近日，人工智能领域备受关注的国产大模型DeepSeek，在其网页端及App端悄然进行了一次重要的灰度测试，引发了科技圈和广大用户的热烈讨论。此次更新的核心亮点，在于其上下文窗口和知识库的两大突破性升级。
最引人瞩目的变化是上下文处理能力的飞跃。根据多位用户的反馈和媒体实测，新版本的DeepSeek模型支持的上下文长度从此前的128K Token一举提升至1M（百万）Token级别，实现了近8倍的增长。这一升级意味着模型能够一次性接收并处理极为庞大的文本量。例如，合计约90万字的科幻巨著《三体》三部曲全集，或是超过24万个Token的《简爱》全文，都可以在单次交互中被模型完整“阅读”和理解。这一能力使DeepSeek在长文本处理方面，跻身全球第一梯队，与谷歌的Gemini系列等少数顶尖模型看齐。
除了上下文长度的扩展，新模型的知识库也得到了显著更新。其知识截止日期被更新至2025年5月。这意味着模型在不联网的情况下，也能掌握并回答关于2024年末至2025年初发生的事件和信息，大大提升了其知识的时效性和实用性。
从技术层面看，此次升级背后可能得益于DeepSeek团队在底层架构上的持续创新。此前公开的两项技术——mHC（流形约束超连接）和Engram（条件记忆模块），被认为是实现这一突破的关键。mHC旨在优化深层网络中的信息流动，提升训练稳定性和效率；而Engram则通过将静态知识与动态计算解耦，显著降低了长上下文场景下的推理成本和资源消耗。这些算法层面的优化，使得模型在处理百万级Token时，依然能保持相对较高的效率和较低的成本。
然而，这次灰度测试也带来了一些意想不到的插曲。尽管技术性能备受赞誉，但新模型的交互风格却引发了部分用户的集中反馈。许多老用户表示，更新后的DeepSeek变得“冷淡”和“模式化”。例如，模型不再记忆和使用用户设定的昵称，统一以“用户”相称；回复的语气也从过去细腻、富有共情的风格，转变为更为简短、客观甚至略显生硬的表达。这一变化让不少习惯了与模型进行情感化交流的用户感到失落，认为其牺牲了“温度”来换取“效率”。
对此，有分析认为，此次灰度测试版本可能为了优先验证核心的长文本处理能力，暂时精简了个性化交互模块，是正式版发布前的一次“压力测试”。据悉，这次更新并非传闻中的DeepSeek V4正式版，而更像是一个持续进化的最新测试版。值得注意的是，目前该测试版本仍是纯文本模型，暂不支持图像、视频等多模态输入。
DeepSeek此次百万级Token上下文的灰度测试，不仅是其自身技术实力的一次集中展示，也标志着国产大模型在长文本处理这一关键赛道上取得了重要进展。同时，用户的反馈也为行业提出了一个值得深思的课题：在追求更高、更快、更强的技术指标时，如何平衡好AI的工具属性与用户的情感体验，将是未来大模型发展中不可忽视的一环。
