春节前夕，DeepSeek被曝正测试支持百万Token上下文的新模型结构。这一进展不仅源于其最新的理论突破，更预示着国产大模型在长文本处理能力上将实现重大跨越，有望重塑现有AI竞争格局，为行业带来新的可能性。
智能速览
DeepSeek正灰度测试支持百万Token上下文的新模型。
新模型基于“条件记忆”理论，实现动态计算与静态记忆的分离。
测试版知识库已更新至2025年5月，超长文本处理能力表现出色。
官方采取谨慎的灰度策略，API暂未更新，预示正式发布临近。
此技术突破或将改写大模型市场格局，挑战国际厂商在长文本领域的优势。
精华内容
从理论基础到灰度测试，DeepSeek的新模型并非空穴来风。其背后的技术路径与战略布局，正逐步清晰，揭示了一场精心筹备的技术升级。
理论基石
此次突破的理论源头可追溯至DeepSeek与北京大学在1月12日联合发布的一篇论文。这篇由DeepSeek创始人梁文锋署名的论文，直面了当前Transformer架构在知识检索与记忆效率上的根本性缺陷。
论文核心提出了“条件记忆”概念，并设计了名为Engram的新模块。其关键作用在于将模型的动态逻辑处理与静态知识记忆分离开来，从而避免了为提升记忆力而盲目堆砌参数，转而通过更高效的查找机制来调用知识。这一理论为超长上下文处理铺平了道路。
实测信号
目前，新模型已在DeepSeek的网页端和APP中对部分用户开启灰度测试。模型自述的上下文长度标注为1M Token，而官方API服务仍停留在V3.2版本的128K。这种差异化的更新策略，本身就是重大发布的强烈信号。
值得注意的是，测试版的知识库截止日期已更新至2025年5月，比现有版本更新数月。部分实测显示，该模型处理超长文本如小说全集等任务时表现稳定，对编程、法律文件分析等需要长文本输入的垂直领域具有极高的实用价值。
发布前瞻
DeepSeek选择在春节前夕进行灰度测试，让人联想到去年春节期间发布R1模型引发的轰动效应。这种“春节档”现象级发布的节奏，已成为DeepSeek独特的市场策略。
官方API暂未同步更新，表明其正采取稳健的灰度发布策略，既能让先行者体验新能力，又不冲击现有服务的稳定性。市场期待值已然拉满，DeepSeek在2025年的年度搜索量已超870万次。若百万Token能力以低成本实现，必将对现有大模型竞争格局产生颠覆性影响。
DeepSeek的新模型若成功发布，不仅是技术实力的展现，更是国产大模型挑战旧有格局的冲锋号。它将如何影响未来的应用生态与开发范式，值得整个行业期待与思考。
