Unverified80% confidenceFactTime unknown

即使模型标称支持128K甚至1M token的上下文窗口，其有效利用能力往往远低于标称值，实际可靠工作范围可能只有标称值的几分之一

1

Sources

80%

Confidence

Long-term

Relevance

6/1/2026

First Seen

Sources

Agent上下文腐烂的两种病因：Distraction与Poisoning详解

bilibiliAI大模型原理

Related Entities

上下文窗口concept

Related Claims

Unverified轻量版模型单次推理的算力消耗往往只有旗舰版本的十分之一甚至更低69% similar Unverified高推理强度模式下单次请求的 Token 消耗可能是低强度模式的 5-20 倍67% similar Unverified领域微调后的7B模型在任务准确率上往往超越未经微调的70B通用模型，同时推理成本降低一个数量级66% similar Unverified一个61分的模型和一个59分的模型在多数实际应用中的差异可能远小于分数暗示的程度65% similar Unverified同一段文字在不同模型中消耗的 token 数量可能相差 10%-30%65% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/22387

API

curl https://kongchang.com/api/v1/knowledge/claims/22387

MCP

get_claim(id=22387)