2月13日，澎湃新聞?dòng)浾攉@悉，DeepSeek 網(wǎng)頁(yè)/ APP 正在測(cè)試新的長(zhǎng)文本模型結(jié)構(gòu)，支持 1M 上下文。其API 服務(wù)不變，仍為 V3.2，僅支持 128K 上下文。

這也被外界認(rèn)為，DeepSeek或?qū)⒃诮衲甏汗?jié)再次“炸場(chǎng)”發(fā)布新模型，復(fù)刻去年春節(jié)現(xiàn)象級(jí)轟動(dòng)。

今年1月12日，DeepSeek曾發(fā)布一篇新論文《Conditional Memory via Scalable Lookup:A New Axis of Sparsity for Large Language Models》（基于可擴(kuò)展查找的條件記憶：大語(yǔ)言模型稀疏性的新維度），梁文鋒位列作者名單中，這篇論文為北京大學(xué)和DeepSeek共同完成。據(jù)分析，這篇論文的核心直指當(dāng)前大語(yǔ)言模型存在的記憶力“短板”，提出了“條件記憶”這一概念。

當(dāng)時(shí)行業(yè)就普遍猜測(cè)，DeepSeek的下一代模型V4或?qū)⒃诮衲甏汗?jié)前后正式發(fā)布。

去年12月1日，DeepSeek曾經(jīng)同時(shí)發(fā)布兩個(gè)正式版模型：DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale，官方網(wǎng)頁(yè)端、App和API均已更新為正式版 DeepSeek-V3.2，Speciale版本目前僅以臨時(shí)API服務(wù)形式開放，以供社區(qū)評(píng)測(cè)與研究。

據(jù)介紹，DeepSeek-V3.2的目標(biāo)是平衡推理能力與輸出長(zhǎng)度，適合日常使用，例如問(wèn)答場(chǎng)景和通用Agent（智能體）任務(wù)場(chǎng)景。在公開的推理類Benchmark測(cè)試中，DeepSeek-V3.2達(dá)到GPT-5的水平，僅略低于Gemini-3.0-Pro；相比Kimi-K2-Thinking，V3.2的輸出長(zhǎng)度大幅降低，顯著減少計(jì)算開銷與用戶等待時(shí)間。

作為當(dāng)之無(wú)愧的大模型風(fēng)向標(biāo)，DeepSeek一舉一動(dòng)都受到行業(yè)整體關(guān)注。網(wǎng)易有道詞典發(fā)布2025年度詞匯——“deepseek”以 8672940次年度搜索量成功當(dāng)選。據(jù)有道詞典負(fù)責(zé)人介紹，“deepseek”在詞典內(nèi)部的搜索曲線呈現(xiàn)明顯的爆發(fā)式特征，從年初因“低成本”突破算力封鎖起，幾乎每個(gè)重要進(jìn)展都會(huì)帶動(dòng)搜索量上漲。