npm package discovery and stats viewer.

Discover Tips

  • General search

    [free text search, go nuts!]

  • Package details

    pkg:[package-name]

  • User packages

    @[username]

Sponsor

Optimize Toolset

I’ve always been into building performant and accessible sites, but lately I’ve been taking it extremely seriously. So much so that I’ve been building a tool to help me optimize and monitor the sites that I build to make sure that I’m making an attempt to offer the best experience to those who visit them. If you’re into performant, accessible and SEO friendly sites, you might like it too! You can check it out at Optimize Toolset.

About

Hi, 👋, I’m Ryan Hefner  and I built this site for me, and you! The goal of this site was to provide an easy way for me to check the stats on my npm packages, both for prioritizing issues and updates, and to give me a little kick in the pants to keep up on stuff.

As I was building it, I realized that I was actually using the tool to build the tool, and figured I might as well put this out there and hopefully others will find it to be a fast and useful way to search and browse npm packages as I have.

If you’re interested in other things I’m working on, follow me on Twitter or check out the open source projects I’ve been publishing on GitHub.

I am also working on a Twitter bot for this site to tweet the most popular, newest, random packages from npm. Please follow that account now and it will start sending out packages soon–ish.

Open Software & Tools

This site wouldn’t be possible without the immense generosity and tireless efforts from the people who make contributions to the world and share their work via open source initiatives. Thank you 🙏

© 2026 – Pkg Stats / Ryan Hefner

@powehig/dsh-arch-lab

v2.1.4

Published

Architecture microscope for DeepSeek Harness: per-layer 3D structural cutaways and 2D maps of frontier LLM papers, with tensor shapes, formulas and parameter math.

Readme

架构显微镜 / Arch Lab

DeepSeek-V3.2 的 DSA 逐层 3D 结构

Arch Lab turns each layer of frontier LLM papers into a rotatable, clickable 3D structural cutaway, with tensor shapes and LaTeX formulas.

把最新大模型论文里的每一层展开成可旋转、可点击的 3D 结构剖视:残差主干、Q/KV 投影、MLA latent cache、DSA indexer / top-k、稀疏注意力、MoE 路由与专家,都以带张量形状的 3D 模块呈现;点击模块即可查看论文公式与逐符号解释。原有 2D 宏观 / 层内视图完整保留。

  • 插件包:@powehig/dsh-arch-lab
  • 安装:DSH plugin_manager install_bundle @powehig/dsh-arch-lab
  • 入口:DSH Web 侧边栏「架构显微镜」图标(order: 12)
  • 语言:跟随 DSH locale 自动切换中文 / English
  • 主题:跟随 DSH 深色 / 浅色主题
  • 默认视图:3D 逐层结构;工具栏 3D / 2D 随时切换,选择会记在 localStorage
  • 发布:GitHub PowehiG/dsh-arch-lab / npm @powehig/dsh-arch-lab
  • License:MIT(Three.js r128 以 MIT 许可内嵌,见 vendor/THREE-LICENSE)

3D 逐层结构剖视

中间不是一叠层片,而是当前这一层本身的 3D 架构图。左侧层轨和底部滑杆覆盖全部 1..N 层;切换层时,3D 场景里的模块、连线、张量形状和公式同步替换。

h · 残差流
  └─ RMSNorm ──┬─ Q 投影 ───────────────┐
               ├─ KV 压缩 → Latent Cache → KV 升维 ─┤
               └─ DSA Indexer → Top-k 选择 ─────────┤
                                                    ▼
                                          MLA + DSA 稀疏注意力
                                                    │
                                              输出投影 ──► Residual +
                                                            │
                                                         RMSNorm
                                                            │
                                      Router → 共享专家 / DeepSeekMoE
                                                            │
                                                        专家合并
                                                            │
                                                        Residual + → h′
  • 模块是真正的 3D 几何体:投影/注意力是发光 box,KV cache 是圆柱,循环状态是带环的圆柱,专家是 3×3 网格;不同模块类型有固定色板。
  • 能看到层内数据流:主干、分支、残差 skip、top-k 选择、状态更新分别用不同曲率和颜色的管道表示;粒子沿主路径流动(可暂停)。
  • 能看到张量形状:每个模块的 label 直接显示 shape;点击后在右侧检查器显示完整输入/输出形状、说明、公式和符号表。
  • 标签会自动避让:HTML label 会投影到 3D 模块旁,自动避开所有模块 box 和其他 label,并用细引线连回所属模块;不会糊成一团。
  • 相机自动取景:按当前层的包围盒计算 target 和 radius;拖拽旋转、滚轮缩放、fit 重置;窗口尺寸变化会重新取景。
  • 所有模块可点:点击 3D 几何体或它的 label 都行;重叠时按“离点击点最近的模块中心”选择,避免被前排盒子挡住。
  • WebGL fallback:环境不支持 WebGL 时,同一份场景图会降级成纵向模块列表,不丢结构信息;2D 视图也始终可用。

以 DeepSeek-V3.2 的 DSA 为例

选中 DeepSeek-V3.2 后,第 1 层会展开为 18 个 3D 模块:

  1. 主干:h → RMSNorm → Residual + → RMSNorm → Residual + → h′。
  2. Q 分支:RMSNorm → Q 投影,形状 [B, T, d] → [B, H, T, d_h]。
  3. MLA KV 分支:KV 压缩 把 K/V 压成 [B, T, kvLora+rope] 的 latent;Latent Cache 是每个 token 只存一条的圆柱 cache;KV 升维 在注意力前还原 K/V。
  4. DSA 稀疏分支:DSA Indexer 用轻量 indexer 为每个 query 估分 [B,T] → scores [B,T];Top-k 选择 只保留 topk 个 token;随后与 Q、KV 一起进入 MLA + DSA 中央注意力。
  5. 输出与 MoE:中央注意力 → 输出投影 → 残差;RMSNorm 后进入 Router 路由,分到 共享专家 与 DeepSeekMoE 3×3 专家网格,专家合并 后回到残差。

对应公式(点击模块可看完整符号表):

  • Q/KV latent:c_t = W_DK x_t,K_t = W_UK c_t,V_t = W_UV c_t
  • DSA 选择:s_t = Indexer(q_t, k_t),I_t = TopK(s_t, k)
  • 稀疏注意力:y_t = softmax(q_t K_{I_t}^T / sqrt(d_h)) V_{I_t}
  • MoE:y = sum_{i in TopK(g_t)} g_i * Expert_i(x)

DSA 的 indexer 细节各论文版本略有差异;这里展示的是“轻量 indexer → top-k token 索引 → 精确稀疏注意力”的公开结构,不冒充某篇论文的逐行伪代码。

每一层是什么结构

src/03-data.js 的纯函数按模型标签推导第 i 层的变体;src/03b-scene.js 再把它变成 3D 节点和连线。

| 模型族 | 层序列 | 依据 | | --- | --- | --- | | Kimi K3 | 每 4 层 1 层 MLA,其余 KDA | KDA + MLA | | Qwen3-Next | 3 层 GDN + 1 层 Gated Attention | Linear Attention + GQA | | MiniMax-M1 | 每 8 层 1 层 Full,其余 Lightning | Lightning | | Gemma 4 | 每 6 层 1 层 Global,其余 Local | local/global attention | | Llama 4 | 每 4 层 1 层 Global(NoPE),其余 Local | iRoPE | | gpt-oss / MiMo | 全层与 SWA 交替 | sliding window / hybrid SWA | | DeepSeek-V4 | CSA 与 HCA 交替 | CSA + HCA | | DeepSeek-V4.1 | 全层 CSA2 | CSA2 | | DeepSeek-V3.2 / GLM-5 | 全层 DSA(MLA latent) | DSA | | DeepSeek-V3 / Kimi K2 / LongCat | 全层 MLA | MLA | | 其余 GQA 模型 | 全层 GQA | GQA |

张量形状由 config 计算,而不是照抄节点文案:

  • hidden = [B, T, dModel]
  • q = [B, heads, T, headDim]
  • kv = [B, kvHeads, T, headDim]
  • MLA/DSA latent = [B, T, kvLora + ropeDim]
  • CSA = [B, T/4, latent],HCA = [B, T/128, latent]
  • Local/SWA = [B, kvHeads, window, headDim]
  • Linear = [B, heads, headDim, headDim] 的常数状态
  • MoE 路由:[B, T, experts] → top-k → [B, T, dModel]

这些是按论文公开配置 / 标签推导的形状;论文只给部分字段时用 ? 或合理默认值,UI 不会把它伪装成官方逐层表。

原来的 2D 视图还在

工具栏切到 2D 后,行为与上一版一致:

  • 宏观结构:embedding → N×Transformer Block → final norm → LM head;节点带张量形状、参数量和一句话解释。
  • 层内结构:双击带 ×N 的重复块进入,查看 pre-norm、MLA/GQA/线性注意力、MoE 路由、共享专家、残差的具体数据流。
  • 点击任意节点,右侧显示形状、说明、公式;重复块可继续下钻。

2D 和 3D 共享模型数据、检查器、对比、计算器和论文解析,不会出现两套状态。

一眼能看到什么

内置 16 个 2025–2026 模型,按发布时间倒序:

| 模型 | 总参 / 激活 | 关键结构 | | --- | --- | --- | | DeepSeek-V4.1-Flash | 552B + 196B Engram / 16B decode | Engram 条件记忆、40 层、890 B/token KV | | DeepSeek-V4-Pro / V4-Flash | 1.6T / 49B;284B / 13B | 61 层、384 专家、CSA/HCA 交替 | | Kimi K3 | 2.78T / 104B | 93 层、KDA/MLA、NoPE | | Gemma 4 26B-A4B | 26B / 3.8B | 混合局部/全局注意力 | | GLM-5 | 744B / 40B | DSA 稀疏注意力、Muon 优化器 | | MiMo-V2-Flash | 309B / 15B | 混合 SWA、MTP | | DeepSeek-V3.2 | 671B / 37B | DSA + MLA + DeepSeekMoE | | Qwen3-Next-80B-A3B | 80B / 3B | 3:1 Gated DeltaNet / Gated Attention | | LongCat-Flash | 560B / 27B | Zero-computation experts | | gpt-oss-120b | 116.8B / 5.1B | MXFP4、128 专家 top-4 | | Kimi K2 | 1.04T / 32B | 384 专家、MuonClip | | GLM-4.5 | 355B / 32B | 混合专家、MTP | | MiniMax-M1 | 456B / 45.9B | Lightning Attention | | Llama 4 Maverick | 400B / 17B | 128 专家、iRoPE | | DeepSeek-V3 | 671B / 37B | MLA + 无辅助损失负载均衡 | | LLM-jp-4 32B-A3B | 32.1B / 3.8B | 32B 级 MoE |

每个模型还包含:

  • 设计要点:5–8 张可展开卡片,每张都有中文解释、LaTeX 公式和符号表。
  • 参数 / KV 计算器:改层数、hidden size、专家数、top-k、KV heads,实时估算总参、激活参数、每 token KV 字节数和单层参数量。
  • 模型对比:最多 4 个模型并排,比较参数效率、KV 成本、上下文和结构标签。
  • 论文解析:粘贴 arXiv PDF / HTML / abs URL、普通论文页或正文;PDF 会自动转文本,优先使用 arXiv HTML,再退回 PDF / 摘要。自动抽取标题、hidden size、层数、专家数、top-k、上下文和公式,生成可导入的草稿。
  • 在线发现:工具栏刷新按钮会实时搜索最新 arXiv cs.CL 论文与 Hugging Face text-generation 模型的 config.json;点击“解析”或“导入”即可加入实验室。

更新 / 发现最新模型

工具栏的刷新按钮不再是“重新读一遍静态 JSON”。点击它(或打开面板后自动预热)会:

  1. 查询 arXiv API 最近的 cs.CL 论文,按提交时间倒序,返回标题、摘要、作者、日期、abs/HTML/PDF 链接;
  2. 查询 Hugging Face API 的最新 + 高赞 text-generation 模型,并额外按官方实验室(Baidu、DeepSeek、Qwen、Z.ai、OpenAI、Google、Meta、Mistral、Moonshot、MiniMax 等)和模型家族(ERNIE、DeepSeek、Qwen、Kimi、GLM、MiniMax、Llama、Gemma、gpt-oss、Mistral)定向搜索,过滤 GGUF / 量化 / LoRA / adapter 等衍生仓库,读取公开 config.json;
  3. 从 config 推导层数、hidden size、heads、KV heads、head dim、专家数、top-k、上下文和词表,生成可直接导入的架构草稿;
  4. 在「发现最新模型」弹窗里分别展示论文与模型;论文点“解析”会预填并抓取全文,模型点“导入”会直接进入实验室。

结果在 Host 内存缓存 15 分钟;工具栏刷新图标上的数字表示本次发现的条目数。官方实验室定向查询保证刚发布、但已掉出“最新 60 条”的模型(例如 Baidu ERNIE-5.5-Flash-Base)仍能被发现。

通过官方 config.json + 模型卡导入 ERNIE 5.5 Flash 后,会显示:

  • 43 层:37 层 HCA + 6 层 MLA-DSA,按 compress_ratios 的 -2 标记识别;
  • VHA 在每一层 attention 中启用:3D 场景会出现 Q Premix、Postmix、输出门 节点,attention 标题为 HCA+VHA / MLA-DSA+VHA;
  • 64 query heads、512/256 的层特定 head dim、512 routed experts top-10、1 shared expert、1M ctx;
  • KV 估算按层区分:37 个 HCA 层每 128 token 一条压缩 KV,6 个 MLA-DSA 层使用 latent;当前约 7.33 KB/token(不是把 43 层都当完整 KV);
  • 模型卡统计:280B total / 14B activated。网络不可用时会显示 warning,但不会影响内置的 16 个模型和 2D/3D 视图。

arXiv / Hugging Face 都是公开 API;搜索结果不代表模型质量排名。Hugging Face 侧只提取 config.json 的公开字段,总参/激活仍以模型卡为准。

交互

| 操作 | 效果 | | --- | --- | | 点击左侧模型卡 | 切换模型;3D 场景按新模型重新取景 | | 工具栏 3D / 2D | 切换逐层 3D 剖视 / 原 2D 画布 | | 3D 画布拖拽 | 旋转视角 | | 3D 画布滚轮 | 缩放 | | 点击 3D 模块或 label | 右侧检查器显示完整形状、说明、公式、符号表 | | 点击空白 | 取消选择 | | 左侧层轨 / 底部滑杆 / ← → ↑ ↓ | 上一 / 下一层,覆盖全部层 | | fit / 双击空白 / 0 | 重新自动取景 | | 顶部 − / + | 缩小 / 放大 | | 标签按钮 | 显示 / 隐藏模块 label 与引线 | | 工具栏刷新按钮 | 搜索最新 arXiv 论文 + Hugging Face config,并打开「发现最新模型」 | | 暂停 / 播放 | 开关数据流粒子 | | 点击展开设计要点 | 查看该模型的关键公式 | | 2D 双击 ×N 重复块 | 进入层内视图 | | 顶部放大镜 | 搜索模型名、机构、标签、摘要 | | All / MoE / Linear / MLA / DSA / MTP | 结构筛选 | | 顶部 ? | 内置帮助 | | 顶部 ⇄ | 模型对比 | | 顶部计算器图标 | 参数 / KV 估算 |

给 Agent 用:paper_lab 工具

Host 半注册了 paper_lab 工具,Agent 可以直接抓论文并把结构化 spec 推到面板:

{"action":"fetch","url":"https://arxiv.org/abs/2606.xxxxx","maxChars":80000}
{"action":"publish","spec":{"name":"...","summary":"...","config":{...},"ideas":[...],"stack":[...]}}
{"action":"list"}
{"action":"clear"}
  • fetch:arXiv abs URL 会自动尝试 arxiv.org/html/<id> 全文;HTML 中的 MathML alttext / LaTeX annotation 会转成 $...$,供面板里的公式渲染器识别。
  • publish:写入 Host 内存,origin: "agent";面板每 4.2 秒轮询 /paper-lab/api/custom,几秒内出现,带 AGENT 标记。
  • 发布 spec 的 stack 可省略,客户端会按 config 自动生成宏观结构;3D 逐层场景会从 config、tags 和 stack 推导。

也可以完全在 UI 内操作:论文解析 → 导入本地模型 → 存 localStorage,带 IMPORT 标记,可移除。

支持的公式子集

渲染器是自带的小型 LaTeX 解析器,不依赖 KaTeX/MathJax,支持:

  • 上下标 x_i^2、\sum_{i=1}^{n}、\prod、\int
  • \frac{a}{b}、\sqrt{x}、\left( ... \right)、\{ ... \}
  • \mathrm、\mathbf、\mathcal、\mathbb、\text、\operatorname
  • \underbrace{...}_{...}、\overbrace{...}^{...}
  • \dots、\cdot、\times、\approx、\le、\ge、\neq、\to、\uparrow、\downarrow、\nearrow、\searrow
  • 常用函数名 \ln、\log、\exp、\max、\min、\tanh、\sin、\cos、\lim、\sup、\inf

3D 场景新增的公式包括:

  • 线性注意力:S_t = α_t S_{t-1} + β_t k_t v_t^T, y_t = S_t q_t
  • CSA/HCA:K_c = Compress(K; m), y = softmax(Q K_c^T / √d_h) V_c
  • DSA:I = TopK(Indexer(q,k)), y = softmax(q k_I^T / √d_h) v_I
  • Local/SWA:y_t = softmax(q_t K_{t-W:t}^T / √d_h) V_{t-W:t}

不支持 \begin{aligned}、\tag、\label、TikZ;遇到未知命令会显示原始 token,便于发现数据问题。

数据与代码结构

dsh-arch-lab/
├── package.json          # dsh.bundle.patch + dsh.client 清单;依赖 pdf-parse
├── cordis.patch.yml      # 插入 include:arch-lab
├── host2.js              # Host:/paper-lab/api/* + paper_lab 工具
├── client.js             # 构建产物(浏览器半,含 Three.js,约 832 KB)
├── build.mjs             # 把 src/*.js + vendor/three.min.js 拼成 client.js
├── data/models.json      # 16 个内置模型(约 134 KB)
├── icon.svg              # 侧边栏图标
├── locale/{zh,en}.json   # 插件元数据
├── vendor/
│   ├── three.min.js      # Three.js r128 UMD(MIT)
│   └── THREE-LICENSE
└── src/
    ├── 01-style.js       # 设计系统 CSS + 3D 场景/标签/引线样式
    ├── 02-math.js        # LaTeX 子集解析 + 渲染
    ├── 03-data.js        # 模型归一化、KV 估算、层变体/形状推导、默认结构
    ├── 03b-scene.js      # 纯函数:把某一层变成 3D 节点/边/包围盒
    ├── 04-ui.js          # 旧 3D 甲板、blueprint、2D 画布、检查器、计算器、对比、论文解析
    ├── 04b-scene-ui.js   # 3D 场景(Three.js)、标签布局、拾取、相机
    └── 05-panel.js       # 面板状态、3D/2D 切换、轮询、slot 注册

模型数据 schema

{
  id, name, org, released, accent,
  paper: { title, url },
  summary, tags: string[],
  stats: { total, active, layers, context, experts, topK },
  config: { layers, dModel, heads, kvHeads, headDim, experts, shared,
            topK, vocab, context, moeInter, kvLora, ropeDim, kvLayers,
            kvBytesPerToken },
  stack: [{
    id, label, sub, kind, shape, desc, formula,
    vars: [[symbol, meaning]],
    count, inner: [ ...同样结构的子节点 ]
  }],
  ideas: [{ title, body, formula, vars: [[symbol, meaning]] }]
}

kind 决定节点颜色和图标:io, norm, attention, moe, ffn, router, expert, residual, head, repeat, linear, conv, embed, custom;逐层 3D 场景还引入 cache, indexer, selector, state。

3D 不要求 stack 里预先写 93 层:buildLayerInfo(model, i) 会从 config、tags 和 stack 的重复块推导第 i 层的变体、模块链和张量形状;buildSceneGraph(model, i) 再生成 3D 节点坐标、尺寸、连线与包围盒。

安装

从 npm 安装

在 DSH 中让 Agent 执行:

plugin_manager install_bundle @powehig/dsh-arch-lab

也可以用本地目录安装(适合开发):

git clone https://github.com/PowehiG/dsh-arch-lab.git
cd dsh-arch-lab
node build.mjs

然后把目录路径交给 plugin_manager install_bundle。

不要同时安装旧的 @local/arch-lab-v8 / @local/arch-lab-v9:它们注册同一个 /paper-lab/api Host 路由,会冲突。安装前先 remove_bundle 旧版本。

修改 Host 或 Client 后,仅重装同名包不会重载已缓存的 ESM 模块。两种生效方式:

  1. 重启 DSH;或
  2. 使用新的包名(本版为 @powehig/dsh-arch-lab),用 plugin_manager remove_bundle 旧包 + install_bundle 新目录。

不要手动改 profile 的 package.json / cordis.patch.yml,统一走 plugin_manager。 build.mjs 会从 package.json 读取 name 写入 ModuleLoader id,所以改名后只需重新构建。

验证记录

  • node --check client.js 通过;client.js 约 832 KB(含 Three.js r128)
  • 浏览器渲染:16 个模型的 3D 场景全部出 canvas,无 fallback;18 个 DSA 模块、17 个 MLA/CSA 模块、15–17 个线性/局部/全注意力模块
  • DSA 逐模块点击:Q / KV 压缩 / Latent Cache / KV 升维 / Indexer / Top-k / 注意力 / 输出投影 / MoE / Router 全部选中正确的检查器与公式
  • 每模型抽 4 层(首层、第 2 层、中间层、末层)检查:标签无重叠、无裁切、模块中心不被底部滑杆遮挡
  • 响应式:1440×900 / 1180×800 / 980×760 三种尺寸标签均在 stage 内
  • 2D 回归:16 个模型宏观/层内渲染、对比、计算器、论文解析/导入、Hybrid 节点检查器全部通过
  • WebGL 禁用时:17 个模块的 fallback 列表正常显示
  • paper_lab.publish → /paper-lab/api/custom 可见 → clear 清空
  • arXiv PDF URL(/pdf/2610.17959)→ 优先 arXiv HTML,返回全文而不是 PDF 二进制;无 HTML 时用 pdf-parse 抽文本
  • 在线发现端点:arXiv 18 条 + Hugging Face 最多 12 条 config 候选;发现弹窗可解析论文或导入模型
  • 定向校验:baidu/ERNIE-5.5-Flash-Base 出现在发现结果中;导入后按 37 HCA + 6 MLA-DSA 分层,并在每层显示 VHA Q Premix / Postmix / 输出门,统计为 280B total / 14B active

已知限制

  • 3D 场景一次显示当前层,不是把 93 层同时铺在空间里;用层轨/滑杆访问全部层。
  • 逐层 CSA/HCA、GDN/GA、KDA/MLA 等是按论文标签推导的规律;若论文实际交错顺序不同,以 config/stack 为准,可手动修正数据。
  • 未公开的 headDim、kvLora、专家中间维度用 ? 或合理默认值;3D 会明确显示 ? 或推导值,不冒充官方逐层表。
  • 3D 坐标是为了可读性手工设计的结构示意,不是按真实张量尺寸比例缩放;形状以 label / 检查器为准。
  • 论文解析是启发式抽取,不保证还原论文全部结构;导入后可在 JSON 页签手动修正。
  • fetch 仅允许公网 http(s),拒绝内网地址;arXiv 偶发反爬会退回 abs 摘要页。
  • PDF 解析使用 pdf-parse(PDF.js),对扫描版/加密 PDF 可能失败;arXiv 论文优先走 HTML,失败才走 PDF。
  • 在线发现依赖 arXiv/Hugging Face 公共 API,限流或网络异常时会降级为内置模型;Hugging Face 的 config 不包含总参/激活与训练细节。