内容由AI智能生成

IT之家消息，消息源 @legit_api 今天（2 月 26 日）在 X 平台发布推文，报道称 DeepSeek 正在测试 V4 Lite 模型，代号为“Sealion-lite”，上下文窗口为 100 万 tokens，并是原生支持多模态推理。

技术规格方面，消息称 DeepSeek 正积极测试 V4 Lite，具备 100 万 tokens 的超长上下文窗口，作为对比 DeepSeek V3.2 为 128K（128000）tokens。

上下文窗口（Context Window）是指 AI 模型在生成回答时能“记住”的之前对话或输入文本的长度。窗口越大，模型处理复杂长篇任务的能力越强。

该模型原生支持多模态推理，意味着它不仅能处理海量文本，还能更好地理解和生成图像等多种形式的数据，整体表现显著优于现有的 Web 或 App 模型。

在实际表现方面，IT之家查询 X 平台，网友 @marmaduke091 分享了一组 SVG 图像示例。在生成“骑自行车的鹈鹕”和“Xbox 360 手柄”的测试中，V4 Lite 在非思考模式下生成的图像，无论是贴合提示词的程度、物体形状的准确性，还是细节的丰富度，都明显优于前代 V3.2 版本的思考模式。

《DeepSeek 灰度测试百万 Token 上下文，知识库更新至 2025 年 5 月》

AI导读

DeepSeek测试V4 Lite模型，代号"Sealion-lite"，具备100万tokens超长上下文窗口，原生支持多模态推理，图像生成能力显著优于前代V3.2版本。

内容由AI智能生成

IT之家消息，消息源 @legit_api 今天（2 月 26 日）在 X 平台发布推文，报道称 DeepSeek 正在测试 V4 Lite 模型，代号为“Sealion-lite”，上下文窗口为 100 万 tokens，并是原生支持多模态推理。

技术规格方面，消息称 DeepSeek 正积极测试 V4 Lite，具备 100 万 tokens 的超长上下文窗口，作为对比 DeepSeek V3.2 为 128K（128000）tokens。

上下文窗口（Context Window）是指 AI 模型在生成回答时能“记住”的之前对话或输入文本的长度。窗口越大，模型处理复杂长篇任务的能力越强。

该模型原生支持多模态推理，意味着它不仅能处理海量文本，还能更好地理解和生成图像等多种形式的数据，整体表现显著优于现有的 Web 或 App 模型。

在实际表现方面，IT之家查询 X 平台，网友 @marmaduke091 分享了一组 SVG 图像示例。在生成“骑自行车的鹈鹕”和“Xbox 360 手柄”的测试中，V4 Lite 在非思考模式下生成的图像，无论是贴合提示词的程度、物体形状的准确性，还是细节的丰富度，都明显优于前代 V3.2 版本的思考模式。

《DeepSeek 灰度测试百万 Token 上下文，知识库更新至 2025 年 5 月》

内容由AI智能生成

IT之家消息，消息源 @legit_api 今天（2 月 26 日）在 X 平台发布推文，报道称 DeepSeek 正在测试 V4 Lite 模型，代号为“Sealion-lite”，上下文窗口为 100 万 tokens，并是原生支持多模态推理。

技术规格方面，消息称 DeepSeek 正积极测试 V4 Lite，具备 100 万 tokens 的超长上下文窗口，作为对比 DeepSeek V3.2 为 128K（128000）tokens。

上下文窗口（Context Window）是指 AI 模型在生成回答时能“记住”的之前对话或输入文本的长度。窗口越大，模型处理复杂长篇任务的能力越强。

该模型原生支持多模态推理，意味着它不仅能处理海量文本，还能更好地理解和生成图像等多种形式的数据，整体表现显著优于现有的 Web 或 App 模型。

在实际表现方面，IT之家查询 X 平台，网友 @marmaduke091 分享了一组 SVG 图像示例。在生成“骑自行车的鹈鹕”和“Xbox 360 手柄”的测试中，V4 Lite 在非思考模式下生成的图像，无论是贴合提示词的程度、物体形状的准确性，还是细节的丰富度，都明显优于前代 V3.2 版本的思考模式。

《DeepSeek 灰度测试百万 Token 上下文，知识库更新至 2025 年 5 月》

AI导读

DeepSeek测试V4 Lite模型，代号"Sealion-lite"，具备100万tokens超长上下文窗口，原生支持多模态推理，图像生成能力显著优于前代V3.2版本。

内容由AI智能生成

IT之家消息，消息源 @legit_api 今天（2 月 26 日）在 X 平台发布推文，报道称 DeepSeek 正在测试 V4 Lite 模型，代号为“Sealion-lite”，上下文窗口为 100 万 tokens，并是原生支持多模态推理。

技术规格方面，消息称 DeepSeek 正积极测试 V4 Lite，具备 100 万 tokens 的超长上下文窗口，作为对比 DeepSeek V3.2 为 128K（128000）tokens。

上下文窗口（Context Window）是指 AI 模型在生成回答时能“记住”的之前对话或输入文本的长度。窗口越大，模型处理复杂长篇任务的能力越强。

该模型原生支持多模态推理，意味着它不仅能处理海量文本，还能更好地理解和生成图像等多种形式的数据，整体表现显著优于现有的 Web 或 App 模型。

在实际表现方面，IT之家查询 X 平台，网友 @marmaduke091 分享了一组 SVG 图像示例。在生成“骑自行车的鹈鹕”和“Xbox 360 手柄”的测试中，V4 Lite 在非思考模式下生成的图像，无论是贴合提示词的程度、物体形状的准确性，还是细节的丰富度，都明显优于前代 V3.2 版本的思考模式。

《DeepSeek 灰度测试百万 Token 上下文，知识库更新至 2025 年 5 月》

内容由AI智能生成

IT之家消息，消息源 @legit_api 今天（2 月 26 日）在 X 平台发布推文，报道称 DeepSeek 正在测试 V4 Lite 模型，代号为“Sealion-lite”，上下文窗口为 100 万 tokens，并是原生支持多模态推理。

技术规格方面，消息称 DeepSeek 正积极测试 V4 Lite，具备 100 万 tokens 的超长上下文窗口，作为对比 DeepSeek V3.2 为 128K（128000）tokens。

上下文窗口（Context Window）是指 AI 模型在生成回答时能“记住”的之前对话或输入文本的长度。窗口越大，模型处理复杂长篇任务的能力越强。

该模型原生支持多模态推理，意味着它不仅能处理海量文本，还能更好地理解和生成图像等多种形式的数据，整体表现显著优于现有的 Web 或 App 模型。

在实际表现方面，IT之家查询 X 平台，网友 @marmaduke091 分享了一组 SVG 图像示例。在生成“骑自行车的鹈鹕”和“Xbox 360 手柄”的测试中，V4 Lite 在非思考模式下生成的图像，无论是贴合提示词的程度、物体形状的准确性，还是细节的丰富度，都明显优于前代 V3.2 版本的思考模式。

《DeepSeek 灰度测试百万 Token 上下文，知识库更新至 2025 年 5 月》

AI导读

DeepSeek测试V4 Lite模型，代号"Sealion-lite"，具备100万tokens超长上下文窗口，原生支持多模态推理，图像生成能力显著优于前代V3.2版本。

内容由AI智能生成

IT之家消息，消息源 @legit_api 今天（2 月 26 日）在 X 平台发布推文，报道称 DeepSeek 正在测试 V4 Lite 模型，代号为“Sealion-lite”，上下文窗口为 100 万 tokens，并是原生支持多模态推理。

技术规格方面，消息称 DeepSeek 正积极测试 V4 Lite，具备 100 万 tokens 的超长上下文窗口，作为对比 DeepSeek V3.2 为 128K（128000）tokens。

上下文窗口（Context Window）是指 AI 模型在生成回答时能“记住”的之前对话或输入文本的长度。窗口越大，模型处理复杂长篇任务的能力越强。

该模型原生支持多模态推理，意味着它不仅能处理海量文本，还能更好地理解和生成图像等多种形式的数据，整体表现显著优于现有的 Web 或 App 模型。

在实际表现方面，IT之家查询 X 平台，网友 @marmaduke091 分享了一组 SVG 图像示例。在生成“骑自行车的鹈鹕”和“Xbox 360 手柄”的测试中，V4 Lite 在非思考模式下生成的图像，无论是贴合提示词的程度、物体形状的准确性，还是细节的丰富度，都明显优于前代 V3.2 版本的思考模式。

《DeepSeek 灰度测试百万 Token 上下文，知识库更新至 2025 年 5 月》

内容由AI智能生成

IT之家消息，消息源 @legit_api 今天（2 月 26 日）在 X 平台发布推文，报道称 DeepSeek 正在测试 V4 Lite 模型，代号为“Sealion-lite”，上下文窗口为 100 万 tokens，并是原生支持多模态推理。

技术规格方面，消息称 DeepSeek 正积极测试 V4 Lite，具备 100 万 tokens 的超长上下文窗口，作为对比 DeepSeek V3.2 为 128K（128000）tokens。

上下文窗口（Context Window）是指 AI 模型在生成回答时能“记住”的之前对话或输入文本的长度。窗口越大，模型处理复杂长篇任务的能力越强。

该模型原生支持多模态推理，意味着它不仅能处理海量文本，还能更好地理解和生成图像等多种形式的数据，整体表现显著优于现有的 Web 或 App 模型。

在实际表现方面，IT之家查询 X 平台，网友 @marmaduke091 分享了一组 SVG 图像示例。在生成“骑自行车的鹈鹕”和“Xbox 360 手柄”的测试中，V4 Lite 在非思考模式下生成的图像，无论是贴合提示词的程度、物体形状的准确性，还是细节的丰富度，都明显优于前代 V3.2 版本的思考模式。

《DeepSeek 灰度测试百万 Token 上下文，知识库更新至 2025 年 5 月》

AI导读

DeepSeek测试V4 Lite模型，代号"Sealion-lite"，具备100万tokens超长上下文窗口，原生支持多模态推理，图像生成能力显著优于前代V3.2版本。

内容由AI智能生成

IT之家消息，消息源 @legit_api 今天（2 月 26 日）在 X 平台发布推文，报道称 DeepSeek 正在测试 V4 Lite 模型，代号为“Sealion-lite”，上下文窗口为 100 万 tokens，并是原生支持多模态推理。

技术规格方面，消息称 DeepSeek 正积极测试 V4 Lite，具备 100 万 tokens 的超长上下文窗口，作为对比 DeepSeek V3.2 为 128K（128000）tokens。

上下文窗口（Context Window）是指 AI 模型在生成回答时能“记住”的之前对话或输入文本的长度。窗口越大，模型处理复杂长篇任务的能力越强。

该模型原生支持多模态推理，意味着它不仅能处理海量文本，还能更好地理解和生成图像等多种形式的数据，整体表现显著优于现有的 Web 或 App 模型。

在实际表现方面，IT之家查询 X 平台，网友 @marmaduke091 分享了一组 SVG 图像示例。在生成“骑自行车的鹈鹕”和“Xbox 360 手柄”的测试中，V4 Lite 在非思考模式下生成的图像，无论是贴合提示词的程度、物体形状的准确性，还是细节的丰富度，都明显优于前代 V3.2 版本的思考模式。

《DeepSeek 灰度测试百万 Token 上下文，知识库更新至 2025 年 5 月》

内容由AI智能生成

IT之家消息，消息源 @legit_api 今天（2 月 26 日）在 X 平台发布推文，报道称 DeepSeek 正在测试 V4 Lite 模型，代号为“Sealion-lite”，上下文窗口为 100 万 tokens，并是原生支持多模态推理。

技术规格方面，消息称 DeepSeek 正积极测试 V4 Lite，具备 100 万 tokens 的超长上下文窗口，作为对比 DeepSeek V3.2 为 128K（128000）tokens。

上下文窗口（Context Window）是指 AI 模型在生成回答时能“记住”的之前对话或输入文本的长度。窗口越大，模型处理复杂长篇任务的能力越强。

该模型原生支持多模态推理，意味着它不仅能处理海量文本，还能更好地理解和生成图像等多种形式的数据，整体表现显著优于现有的 Web 或 App 模型。

在实际表现方面，IT之家查询 X 平台，网友 @marmaduke091 分享了一组 SVG 图像示例。在生成“骑自行车的鹈鹕”和“Xbox 360 手柄”的测试中，V4 Lite 在非思考模式下生成的图像，无论是贴合提示词的程度、物体形状的准确性，还是细节的丰富度，都明显优于前代 V3.2 版本的思考模式。

《DeepSeek 灰度测试百万 Token 上下文，知识库更新至 2025 年 5 月》

AI导读

DeepSeek测试V4 Lite模型，代号"Sealion-lite"，具备100万tokens超长上下文窗口，原生支持多模态推理，图像生成能力显著优于前代V3.2版本。

内容由AI智能生成

IT之家消息，消息源 @legit_api 今天（2 月 26 日）在 X 平台发布推文，报道称 DeepSeek 正在测试 V4 Lite 模型，代号为“Sealion-lite”，上下文窗口为 100 万 tokens，并是原生支持多模态推理。

技术规格方面，消息称 DeepSeek 正积极测试 V4 Lite，具备 100 万 tokens 的超长上下文窗口，作为对比 DeepSeek V3.2 为 128K（128000）tokens。

上下文窗口（Context Window）是指 AI 模型在生成回答时能“记住”的之前对话或输入文本的长度。窗口越大，模型处理复杂长篇任务的能力越强。

该模型原生支持多模态推理，意味着它不仅能处理海量文本，还能更好地理解和生成图像等多种形式的数据，整体表现显著优于现有的 Web 或 App 模型。

在实际表现方面，IT之家查询 X 平台，网友 @marmaduke091 分享了一组 SVG 图像示例。在生成“骑自行车的鹈鹕”和“Xbox 360 手柄”的测试中，V4 Lite 在非思考模式下生成的图像，无论是贴合提示词的程度、物体形状的准确性，还是细节的丰富度，都明显优于前代 V3.2 版本的思考模式。

《DeepSeek 灰度测试百万 Token 上下文，知识库更新至 2025 年 5 月》