 量化權重轉換為 BF16 格式。這不是簡單的類型轉換，而是需要根據 DeepSeek 的量化方案進行逆量化計算，確保數值精度。

計算路徑重建：FP4 和 BF16 在底層計算上有本質差異——FP4 的動態范圍更窄，累加精度、溢出處理策略均不同。FlagOS 對推理鏈路中的 GEMM、Attention、MoE 路由等關鍵計算節點逐一適配了 BF16 路徑。

精度對齊驗證：經過標準評測集驗證，BF16 版本與 FP4 原生版本在核心能力指標上保持對齊，確保精度轉換不引入業務層面的效果損失。

本次，FlagOS推出了FP8和BF16兩種適配版本，讓DeepSeek-V4-Flash不再是"只有最新 NVIDIA 卡才能跑"的模型，而是真正可以部署在 FP8 及 BF16 生態的主流國產芯片上。

FlagGems開源高性能新算子 全面支持 DeepSeek-V4-Flash

本次新發布的DeepSeek-V4-Flash共有大約67個算子，FlagGems已全量支持。新支持了Act Quant、hc_split_sinkhorn、FP8 MatMul、Sparse Attention、Hadamard Transform等5個新算子，實現了對DeepSeek-V4-Flash的全面支持，也為跨芯適配打下重要基礎。

FlagGems 支持 DeepSeek-V4-Flash 新算子的性能對比

為了支持更多AI芯片的使用，FlagOS對DeepSeek-V4-Flash中使用的新算子使用Triton語言進行重新實現，基于FlagTree統一編譯器，性能全部超過原生性能。

C++Wrapper技術是FlagOS技術社區專門為提升基于Triton語言的算子內核調用效率而打造的技術。目前已經支持了該技術的芯片包括華為昇騰、寒武紀、摩爾線程、平頭哥真武、及英偉達等。使用了C++ Wrapper技術，在普通的Transformers框架下，可以顯著提升使用了Triton算子的模型的端到端效率，實現跨芯普適、和高效推理的雙重目標。通過端到端效果評測（NV H20，DeepSeek-V4-Flash FP8），C++ Wrapper + Triton 比 TileLang 快11%，比 Python Wrapper 版快 39%。

開發者極致體驗："發布即多芯" + "極簡部署"

1. 核心能力與原生版本對齊

經 GPQA_Diamond、AIME等權威評測集驗證，FlagOS 適配后的 DeepSeek-V4-Flash，在語言理解、復雜推理、代碼生成、數學計算等核心能力上，與 CUDA 原生版本對齊，可放心應用于金融、教育、政企服務、代碼開發等場景，無需擔心適配導致業務效果折損。

評測數據：

注：本測試結果僅用于對遷移前（Nvidia-Origin）和遷移后（-FlagOS）版本的互相對齊驗證，并不代表 DeepSeek 模型的官方性能，DeepSeek 模型的官方性能以 DeepSeek 官方公布數據為準。

2. 極簡部署：開箱即用，底層優化無感知

FlagOS將核心算子庫、編譯器等技術組件前置內置到 DeepSeek-V4-Flash代碼框架中，開發者加載模型時，底層優化代碼自動生效，無需手動添加任何 FlagOS 初始化代碼。同時，基于 FlagRelease 直接提供了多芯片版本的 DeepSeek-V4-Flash-FlagOS 模型版本，標準化 Docker 鏡像 + 一鍵加速命令，解決了開發者最頭疼的環境配置、效果對齊、性能優化等問題。

FlagOS 2.0 技術底座：從大模型到智能體時代的全棧升級

DeepSeek-V4-Flash的三重突破，依托的是 FlagOS 2.0 統一多芯片系統軟件棧的全鏈路能力。從算子層、編譯層、框架層到工具層，全鏈路為大模型跨芯適配提供技術支撐，將原本數周的適配周期縮短至數天，真正實現極速落地。

FlagOS：面向多種 AI 芯片的系統軟件棧

1. 高性能算子庫 FlagGems：核心算子深度適配，釋放硬件算力

FlagGems 作為 FlagOS核心的高性能通用大模型算子庫，基于 Triton 語言實現，針對 DeepSeek-V4-Flash推理鏈路的核心算子進行了深度適配與優化，包括 MoE 專家調度、Attention 計算、RMSNorm 等關鍵計算模塊，同時原生支持 NVIDIA、摩爾線程、沐曦、清微智能、天數等接近 20 家 AI 芯片。

2. 統一 AI 編譯器 FlagTree：一次編寫，多芯編譯

FlagTree 是 FlagOS 面向多 AI 芯片后端的統一編譯器，基于 Triton 深度定制，可將 DeepSeek-V4-Flash的核心算子編譯為英偉達、摩爾線程等十多種不同 AI 芯片后端可識別的指令，徹底解決不同芯片編譯器生態割裂的問題，大幅降低算子跨芯片適配的開發成本。

3. 模型跨芯遷移發布工具 FlagRelease：半自動實現模型跨芯遷移與版本發布

依托 FlagOS 全棧技術能力，FlagRelease 已完成 DeepSeek-V4-Flash在多種芯片上的模型遷移、精度對齊與版本發布，覆蓋 HuggingFace、魔搭等開源社區平臺。開發者可直接下載使用，無需自行遷移。截至本文發布，FlagRelease 已發布覆蓋 10+ 家芯片廠商、12+ 款硬件、70+ 個開源模型實例的跨芯適配版本。

4. 統一多芯片接入插件 vLLM-plugin-FL：無縫兼容原生使用習慣

vLLM-plugin-FL是 FlagOS 為 vLLM 推理服務框架打造的專屬插件，基于 FlagOS 統一多芯片后端開發，在完全不改變 vLLM 原生接口與用戶使用習慣的前提下，實現多芯片推理部署。目前 vLLM-plugin-FL 已經支持了英偉達、摩爾線程、海光、沐曦、平頭哥真武、天數智芯、昆侖芯、華為等多家芯片。

開源共建：FlagOS持續做開發者的“跨芯適配后盾”

當下，"異構算力協同、大模型普惠落地"已成為全球開源開發者社區的核心熱點，打破硬件生態隔離、讓大模型在不同算力平臺高效低成本運行，是無數開發者的核心訴求。FlagOS 從誕生之初就將開源開放、眾智共建刻入技術基因，始終以開發者為中心，通過全棧開源的統一系統軟件棧，把復雜的"M×N"硬件適配問題降維為"M+N"，做每一位開發者最可靠的跨芯適配后盾。

目前，FlagOS 已形成完整的開源技術體系，所有核心組件均已開源在 GitHub，同時開放了數十款最新的主流基礎大模型、十多款 AI 芯片的適配方案與最佳實踐，開發者可自由獲取、深度定制：

四大核心技術庫：FlagGems通用大模型算子庫、FlagTree 統一 AI 編譯器、FlagScale 訓練推理并行框架、FlagCX 統一通信庫，覆蓋算子開發、編譯優化、并行計算、跨芯片通信全鏈路；

三大開源工具平臺：FlagRelease大模型自動遷移發版平臺、KernelGen 算子自動生成工具、FlagPerf 多芯片評測工具，提供從模型適配、性能評測到工程落地的一站式工具鏈；

全場景擴展生態：vLLM-plugin-FL、Megatron-LM-FL、TransformerEngine-FL 等框架增強組件，以及 FlagOS-Robo 具身智能工具包，覆蓋大模型訓練、推理、應用全場景。

雷峰網文章