近期对DeepSeek V4的1M上下文窗口进行了实际测试，以《三体》全集（约46万字）为测试文本，分6批次加载（累计46.3万字），重点验证其长文本处理能力【开启专家模式后应该就是V4了】 测试步骤： 分批上传《三体》文本（第1段至第6段，涵盖《三体I》和《三体II》全文）； 提问“仅存在于上传文本中”的细节问题（如《三体I》结尾“更多精彩，更多好书”后的内容、《三体II》中的盗版网站标记位置）； 观察回复的准确性和速度。 测试结果： 准确性： 模型准确回答了《三体I》结尾为盗版网站宣传语（非正文），并精准定位《三体II》中的盗版标记（如：【马赛克URL部分！！！】），证明其确实处理了上传的文本内容，而非依赖训练数据； 速度： 分批加载下，回复速度与V3相当，思考链响应迅速，无明显延迟； 功能限制： 测试期间图片/文档上传功能暂时关闭（专家模式限制），前端输入大概只有200K，但纯文本多段输入的测试已验证上下文窗口的有效性。 结论： DeepSeek V4的1M上下文窗口应该是真的，而且DSV4大抵是来了，对长文本的处理能力显著，适合处理大部头文献或长文档，所以应该特别适合openclaw用，具体代码能力只有web的chatbot不太好测试。虽当前前端输入限制需分批上传，但核心功能已达到预期。 #openclaw #DeepSeek #AI测试 #上下文窗口 #长文本处理 #科技评测 #DeepSeekV4#deepseekv4 #大模型