Die gesamte V4-Serie bietet durchgängig 1M token Kontext und maximal 384K Ausgabe; der günstige lange Kontext stammt aus der Architektur und nicht aus Subventionen.
Komprimiert die Attention-Berechnung auf sparsame Schlüsselpositionen; bei langen Sequenzen wächst der Rechenaufwand mit der Länge deutlich langsamer als bei der Standard-Attention – das ist die Voraussetzung dafür, dass ein 1M-Fenster überhaupt machbar ist.
Erzeugt eine stark komprimierte Erinnerung des „entfernten“ Kontexts; der KV-Cache sinkt auf rund 10% des V3.2-Werts. In Kombination mit einem präzisen 128K-Fenster bleibt die Abrufqualität erhalten.
| Szenario | Empfohlene Stufe | Begründung |
|---|---|---|
| Code-Agent für das gesamte Repository | deepseek-flash | 1M fasst das gesamte Repository + visuelles Lesen der Architekturdiagramme; eine Parallelität von 2500 eignet sich für CI-Batchverarbeitung |
| RAG für Dokumente mit Hunderten von Seiten | deepseek-flash | Cache-Treffer für $0.003, die Kosten für wiederholtes Retrieval gehen gegen null |
| Ultralange Offline-Inferenz | deepseek-v4-pro | Das 1.6T-Flaggschiff bewältigt die schwierigsten dateiübergreifenden Inferenzen, und Batch-Verarbeitung geht nicht auf Kosten des Parallelitätslimits |
Hinweis zu Einschränkungen: Offizielle wie unabhängige Benchmarks weisen darauf hin, dass beim 1M-Retrieval-Recall weiterhin eine Lücke zu Claude Opus 4.6 (MRCR) besteht; die Breite des Weltwissens liegt unter der von Gemini-3.1-Pro – bei faktenbasierten Frage-Antwort-Aufgaben empfiehlt sich der Einsatz zusammen mit Retrieval.
大模型网摘