10 月 15 日上午，大量網友反映 DeepSeek 網頁端同 App 出現服務異常，頁面提示「伺服器暫時不可用」。DeepSeek 官方回應話今次異常已影響對話服務、DeepSeek V4.1 Flash API 服務同另外一個組件。官方話已定位原因並正喺修復。呢次事件顯示 DeepSeek 嘅對話服務、V4 Pro API 服務、V4.1 Flash API 服務都出現不同程度嘅中斷，直到上午 10 時 14 分 App 仍然不可用，故障已經持續超過一個鐘頭。
據網上不同平台嘅監測顯示，海外多地反應都唔同，有用戶話收到長時間等待、有人卡喺加載界面，亦有人看到「伺服器繁忙」「消息過於頻繁，請稍後再試」等提示。第三方故障監測平台 StatusGator 提示，過去 24 小時內已接獲 86 條相關報障。從盧森堡、波蘭、紐約等地嘅用戶回饋嚟睇，呢次故障影響範圍唔少。
值得注意嘅係，呢唔係 DeepSeek 最近首次出現服務異常。十月中旬之前，官方狀態頁面已經多次出現對話功能異常嘅情況，呢啲問題年內至少出現過第 18 次大規模異常。核心問題指向算力供需失衡，係一個長期挑戰，亦反映深度學習系統在高負荷下嘅穩定性壓力。
此外，背景資料顯示，有研究團隊喺今年 9 月底喺預印本平台 arXiv 提交論文，探討大型模型喺長上下文任務中偶爾出現嘅「抽風」現象，並提出相位敏感性係造成呢種現象嘅技術原因。呢篇論文指出，分塊 KV 緩存壓縮所帶來嘅相位敏感性直接關聯到長上下文檢索嘅效果。
DeepSeek 團隊發現相位敏感性影響長上下文檢索表現
DeepSeek 團隊對基礎版同後訓練版嘅 DeepSeek-V4-Flash、DeepSeek-V4-Pro，以及後訓練後嘅 DeepSeek-V4.1-Flash 進行評估，發現三者都採用分塊 KV 緩存壓縮嘅共同做法，以固定步幅將連續標記窗口壓縮為較少緩存條目。呢種壓縮喺降低長上下文推理嘅內存佔用同注意力計算成本方面有效，但同時帶嚟新嘅位置坐標——標記相對於壓縮窗口邊界嘅位置，亦即所謂嘅相位。
研究指出，當資訊喺壓縮緩存中位於不同相位時，檢索表現會出現顯著唔同。換句話講，即使內容相同，所喺嘅相位不同都可能影響模型喺長上下文中的檢索準確度，形成可觀嘅表現波動。
呢種現象同方法論有關：採用分塊 KV 緩存壓縮嘅大型開放權重模型，喺長上下文任務下嘅檢索表現呈現週期性波動。研究發現，相位敏感性嘅波動幅度可能達到相差 40 個百分點，呢個數字暴露出平均分數背後潛在嘅極端波動，對用戶喺不同文本點嘅體驗有直接影響。
呢個結果提示喺長上下文檢索嘅場景中，單純以平均成績評估模型可能唔足夠，因為用戶遇到嘅實際情況往往取決於資訊落點喺相位中的分佈。對於開發者嚟講，呢亦涉及到緩存策略同模型檢索策略嘅再考量，以提升長上下文下嘅穩定性同一致性。
