上下文通胀：中位数 128K，但你真正需要的可能只有 16K

2026 年的多模态模型发布会，如果不报一个上下文长度，几乎不完整。32 款国产模型的窗口从 32K 一路摆到 2M，数值跨度 62.5 倍。但窗口是所有规格里最像“标称功率”的一个：名义值和你能真正用到的深度，是两件事。

这篇文章做三件事：清点 32 款的窗口分布、把“名义窗口”与“有效深度”分开计价、回答一个采购问题——你该花多少钱买多余的窗口。

一、窗口分布：中位数 128K，只有 12 款到 256K 以上

把 32 款的名义窗口排成直方图（Qwen3.5 记 256K 原生、可扩 1M；WITA-Omni 未公开）：

窗口档	款数	代表模型
2M	1	Kimi K3
1M	2	Qwen3.8-Max、MiMo-V2.5
512K	1	MiniMax M2.5
400K	1	GLM-5.3
256K	7	Qwen3.5-397B、Qwen3.8-Flash、LongCat-Next、InternVL 4.0、Keye-VL-2.0、Step-3、百灵 Ling 2
200K	1	GLM-5
128K	14	豆包 Seed 2.0 Pro、SenseNova、ERNIE、Hunyuan、Spark、DeepSeek-V4.1-Flash、盘古、观澜、从容、紫东太初、伏羲、言犀等
96K	1	面壁 MiniCPM-V 4.5
64K	2	DeepSeek-OCR 2、BAGEL-2
32K	1	Qwen3-Omni-30B
未公开	1	智元 WITA-Omni

三个数：中位数 128K；最大 2M（Kimi K3）是最小 32K（Qwen3-Omni-30B）的 62.5 倍；≥256K 的只有 12 款（37.5%），≤128K 或未公开的占 19 款（59.4%）。

值得注意的是 128K 这一档塞了 14 款——接近一半。2026 年的“标准窗口”其实是 128K，2M 只是极少数产品线的竞赛项目。

二、窗口与价格几乎无关：r = 0.41，但被三个异常值抬高

把 26 款有价模型的名义窗口与输出单价做相关（去掉了 6 款无公开定价的模型）：

• 皮尔逊 r = 0.41，R² = 0.17——窗口只能解释 17% 的价格方差；
• 最低价档（¥0.6–1.2）里有 128K 的 DeepSeek-V4.1-Flash、256K 的 Qwen3.8-Flash、256K 的 InternVL 4.0、64K 的 DeepSeek-OCR 2；
• 最高价档里，Kimi K3 是 2M 卖 ¥16，Pangu 5.5 是 128K 卖 ¥20。

窗口不是定价锚点。 真正决定价格的是能力档位（见价格断层）与模态覆盖，窗口只是一个“可以顺带宣传”的规格。把窗口当成“更贵=更长”的证据，会系统性地买错。

一个更有用的视角是反过来问：同一个窗口长度，不同价格带买到的是什么？ 同样是 256K，Qwen3.8-Flash 卖 ¥1.2、Keye-VL-2.0 卖 ¥2、百灵 Ling 2 卖 ¥5、Qwen3.5-397B 卖 ¥12、Qwen3.8-Max 卖 ¥18（1M）——同样长的窗口，价格相差 15 倍，差别全在能力与模态，不在长度。

三、名义窗口 vs 有效深度

这是这篇文章真正的重点。“支持 1M 上下文”和“能在 1M 里准确定位第 500K 位置的那句话”是两件事。行业里叫“迷失在中间”（lost in the middle）：模型对文档开头和结尾的信息召回最好，中段的召回明显衰减。

本站定义有效深度 = 在长文档的 40%–60% 位置插入关键信息后，仍能被 ≥90% 概率正确引用的最大输入长度。对 12 款 ≥256K 的模型逐一桌面评估：

模型	名义窗口	有效深度	有效率
Kimi K3	2M	780K	38%
Qwen3.8-Max	1M	520K	52%
MiMo-V2.5	1M	410K	41%
MiniMax M2.5	512K	300K	59%
GLM-5.3	400K	255K	64%
Qwen3.5-397B	256K	175K	68%
Keye-VL-2.0	256K	160K	63%
LongCat-Next	256K	150K	59%
Step-3	256K	145K	57%
Qwen3.8-Flash	256K	140K	55%
百灵 Ling 2	256K	135K	53%
InternVL 4.0	256K	130K	51%

读法选择性看：

• 名义 2M 的 Kimi K3，有效深度 780K——它的窗口有 61% 是名义的。 这不否定它是最长的模型，只说明“2M”要打折读。
• 有效率的行列并不单调。 名义越大，有效率反而越低：512K 的 MiniMax 有效率 59%，2M 的 Kimi 只有 38%。原因不是芯片，是长窗口里“中段召回”这件事的训练数据密度随长度递减。
• 过半模型的有效深度落在 130K–175K 区间。 也就是说，“256K”这一档的实际可用深度，普遍与 128K 档相差不到 40K——多出来的那一截，大部分买不到。

四、逆向问题：你的任务真的需要多长？

窗口的采购决策应该从任务长度倒推，而不是从模型规格顺手带。

任务形态	典型输入量	需要的窗口档
单张票据/证件结构化	1–2K	8K 足够
一页图文混排 + 追问	3–8K	16K
60 页合同或研报全读	40–60K	64K（留 2 倍余量）
200 页招股书/整册手册	120–180K	256K 有效深度 ≥200K
2 小时长视频抽帧 + 时序问答	200–800K	需 TTA 而非窗口（见下）

注意最后一行：长视频需要的不是“更长的窗口”，是时序容错曲线里的 TTA。把 2 小时视频塞进 2M 窗口，模型可能答得出“发生了什么”，但答不出“第几分第几秒发生”。窗口长度解决“装得下”，不解决“定位得准”。

再往前一步：一份 60 页合同（40–60K）的任务，用 256K 窗口的模型并不会更好——多出来的 200K 你付了钱、付了延迟，却没换来准确率。 长上下文的成本是真实的：首 token 延迟与 KV cache 显存随长度上升，长窗口的每次请求都更贵（这正是每千张图成本里“大输入小输出”场景需要单独算账的原因）。

五、采购读法

1. 先写任务输入量，再选窗口档。 大多数中文业务落在 8K–64K；只有整册文档与长视频才真的需要 ≥256K。
2. 把“有效深度”写进 POC 指标。 用你自己的文档，把关键信息放在 40%–60% 位置做“大海捞针”，记录成功率——名义窗口的数字没有验收价值。
3. 区分“原生”与“可扩”。 Qwen3.8-Max 是原生 256K 可扩 1M，Qwen3.5 是原生 256K 可扩 1M——“可扩”依赖推理侧配置（如 RoPE 外推），实际有效深度往往低于名义值。
4. 不要为窗口付旗舰溢价。 128K 档里的 DeepSeek-V4.1-Flash（¥0.6）能覆盖绝大多数文档任务；需要 256K 有效深度时才上更高档位。

边界

• 有效深度是本站自建桌面评估，方法写在正文里，样本与超参会影响结论；它不是封闭实验室复现，与公开的 RULER / NIAH 版本分数不可直接互换。
• 窗口不是唯一变量。 抽帧策略、分块与检索方案对长文档表现的影响，往往大于窗口本身；长视频那篇已经证明上下文长度与 TTA 的相关性低于抽帧策略。
• 2M 与 32K 的差距在特定任务里是真的。 本文不否认长窗口的价值，只否认“长窗口 = 更强”这一默认假设。
• 价格取标准价。 阶梯折扣、缓存命中和批量优惠会改变长窗口的实际成本结构。

复现

窗口分布与有效深度表以站内模型数据的 context 字段为输入，有效深度按“中段召回 ≥90%”定义；相关性与 R² 用 26 款有价模型直接计算。

如果这篇文章只留下一句话：买有效深度，不买名义窗口；先量你的任务有多长，再看模型有多能装。