DeepSelect：DeepSeek 为 DSA 打造的高性能 TopK 算子
DeepSeek 官方组织于 2026-09-10 开源 DeepSelect（GitHub 快照：152 星 / CUDA / 当日创建并活跃），这是 DeepSeek Sparse Attention（DSA）所用 TopK kernel 的高性能实现与配套 sampler；DSA 应用于 V3.2、V4、V4.1 三代模型，官方称相比原生 torch.topk 取得 2~20 倍加速，同日发布 v1.0.0 与中英双语算法深度解析文档。本文拆解为什么 TopK 会成为注意力瓶颈、RadixSelect 的「一遍扫描 + 随机块 + 阈值收敛」思路、「总处理元素数期望上界」意味着什么，以及为什么该用有效内存带宽而非 FLOP 来度量性能；重点写清它不做什么：仅支持 Lightning Indexer（bfloat16、topk 必须 ≤4096）与 Sampling（float32、vocab 约 128K）两类 workload，官方调参建议是关闭 sorted_index、不需要取值时设 return_value=False。冷思考：152 星说明项目极早期，对 DeepSeek 系模型直接有用，生态价值大于通用价值。