DeepSeek被曝正测试支持1M上下文的新模型结构，预示着其可能在今年春节发布新一代模型，以解决大语言模型的记忆短板。此举延续了其以技术突破引发行业关注的模式，值得关注。
智能速览
DeepSeek正测试支持1M上下文的新模型结构。
新模型或于春节发布，旨在解决LLM记忆短板。
现有V3.2模型性能对标GPT-5，兼具效率优势。
DeepSeek成为年度热词，显示出其巨大的行业影响力。
精华内容
这并非一次简单的模型迭代，而是对大语言模型核心能力的深度优化，尤其在处理长程依赖信息方面，可能带来新的突破。
长文本突破
据悉，DeepSeek正在其网页及App端测试一种全新的长文本模型结构，其上下文处理能力高达1M，即百万级别。这一数字远超当前其API服务所提供的V3.2版本的128K上下文。如此巨大的提升，意味着模型未来能够一次性处理整本书籍、长篇代码库或复杂多轮对话的全部历史信息，为深度理解和复杂推理任务奠定了基础。业界普遍联想至去年春节DeepSeek发布带来的现象级轰动，猜测其将再次选择这一时间点“炸场”。
技术基石
此次模型升级的背后，有其坚实的技术理论支撑。今年1月12日，DeepSeek与北京大学联合发布了一篇题为《Conditional Memory via Scalable Lookup》的论文，创始人梁文锋位列作者之中。该论文直指当前大语言模型存在的记忆力“短板”，创新性地提出了“条件记忆”这一新概念，旨在通过更高效的方式扩展模型的记忆容量。这篇论文被广泛解读为DeepSeek下一代模型V4的前瞻性研究，为其技术路线图提供了清晰的注解。
现有实力
在新模型正式发布前，DeepSeek现有的V3.2版本已展现出强大的竞争力。在公开的推理类Benchmark测试中，DeepSeek-V3.2的成绩已达到GPT-5的水平，仅略低于顶尖的Gemini-3.0-Pro。其设计目标是平衡推理能力与输出长度，尤其注重效率。与竞品Kimi-K2-Thinking相比，V3.2在提供相似推理质量的同时，输出长度大幅降低，这意味着显著减少了计算开销与用户等待时间，提升了实用性。
行业风向
DeepSeek的每一次技术进展，都已成为整个AI行业的风向标。其影响力不仅限于技术圈，更已渗透到公众认知层面。网易有道词典发布的2025年度词汇中，“deepseek”以超过867万的年度搜索量成功当选。数据显示，“deepseek”的搜索曲线呈现爆发式增长，从年初因“低成本”突破算力封锁开始，其每一次重要进展都直接带动公众关注度的飙升，印证了其作为市场焦点和公众话题的核心地位。
DeepSeek通过持续的基础架构创新，正稳步推动着大模型能力边界的拓展。若支持1M上下文的新模型如期而至，它将不仅是参数和性能的竞赛，更是对AI应用场景的又一次深刻挖掘，值得整个行业期待。
