一项针对DeepSeek API的极限测试显示,该模型在处理超长文本时表现出色。测试者使用了一段约40万字的未公开数据集,输入Token量高达18万。在开启Reasoner(推理)模式后,模型经过400多秒的深度思考,成功从海量无关信息中精准提取了目标细节(大海捞针测试)。这不仅验证了DeepSeek在长上下文窗口中的稳定性,也展示了其推理模式在复杂信息检索任务中的强大潜力。
实测DeepSeek API:在180k Token上下文中精准“大海捞针”,推理耗时超400秒
相关推荐
AI Agent 入门课: 用 DeepSeek Harness 学五层工程能力
DSH MCP Manager 配置指南: OAuth、stdio 与工作区隔离
Howie Liu 讲的是雇一个 agent 当员工
火山方舟 Coding Plan 实测:搭配 Claude Code 的省钱工作流
大模型周刊 第 36 期:监管给前沿模型踩刹车,开源在 token 榜上接力
给 AI 设一个美联储
大模型选型指南 2026:Claude/GPT/Gemini/Grok/DeepSeek 怎么选
大模型周刊 第 31 期:Mythos 把网安炸到震耳,Hermes 抢下 OpenRouter 日榜,DeepSeek V4 落地后继续杀价