长上下文对比：GPT、Gemini、DeepSeek、Kimi 的 1M 窗口意味着什么

SOURCE NOTES

对比要点

• “上下文窗口”“最大输入”“最大输出”是不同口径。Google 的模型页分别给出输入和输出上限，不能把两者简单相加当作统一窗口。[1][3][4]
• Kimi K3 与 Kimi K2.7 Code 属于不同版本，窗口也不同；比较时不能把编程产品的上限当成整个 Kimi 品牌的上限。[5][6]
• 容量规格不能证明长文档准确率。对资料问答而言，跨段落约束、证据定位和错误引用更值得测量。

关键差异对照

窄屏可左右滑动查看完整表格。

模享解读 · 非原文观点

用证据位置测试，而不是只问能否上传

我们建议制作三类长资料题：答案在开头、答案在中部、答案需要组合多处证据。要求模型指出依据的位置，并加入资料中没有答案的问题，观察它是否愿意说明未知。

长窗口也不意味着每次都应上传全部文件。把稳定背景与当前问题相关证据分开，可以减少噪声。比较成本时还要注意长输入阈值；窗口足够大，只说明请求可能被接受，并不保证它便宜、快速或准确。

可以从这份清单开始

1. 确认窗口、输入和输出使用的是同一口径。
2. 分别测试开头、中部与跨段落证据。
3. 检查引用是否确实支持答案。
4. 预留推理和输出空间，记录长输入费用。