DeepSeek V4 可信爆料汇总：Engram 记忆与 1M 上下文已验证
2026 年 2 月中旬，DeepSeek 即将发布下一代旗舰模型 V4。经过多方核查，Engram 条件记忆模块已通过同行评审论文和 GitHub 开源代码验证，1M Token 上下文窗口于 2 月 11 日悄然上线并经用户独立测试确认，mHC 架构论文由创始人梁文锋署名发表。这三项核心技术构成 V4 的可信技术基础。
与此同时，社交媒体流传的 SWE-bench 83.7%、AIME 99.4% 等基准测试成绩已被 Epoch AI 总监公开证伪，建议公众区分已验证技术与未证实性能数据，等待官方正式发布和独立第三方评测。本文仅汇总经多方验证的高可信度信息。
Engram 论文 arXiv:2601.07372 Engram GitHub 开源 NxCode 事实核查 Verdent AI 发布追踪 Reddit 社区验证
Engram 记忆模块已开源验证
Engram 条件记忆模块是 DeepSeek V4 最核心的已验证技术突破，相关论文于 2026 年 1 月 12 日提交至 arXiv，GitHub 仓库开源代码获 3.7k+ Star。该技术通过现代化 N-gram 嵌入实现 O(1) 时间复杂度知识查找，将静态知识存储与动态推理计算分离。论文实验数据显示 Engram-27B 在等参数、等 FLOPs 约束下全面超越纯 MoE 基线，大海捞针测试准确率从 84.2% 提升至 97.0%。GitHub 仓库采用 Apache-2.0 许可证，提供独立演示代码展示核心数据流，明确标注代码为演示版本，聚焦 Engram 模块逻辑。
1M 上下文窗口悄然上线
2026 年 2 月 11 日，DeepSeek 在无官方公告情况下将生产模型上下文窗口从 128K 扩展至 100 万 Token。该升级经多用户独立测试确认，社区测试显示满额 1M 长度下准确率超过 60%。技术实现依赖 MLA 多头潜在注意力机制压缩 KV Cache，配合 Engram 的 O(1) 静态知识查找解决百万级上下文的计算成本与检索准确率两大挑战。1M 上下文约等于 75 万英文单词或 150 万中文字符，可单次处理整本小说、复杂项目代码库或详细法律文档。
发布时间与架构信息汇总
多家权威媒体援引知情人士消息，DeepSeek V4 预计于 2026 年 2 月 17 日至 20 日发布，时间窗口与中国农历新年重合。该发布模式符合 DeepSeek 历史规律，R1 模型于 2025 年 1 月 20 日发布（春节前一周）。GitHub FlashMLA 仓库于 1 月 20 日暴露 28 处 MODEL1 引用，涉及 114 个文件，代码逻辑显示为与 V3.2 完全不同的架构，包含 KV Cache 布局、稀疏处理、FP8 解码格式等核心变更。mHC 架构论文由创始人梁文锋联合北京大学研究人员共同署名，解决万亿参数规模下的训练稳定性问题，已在 Engram 论文中作为默认 Backbone 使用。