DeepSeek启动百万token测试，部分用户称失去灵魂？

2月11日，DeepSeek在其App与网页端悄然开启新一轮灰度测试，将模型上下文窗口从V3.1版本的128K token，直接提升至1M（百万）token。DeepSeek称可以一次性处理《三体》三部曲，并理解和分析其内容。

另外，升级了模型知识库截至日期和增强的文件处理能力。模型知识库更新至2025年5月，即便在离线状态下，也能准确回应2025年上半年的各类新闻事件。支持上传图像、PDF、Word、Excel、PPT、TXT，能从文件中提取文字信息并深度分析。

这一系列密集升级，被业内看作是其新一代旗舰模型V4即将亮相的重要信号。

此次测试版本仍为纯文本形态，暂不支持视觉输入及多模态识别功能，但成功补齐了长文本处理的核心短板，直接对标Google Gemini的百万级上下文能力。

官方没有正式公布更新，但有部分用户在试用时吐槽，“丢掉了DeepSeek最有灵魂的东西”“现在这版本小说文笔巨差，以前的文笔我认为是业界巅峰，比什么gptgrok都强，就是2月11号后一切都变了。”“不知道的还以为在写诗呢，一句话一段你知道我看得多崩溃吗？”

也有用户认为这只是新版本测试，后续会根据反馈优化的。

DeepSeek的更新开年以来一直在铺垫。

早在2025年下半年，受生态布局薄弱、产品能力偏科等因素影响，DeepSeek的用户规模和活跃度均出现明显下滑，外界对其发展前景一度提出质疑。对此，DeepSeek团队并未急于回应，而是选择低调深耕技术，陆续发布V3.2系列模型、数学专用模型及OCR工具，为新一轮技术突破默默蓄力。

1月，DeepSeek以罕见的频率连续发布两篇关键技术论文，为这次灰度测试的顺利推进筑牢了技术根基。其中，元旦当天发布的mHC流形约束超连接架构，解决了大规模模型训练过程中的稳定性难题。

1月中旬，开源的Engram条件记忆模块，则采用哈希查找替代高成本的神经网络计算，实现“查算分离”，可将超大参数表迁移至CPU内存，推理延迟控制在3%以内，天然适配百万级长上下文场景，大幅降低了长序列推理的算力开销。

不到一个月前，DeepSeek自研解码核心库FlashMLA更新时，社区开发者意外发现了代号为“Model 1”的全新模型标识。该标识独立于现有V3.2架构，在KV缓存布局、稀疏性处理以及FP8数据格式解码等方面，都与V3.2版本存在明显差异，这意味着DeepSeek正在进行一次底层架构的全面重构，而非简单的版本迭代。

据悉，DeepSeek 下一代旗舰模型预计将是一款万亿参数级别的基础模型，正因规模大幅跃升，训练速度明显放缓，导致发布进程有所延后。但野村证券2月10日发布的报告里提到，预测DeepSeek V4会在2月中旬发布。

DeepSeek将全面整合mHC与Engram两项核心技术，摒弃盲目堆砌参数的行业惯性，重点提升模型的推理、编程以及长文本处理效率。

目前，DeepSeek并未对此次灰度测试作出回应。

来源：星河商业观察