Toda a série V4 oferece contexto de 1M tokens e saída máxima de 384K; o contexto longo económico vem da arquitetura, e não de subsídios.
Comprime o cálculo de atenção em posições-chave esparsas; em sequências longas, o volume computacional cresce muito mais lentamente com o comprimento do que na atenção padrão — é isto que torna viável a janela de 1M.
Comprime intensivamente a memória do contexto “distante”, reduzindo a cache KV para cerca de 10% da V3.2; combinada com uma janela exata de 128K, preserva também a qualidade de recuperação.
| Cenário | Nível recomendado | Justificação |
|---|---|---|
| Agente de código para todo o repositório | deepseek-flash | 1M permite carregar o repositório + leitura visual de diagramas de arquitetura; 2500 de concorrência é adequado para processamento em lote de CI |
| RAG sobre documentos de centenas de páginas | deepseek-flash | Cache hit a $0.003, o custo de pesquisas repetidas tende a zero |
| Raciocínio offline ultralongo | deepseek-v4-pro | O modelo flagship de 1.6T processa o raciocínio entre ficheiros mais difícil, e o processamento em lote não consome o limite de concorrência |
Nota sobre limitações: as avaliações oficiais e as de terceiros apontam que a taxa de recuperação (recall) em contexto de 1M ainda fica aquém do Claude Opus 4.6 (MRCR); a amplitude de conhecimento geral é inferior à do Gemini-3.1-Pro — em perguntas factuais, recomenda-se usar em conjunto com pesquisa.
大模型网摘