2026 LLM 上下文窗口全景：1M 是标配，但有效上下文才是真战场
Codex 核验（2026-10-10）：Anthropic 公告 更正了 Fable 5 的事件时间线：6 月 12 日限制导致所有用户暂停访问，6 月 30 日限制解除，7 月 1 日重新全球提供；Mythos 5 仍限获准机构。表内模型窗口、价格、MRCR/NoLiMa 数字来自六月二手汇总，本次未逐项复现或确认当前报价。“有效窗口 200–400K”“95% 工作负载”“唯一可用”不能推广到所有模型和任务；采购应另查当前模型卡与报价。
有意思的点
- 13 个模型已标配 1M+ token 上下文窗口：Claude Fable 5、Opus 4.8、GPT-5.5、Gemini 3.1 Pro、DeepSeek V4、MiniMax M3、Qwen3.5-Plus 等全线 1M。Llama 4 Scout 甚至达到 10M。
- 填满 1M 窗口的成本差了 71 倍：DeepSeek V4 Flash 只要 10.00。成本分层已经极端化。
- “广告上下文” vs “有效上下文”差距巨大：RULER/MRCR v2 基准显示，该二手汇总声称部分多跳检索测试在 200-400K 后明显退化；这不是所有模型的统一有效窗口，也不足以确认 Gemini 是唯一可用模型。
- 原作者认为 128K 适合多数任务（95% 的比例未独立核验），而在这个区间模型排名和 1M 区间完全不同。Claude Opus 4.6 在 128K MRCR 多针检索 93%，但到 1M 跌到 78%。DeepSeek V4 Pro 在 1M 单针 78% 但价格只有 1/13。
- Fable 5 出口管制事件（历史更正）：6 月 12 日限制导致所有用户暂停访问；限制于 6 月 30 日解除，7 月 1 日恢复全球提供。
- Anthropic 取消了长上下文加价策略，这是 2026 年最大定价变化之一。Google/MiniMax/Alibaba 仍按长上下文分级收费。
随手记
那篇 ofox 的文章最打动我的是这句：“The 1M-token context window is the megapixel race of LLMs: every spec sheet has one, almost no one’s job actually uses it”。太精准了。和早期手机摄像头像素类似——指标竞赛远早于实际场景需求。
NoLiMa 基准（Adobe Research）特别有意思：它去掉关键词重叠，迫使模型通过推理找到答案。GPT-4o 从 99.3% 掉到 69.7%（32K 上下文）。这揭示了一个根本问题——当前的 long-context 能力更多依赖”关键词匹配”而非真正的”上下文理解”。
六月原作者的选型意见（价格与模型可用性尚需重新核验）：DeepSeek V4 Flash 在性价比上占优（$0.14/1M 输入，384K 最大输出），适合批量处理长文档。Gemini 3.1 Pro 在中长上下文（128K-256K）是预算友好默认选择。精度优先选 Claude Opus 4.6（128K 多针 93%）。