据科创板日报报道，多名用户反馈，DeepSeek在网页端和APP端进行了版本更新，支持最高1M（百万）Token的上下文长度。而去年8月发布的DeepSeekV3.1上下文长度拓展至128K。 记者实测中发现，DeepSeek在问答中称自身支持上下文1M，可以一次性处理超长文本。记者在提交了跨越24万个token的《简爱》小说文档，DeepSeek可以支持识别文档内容。 部分用户在社交媒体上控诉：DeepSeek不再称呼自己设定的昵称，而统一称“用户”。此前深度思考模式下，DeepSeek的思考过程会以角色视角展示细腻的心理描写，例如“夜儿（用户昵称）总爱逗我”，更新后则变成了“好的，用户这次想了解……”。 一位用户让DeepSeek推荐电影，DeepSeek回复了几个片名后，还加了一句：“够你看一阵子。不够再来要。”这被用户描述为“登味”，这个网络热词经常使用来形容人习惯说教、居高临下的言行风格。 还有网友吐槽，“Deepseek更新成傻子了。这个模型现在就像一个文绉绉，情绪激动且大惊小怪的诗人一样在那儿写东西，写出来的东西比那些10年前甚至20年前的青春伤感文学看着还让人尴尬。” 据经济观察报，一位国产大模型厂商人士认为，这一版本类似于极速版，牺牲质量换速度，是为2026年2月中旬将发布的V4版本做最后的压力测试。 DeepSeek的V系列模型定位为追求极致综合性能的基础模型。2024年12月推出的基础模型V3是DeepSeek的重要里程碑，其高效的MoE架构确立了强大的综合性能基础。此后，DeepSeek在V3基础上快速迭代，发布了强化推理与Agent（智能体）能力的V3.1，并于2025年12月推出了最新正式版V3.2。同时，还推出了一个专注于攻克高难度数学和学术问题的特殊版本V3.2-Speciale。 今年初，DeepSeek团队发表两篇论文，公开了两项创新架构：mHC（流形约束超连接）用来优化深层Transformer信息流动，使模型训练更稳定、易扩展，在不增加算力负担前提下提升性能；Engram（条件记忆模块）将静态知识与动态计算解耦，用廉价DRAM存储实体知识，释放昂贵HBM专注推理，显著降低长上下文推理成本。