待验证80% 置信事实时间未知
DeepSeek V4的DSA（吸收注意力/Differential Sparse Attention）机制在百万上下文场景下，计算量降至V3.2的27%，KV缓存降至10%
1
来源数
80%
置信度
中期 (~90 天)
时效性
2026/5/31
首次发现
有效期至：2026/8/29
来源
DeepSeek V4 Pro深度评测：对比8款旗舰模型谁更值得用
bilibili磊哥哥哈哈哈哈
涉及实体
相关事实
已验证多头潜在注意力机制（MLA）通过将KV投影到低维潜在空间压缩存储，将KV Cache显存占用降低至传统方法的5%至13%75% 相似待验证MLA（Multi-head Latent Attention）通过低秩压缩将 KV 缓存的显存占用降低至传统 MHA 的约 1/869% 相似待验证DeepSeek V4通过MLA等压缩技术将KV Cache的显存占用压缩到前代的10%以下66% 相似待验证MiniMax M3采用MSA（Multi-head Shared Attention，多头共享注意力）架构，通过在多个注意力头之间共享部分KV缓存来降低长序列推理时的内存占用和计算成本65% 相似待验证LoRA微调使所需GPU显存从数百GB降低到几GB级别65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/10490API
curl https://kongchang.com/api/v1/knowledge/claims/10490MCP
get_claim(id=10490)