DeepSeek 于2026年4月22日正式宣布，其API已成功升级至百万Token（1M tokens）上下文版本，与自家App及网页端看齐。 这项升级使得单次处理文本容量从原来的128K tokens扩展了约8倍，意味着模型现在可以一次性处理像《三体》三部曲全集体量的内容，或约60K-150K行的代码库。
核心升级细节
| 维度 | 更新后状态 | 更新前/备注 |
|---|---|---|
| 上下文长度 | 1M tokens （约75-100万字符） | 原为 128K tokens |
| 知识截止日期 | 2025年5月 | 非联网状态下可获取2025年4月信息 |
| 功能定位 | 纯文本/语音处理 | 暂不支持视觉识别（非多模态） |
| 关联模型 | 疑似为 V4 Lite 版本 | 新一代旗舰 DeepSeek V4 预计2026年4月下旬发布 |
如何体验与使用
目前，API 端的能力已对齐。如果你在网页端或 App 端关闭“深度思考”和“联网搜索”功能后询问模型，若模型回复上下文长度为“1M Token”，则说明已可使用该能力。
深度影响与建议
虽然上下文容量大幅提升，但“大”并不等同于“完美”。根据实测与工程经验，这里有几点实用建议供你参考：
- 容量虽大，组织仍需技巧：将整个代码库直接丢入窗口可能会让回答变得模糊。更高效的做法是分阶段输入，并提供一个“文件索引”或阅读顺序，引导模型关注关键路径。
- “中间丢失”现象依然存在：在极长的上下文中，模型对位于提示词开头和结尾的信息关注度更高。建议将核心指令和关键约束放在提示词的开头或结尾，避免淹没在中间段落。
- 实现“从工具到伙伴”的跃迁：实证研究表明，充分利用百万级上下文后，模型不仅能精准回忆早期指令，还能展现出惊人的全局连贯性，甚至能自主生成涵盖80%以上关键内容的项目总结，极大减少了对复杂外部向量数据库（RAG）的依赖。
如果你有具体的应用场景（比如处理长文档、分析代码库），需要我帮你写一段针对百万上下文的提示词示例吗？
感谢您的支持！
微信
支付宝
关闭
👁 阅读量：25 次