這兩天論文，我聽說DeepSeek V4.0（以下簡稱DS4）灰度上線了，趕緊來試試！
（所謂“灰度”的意思，是隨機(jī)挑選一些用戶，也不告訴你，目的是為了做用戶測試、反饋、進(jìn)一步調(diào)整論文。據(jù)說DS4本輪的灰度測試是向全部用戶開放的，你也可以用哦?。?/p>
首先，要確認(rèn)一下DS的版本論文。我進(jìn)入到DeepSeek的官網(wǎng)，直接問它“你是誰”？
根據(jù)它反饋的消息：上下文1M、知識截止至2025年5月，這兩條就可以確認(rèn)：它不是DS3.2（它只有128K下下文、知識截止至2024年8月），應(yīng)該就是DS4.0了！
王玨老師也看了一些DS4的介紹，說是技術(shù)上也有很多突破，采用了很多創(chuàng)新的技術(shù)手段（比如：Engram技術(shù)，文末會有簡單介紹），進(jìn)一步大幅降低了服務(wù)成本、提高了響應(yīng)速度論文。
不過，如果只是作為終端用戶的話，架構(gòu)的進(jìn)化、技術(shù)的進(jìn)步并不容易體會到論文。
不過論文，支持1M上下文（可以簡單理解它可以同時(shí)處理為100萬字），倒是可以直接體驗(yàn)的！
先來說說論文，上下文長度，起什么作用呢？
——如果你遇到過如下情況：當(dāng)你把若干篇論文、或電子圖書上傳到ds中，ds可能會說：由于超長文本，只能解析其中的x%……這就是上下文長度不夠的原因論文。
此前，DS只支持128K上下文，也就是大約只支持12萬字左右的上下文論文。而DS4在這方面的性能提升了8倍！
以前，有不少老師問我：遇到上下文長度不夠的，該怎么辦呢？彼時(shí)，我只能給大家推薦Google Gemini 3.0 Pro，它是首個(gè)支持1M上下文的大模型論文。
現(xiàn)在論文，DS4也能支持1M上下文了，對于需要對大量資料、長文本進(jìn)行分析、處理的場景（比如文獻(xiàn)綜述），可真是太實(shí)用了！
展開全文
以下，是我對DS4是否真的支持100萬字上下文的測試過程論文。
首先，我使用騰訊元寶（它目前用的應(yīng)該是DS3.2版本）進(jìn)行對照測試論文。
我向元寶中上傳了一個(gè)400頁的英文圖書（文本）、以及該書的中文翻譯稿論文，然后提出指令：找出翻譯稿中，專業(yè)術(shù)語翻譯不正確的地方：
結(jié)果，果不其然！它說“超出字?jǐn)?shù)限制，只能閱讀全文的9%”，最后只給我列出了6條論文。
然后論文，我來到Deepseek官網(wǎng)，做同樣的操作：
DS4果然毫無壓力，列出了全部10個(gè)章節(jié)中的63條論文。
值得一提的是論文，DS4在回答的最后，還會像GPT-5那樣為你提出下一步的建議，感覺非常貼心：
隨后，我又用老師最常見的場景：上傳若干篇論文，然后做文獻(xiàn)綜述，進(jìn)行了一輪測試論文。
首先是元寶（DS3.2）論文，我向其中上傳了13篇關(guān)于“具身認(rèn)知”理論的論文：
元寶顯示：只閱讀了其中的38%，最后只列出了9條論文。
然后是DeepSeek官網(wǎng)論文，同樣的操作：
DS4閱讀了全部的文獻(xiàn)內(nèi)容，最后列出了25條論文。
由于我對這些文獻(xiàn)比較熟悉，我感覺應(yīng)該全對（不過并沒有校驗(yàn)、確認(rèn)，完全憑感覺）論文。
另外論文，25條是否足夠全面呢？這個(gè)我就沒辦法知道了——畢竟，對于人類來說，做這項(xiàng)工作實(shí)在是太耗精力了，讓人無法提起任何興趣……
最后論文，我還讓DS4將上述對照實(shí)驗(yàn)的數(shù)據(jù)，總結(jié)成為一張表（元寶的9篇我是逐篇確認(rèn)的，元寶確實(shí)只提出了這9篇）：
所以，DS4的上線，確實(shí)很好地解決了論文寫作中，對大量文獻(xiàn)進(jìn)行調(diào)研、分析、綜述的問題，感覺棒極了！
據(jù)報(bào)道論文，DS4還有一個(gè)地方提升極大：編程！編程能力，當(dāng)然也需要超長上下文的支持，否則編到后面、很容易就對不上前面的了……
王玨老師確實(shí)也試了一下，對于比較復(fù)雜的程序，確實(shí)比DS3.2效果要好很多論文。這里只作一個(gè)情況匯報(bào)，就不再贅述了。
最后，如果大家有點(diǎn)興趣的話，以下簡要介紹一下DS中的一個(gè)突破性技術(shù)：Engram技術(shù)論文。這是DeepSeek去年發(fā)表的論文中就公開了的。
Engram技術(shù)的本質(zhì)，是對常用的事實(shí)性知識引入了“記憶”的機(jī)制（存儲在內(nèi)存中）——比如“中國的首都是北京”，需要用的時(shí)候只需調(diào)出來即可，而不再需要用昂貴的顯卡、及大量的計(jì)算資源，去從頭“計(jì)算”這么簡單的、不變的事實(shí)論文。
這樣可以極大地節(jié)約成本（直接體現(xiàn)在調(diào)用 DS API的收費(fèi)極低），而且還能提高大模型的響應(yīng)速度和準(zhǔn)確性論文。
關(guān)于Engram技術(shù)、以及它和前代技術(shù)路線的差別論文，我讓Banana畫了一幅信息圖，大家看能看懂不：
好，本文就到這里了論文。相信你已經(jīng)迫不及待了吧！
