---
id: "16426914"
title: "100万token的上下文窗口，听起来很唬人。 但把资料全塞进去，只会让AI变笨。 上下文窗口从来不是仓库，而是一笔注意…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: null
percentile: null
published_at: "2026-07-21 11:38:47"
translated_x_url: "https://x.com/i/status/2079540875546235219"
reason_tags: []
canonical_url: "https://mubeitech.com/p/16426914"
markdown_url: "https://mubeitech.com/p/16426914/markdown"
json_url: "https://mubeitech.com/api/posts/16426914"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# 100万token的上下文窗口，听起来很唬人。 但把资料全塞进去，只会让AI变笨。 上下文窗口从来不是仓库，而是一笔注意…

100万token的上下文窗口，听起来很唬人。
但把资料全塞进去，只会让AI变笨。

上下文窗口从来不是仓库，而是一笔注意力预算。
模型不仅要记住你输入的每个词。
它还要计算这个词和之前所有词的关系。
5个词，产生10个关系。
1万个词，就是100万个注意力关系。

资料越塞越多，它的注意力就被稀释得越厉害。
结果就是性能下滑。
找不准信息，写出的代码变烂。
如果你发现它开始胡说八道、产生幻觉。
那多半是塞得太满了。

在实际使用中，上下文可以划成两个区间。
前面是“聪明区”，后面是“笨蛋区”。
一旦跨进笨蛋区，它的智商就开始缓慢滑坡。

这条分界线在哪？
争议很大，每个模型和任务都不一样。
但一个靠谱的经验法则是：目前大约在15万token左右。
半年前，这个门槛还只有10万。
技术在进步，界限还在往上爬。

怎么用好它？
遇到笨蛋区的信号，就得动手干预。
清理聊天记录，压缩上下文。
最好的办法是把大任务拆碎。
开一个新的窗口，分批喂给它。

少花一点token，让它永远留在聪明区。

---

_Translation: <https://x.com/i/status/2079540875546235219>_
_Canonical: <https://mubeitech.com/p/16426914>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-07-21 11:38:47_