上下文长不等于"能读懂"
很多模型宣称支持百万级上下文，但实测下来差距很大。"支持 1M 上下文"和"在 1M 上下文中准确找到某句话"是两回事。
测试方法：给模型一份长文档（从 128K 到 1M tokens），然后问它只有在文档特定位置才能找到答案的问题。看它能不能准确回答。
各档上下文表现
128K tokens（约 25 万字）
这个长度所有主流模型都能稳定处理。GPT-5.5、Claude Opus、DeepSeek V4 Pro 在 128K 内的信息检索准确率都在 95% 以上。
256K tokens（约 50 万字）
开始出现分化。GPT-5.5 和 Claude Opus 保持 90%+ 准确率。DeepSeek V4 Pro 约 88%。部分轻量模型（如 GLM-5.1 的 200K 上限）在这个长度已经接近极限。
500K tokens（约 100 万字）
GPT-5.5（~88%）> Claude Opus（~86%）> DeepSeek V4 Pro（~82%）> Gemini 3.5 Pro（~80%）。
1M tokens（约 200 万字）
只有少数模型真正可用。GPT-5.5（1050K）约 82% 准确率。Claude Opus（1000K）约 80%。DeepSeek V4 Pro（1049K）约 75%。MiMo-V2.5 Pro（1000K）数据不足，估计在 73% 左右。
10M tokens（Llama 4 Scout）
Llama 4 Scout 支持 10M 上下文，是目前最长的。但在这个长度上准确率大幅下降（估计 50% 以下），只适合"粗略浏览"而非"精确检索"。
谁适合长文档
需要在超长文档中精确找信息 → GPT-5.5 或 Claude Opus。它们的"注意力"最稳定。
总结一本书 / 长报告 → DeepSeek V4 Pro 够用。总结不需要 100% 精确，DeepSeek 的价格只有 1/10。
法律合同审查 → Claude Opus。法律文本对精确度要求极高，Claude 在细节召回上最好。
代码仓库理解 → DeepSeek V4 Pro 或 MiMo-V2.5 Pro。百万上下文 + 低价格，适合把整个项目代码喂进去。
长文本处理的实用技巧
1. 分段处理优于一次灌入 如果不是必须一次处理全部文本，分段处理（每段 50-100K）的质量通常比一次性灌入 1M 更好。
2. 关键信息放开头或结尾 心理学上的"首因效应"和"近因效应"在大模型身上也有体现。重要信息放在文档的开头或结尾，被准确召回的概率更高。
3. 用结构化格式 给长文档加标题、编号、Markdown 格式，比纯文本段落的处理效果好。
4. 测试你的场景 不同模型在不同类型文档上的表现差异很大。代码、法律文本、学术论文、聊天记录，各自的处理难度不同。建议用你自己的实际文档做测试。
