Toute la série V4 offre un contexte de 1M token et une sortie maximale de 384K ; ce contexte long économique vient de l'architecture, pas de subventions.
Compresse le calcul d'attention sur des positions clés éparses ; pour les longues séquences, le volume de calcul croît avec la longueur bien plus lentement qu'avec l'attention standard — c'est le prérequis qui rend la fenêtre de 1M viable.
Applique une mémoire fortement compressée au contexte "lointain", ramenant le cache KV à environ 10% de celui de V3.2 ; combinée à une fenêtre précise de 128K afin de préserver la qualité de rappel.
| Scénario | Modèle recommandé | Justification |
|---|---|---|
| Agent de code sur dépôt complet | deepseek-flash | 1M pour charger le dépôt entier + lecture visuelle des schémas d'architecture ; 2500 requêtes simultanées conviennent au traitement par lots en CI |
| RAG sur des documents de plusieurs centaines de pages | deepseek-flash | Accès au cache à $0.003, le coût des recherches répétées tend vers zéro |
| Raisonnement hors ligne ultra-long | deepseek-v4-pro | Le modèle phare 1.6T s'attaque aux raisonnements inter-fichiers les plus difficiles, et le traitement par lots n'entame pas le plafond de concurrence |
Note sur les limites : les évaluations officielles comme tierces soulignent que le rappel de recherche en contexte 1M accuse encore un retard par rapport à Claude Opus 4.6 (MRCR) ; l'étendue des connaissances générales reste inférieure à celle de Gemini-3.1-Pro — pour les questions factuelles, il est recommandé d'y associer la recherche (retrieval).
大模型网摘