去年12月1日，DeepSeek一口气推出了两个正式版模型，分别是DeepSeek-V3.2和DeepSeek-V3.2-Speciale。现在大家用的网页端、App和API，其实都已经切换成了正式版的DeepSeek-V3.2，Speciale版本目前只保留了临时的API服务，供社区做评测和研究。这个V3.2主要是为了平衡推理能力和输出长度，特别适合日常问答或者通用Agent的任务。在推理类的Benchmark测试里，它达到了GPT-5的水准，稍微比Gemini-3.0-Pro差一点。和Kimi-K2-Thinking相比，V3.2的输出长度大幅缩水，这样一来计算开销少了，用户等结果的时间也短了。 接着到了1月12日，DeepSeek又放出了一篇论文《Conditional Memory via Scalable Lookup:A New Axis of Sparsity for Large Language Models》，也就是那个基于可扩展查找的条件记忆，它被认为是大语言模型稀疏性的一个新方向。梁文锋也在作者名单里。这篇论文的核心就是指出了现在大模型记忆力差的毛病，然后提出了“条件记忆”的概念。当时大家就都在猜，DeepSeek的下一代模型V4可能就在今年春节前后出来。 再看最近，2月13日，澎湃新闻的记者发现，DeepSeek的网页版和APP正在测试一种新的长文本模型结构，这回能支持100万字符的上下文。不过它的API服务暂时没变，还是用V3.2版本，只能支持12万8千字符的上下文。这一招让外面的人都觉得，DeepSeek可能又要在今年春节搞个大动作，把去年春节那种轰动效应再复刻一遍。