---
title: "Million-Token Context"
domain: "Machine Learning / Long-Context Models"
tags: [long-context, efficiency, inference, kv-cache]
sources: [[deepseek-v4-million-token-context]]
---

# Million-Token Context

> **类型**: Concept (Tier 3 — Placeholder)
> **来源**: [[deepseek-v4-million-token-context]]

## 概述

百万 Token 上下文是指语言模型能够高效处理的序列长度达到 1,000,000 个 token。这是 DeepSeek-V4 系列的核心突破——通过 [[hybrid-attention-architecture]] 等技术创新，实现了在百万 token 上下文下仅为 DeepSeek-V3.2 27%（Pro）或 10%（Flash）的推理 FLOPs。

## 关键技术

- [[compressed-sparse-attention]] + [[heavily-compressed-attention]] 混合注意力
- [[fp4-quantization-training]] FP4 量化
- 异构 KV Cache 与磁盘存储策略

## 核心内容

*此页面为占位符，用于修复 wiki 中的断链。详细内容待后续补充。*

## 相关概念

- [[hybrid-attention-architecture]] — 混合注意力架构
- [[test-time-scaling]] — 测试时扩展

---

*Last Updated: 2026-04-27*
*Status: Placeholder — to be completed*