DeepSeek 發布了 v4.1-Flash，這是一款採用新型因果編碼器-解碼器（CED）架構的多模態模型，擁有 7630 億個總參數。該模型結合雙向編碼與自回歸解碼，標誌著架構的重大演進，並原生支援影像與文字處理。

在設計上，該模型採用非對稱結構，儘管總參數高達 7630 億，但輸入僅使用 80 億個活躍參數，輸出則使用 160 億個活躍參數。此外，它支援高達一百萬個 token 的上下文視窗，並透過 DeepSeek API 以 MIT 授權提供。

事件背景

傳統的大型語言模型（如 GPT）主要基於解碼器，以自回歸的方式逐個 token 生成文字。相比之下，編碼器-解碼器架構（常用於翻譯任務）在生成輸出前會對輸入進行雙向處理。DeepSeek 的新型 CED 架構融合了這兩種方法，使模型能在保持生成效率的同時更深入地理解上下文。

社群觀察

社群反應相當正面，許多觀察者認為該模型的能力足以將其稱為 DeepSeek v5。討論中突出了對此次架構演進的技術興趣，以及它在速度和智能方面超越先前版本的潛力。