Toda la serie V4 ofrece 1M token de contexto y una salida máxima de 384K; el contexto largo económico proviene de la arquitectura, no de subsidios.
Comprime el cálculo de la atención en posiciones clave dispersas; en secuencias largas, el cómputo crece con la longitud mucho más lentamente que con la atención estándar: es la premisa que hace viable la ventana de 1M.
Aplica una memoria con compresión intensiva al contexto "remoto", reduciendo la caché KV a alrededor del 10% de la de V3.2; se complementa con una ventana precisa de 128K para cuidar la calidad de recuperación.
| Escenario | Nivel recomendado | Motivo |
|---|---|---|
| Agente de código para repositorios completos | deepseek-flash | 1M para cargar todo el repositorio + lectura visual de diagramas de arquitectura; una concurrencia de 2500 es adecuada para el procesamiento por lotes en CI |
| RAG de documentos de cientos de páginas | deepseek-flash | Acierto de caché $0.003, el costo de las recuperaciones repetidas tiende a cero |
| Inferencia offline ultralarga | deepseek-v4-pro | El buque insignia de 1.6T procesa el razonamiento entre archivos más difícil; el procesamiento por lotes no consume el límite de concurrencia |
Aviso de limitaciones: tanto las evaluaciones oficiales como las de terceros señalan que la recuperación con 1M de contexto aún presenta una brecha frente a Claude Opus 4.6 (MRCR); la amplitud de conocimiento general es inferior a la de Gemini-3.1-Pro: para preguntas fácticas se recomienda combinarlo con recuperación de información.
大模型网摘