Вся линейка V4 получила контекст 1M token и максимальный вывод 384K; экономичный длинный контекст достигается за счёт архитектуры, а не субсидий.
Вычисления внимания сжимаются до разреженных ключевых позиций; при длинных последовательностях объём вычислений растёт с увеличением длины значительно медленнее, чем у стандартного внимания — это предпосылка осуществимости окна 1M.
Для «давнего» контекста применяется интенсивно сжатая память, KV-кэш снижен примерно до 10% от уровня V3.2; в сочетании с точным окном 128K это обеспечивает качество извлечения информации.
| Сценарий | Рекомендуемая конфигурация | Обоснование |
|---|---|---|
| Кодовый агент для целого репозитория | deepseek-flash | 1M вмещает весь репозиторий + визуальное чтение архитектурных диаграмм, параллелизм 2500 подходит для пакетной обработки в CI |
| RAG по документам объёмом в сотни страниц | deepseek-flash | Попадание в кэш — $0.003, стоимость повторного поиска стремится к нулю |
| Сверхдлинный офлайн-инференс | deepseek-v4-pro | Флагман на 1.6T берёт на себя самые сложные кросс-файловые рассуждения, при батч-обработке не упирается в лимит одновременных запросов |
Примечание об ограничениях: и официальные, и сторонние бенчмарки отмечают, что recall поиска на 1M всё ещё уступает Claude Opus 4.6 (MRCR); по широте знаний о мире модель слабее Gemini-3.1-Pro — для фактических вопросно-ответных задач рекомендуется использовать её в связке с поиском.
大模型网摘