近日，科技領域傳來新動態(tài)，DeepSeek正對其網頁端和APP進行新功能測試，此次測試聚焦于全新的長文本模型結構，該結構可支持高達1M的上下文。不過，其API服務目前依舊保持為V3.2版本，僅支持128K上下文。
這一動作引發(fā)外界諸多猜測，不少人認為DeepSeek或許會在今年春節(jié)期間再次帶來驚喜，發(fā)布新模型，有望重現(xiàn)去年春節(jié)時引發(fā)行業(yè)轟動的盛況。此前，DeepSeek在模型研發(fā)方面就動作不斷，展現(xiàn)出強大的技術實力與創(chuàng)新能力。
今年1月12日，DeepSeek聯(lián)合北京大學共同完成了一篇頗具影響力的論文《Conditional Memory via Scalable Lookup:A New Axis of Sparsity for Large Language Models》（基于可擴展查找的條件記憶：大語言模型稀疏性的新維度），梁文鋒位列作者名單。論文聚焦于當前大語言模型存在的記憶力不足問題，創(chuàng)新性地提出了“條件記憶”這一概念，為解決該問題提供了新的思路與方向。基于此，行業(yè)普遍推測DeepSeek的下一代模型V4極有可能在今年春節(jié)前后正式亮相。
回顧去年12月1日，DeepSeek曾一次性發(fā)布兩個正式版模型，分別是DeepSeek-V3.2和DeepSeek-V3.2-Speciale。目前，官方網頁端、App以及API均已更新為正式版DeepSeek-V3.2，而Speciale版本則以臨時API服務的形式開放，主要用于社區(qū)評測與研究工作。
據了解，DeepSeek-V3.2在研發(fā)過程中有著明確的目標，即平衡推理能力與輸出長度，使其更貼合日常使用場景，例如問答場景以及通用Agent（智能體）任務場景。在公開的推理類Benchmark測試中，DeepSeek-V3.2展現(xiàn)出不俗的實力，達到了GPT-5的水平，僅稍遜于Gemini-3.0-Pro。與Kimi-K2-Thinking相比，V3.2的輸出長度大幅降低，有效減少了計算開銷，同時也顯著縮短了用戶的等待時間。
