DeepSeek悄然开启百万token上下文窗口的灰度测试，直指此前短板。此举不仅追平行业顶尖水平，结合近期发布的技术论文，更被解读为下一代模型V4即将到来的重要信号。
智能速览
DeepSeek灰度测试百万token上下文，知识库更新至2025年5月。
上下文长度从此前的128K翻涨8倍，弥补了关键短板。
Engram模块与DSA机制结合，有效降低长序列推理成本。
当前版本仍为纯文本模型，暂不支持多模态视觉输入。
业内普遍猜测此次更新为V4的前奏，但官方尚未确认。
精华内容
从128K到1M，上下文窗口的跃升不仅是数字游戏，背后是架构的重塑与技术的积淀。
百万上下文解锁
2月11日，DeepSeek开启灰度测试，将模型的上下文窗口从128K token大幅提升至1M token级别。这意味着模型能够一次性处理《三体》三部曲或整本《简爱》等超长文本，并准确识别其中细节。
同时，其知识截止日期也更新到2025年5月，即便不联网也能回答近期的新闻事件，大幅提升了信息的时效性与处理能力。
技术底座支撑
此次升级并非凭空而来。过去一个月，DeepSeek连续发布两篇关键技术论文。其中，Engram模块提出的“条件记忆”与“查算分离”架构，通过哈希查找替代昂贵的神经网络计算，能将高达100B参数的嵌入表卸载到CPU内存，推理延迟增长低于3%。
这种架构天然适配超长上下文，结合V3.2中引入的DSA稀疏注意力机制，理论上显著降低了长序列推理的计算成本，为百万token的实现提供了可能。
V4前奏猜想
以往128K的上下文是DeepSeek V3系列的明显短板，此次直接对标Google Gemini的1M级别，使其在关键指标上跻身第一梯队。
尽管当前版本仍为纯文本模型，不支持视觉输入，但结合mHC论文解决的大模型训练稳定性和Engram的推理优化，业内普遍猜测这便是传说中V4模型的前奏。真正的迭代或许仍在酝酿，一切谜底有待揭晓。
百万上下文的灰度测试，为DeepSeek补齐了关键短板，也展示其深厚的技术储备。这盘“开胃饺子”之后，真正的“年夜饭”值得期待，它将如何重塑大模型竞争格局？
