工具 03 · 上下文
256K 上下文能装多少：页数、帧数与视频分钟
把抽象的 token 数换算成页数、帧数与视频分钟数，并对比 32 款模型在同一抽帧策略下的实际上限。
上下文窗口
每页文档 token800
视频抽帧频率1 fps
每帧 token300
256K · 可用上下文 80%
256
页文档
682
帧图像
11
分钟视频 @ 1fps
这是理论上限，不是效果上限。超过 60% 占用后，模型对中段细节的召回通常会下降，建议配合分段摘要或检索。
同样参数下，各模型能装多少
800 token/页 · 300 token/帧 · 1fps · 预留 20%
Kimi K32M2,000p88m小米 MiMo-V2.51M1,000p44m通义千问 Qwen3.8-Max1M（原生 256K）1,000p44mMiniMax M2.5512K512p22m智谱 GLM-5.3400K400p17m通义千问 Qwen3.5-397B-A17B256K（可扩 1M）256p11m美团 LongCat-Next256K256p11m快手 Keye-VL-2.0256K256p11m阶跃 Step-3256K256p11m通义千问 Qwen3.8-Flash256K256p11m书生 InternVL 4.0256K256p11m蚂蚁集团 百灵大模型 2256K256p11m智谱 GLM-5200K200p8m豆包 Seed 2.0 Pro128K128p5m商汤 SenseNova 6.5 Pro128K128p5m文心 ERNIE 5.1128K128p5m腾讯混元 Hunyuan-Vision128K128p5m讯飞星火 X2128K128p5m智源 Emu3.5128K128p5m华为盘古 5.5128K128p5mDeepSeek-V4.1-Flash128K128p5m脑虎 NeuroXess-N1128K128p5m海康威视 观澜大模型 3128K128p5m云从科技 从容大模型 2128K128p5m紫东太初 2.0128K128p5m京东言犀大模型 2128K128p5m网易伏羲大模型 2128K128p5m面壁 MiniCPM-V 4.596K96p4mDeepSeek-OCR 264K64p2mBAGEL-264K64p2m通义 Qwen3-Omni-30B32K32p1m智元 硅光动语 WITA-Omni未公开0p0m
p = 可容纳文档页数，m = 可容纳视频分钟数。上下文标注为“未公开”的模型按 0 计，排在末位。
关于上下文
上下文越长，效果越好吗？
不一定。更多帧会稀释注意力，位置编码外推也会漂移。长视频任务通常更依赖抽帧策略、分层摘要与检索，而不是单纯堆上下文。
为什么预留 20%？
提示词、系统指令与输出都要占 token。把上下文塞满会挤压输出空间，并显著提高延迟与成本。
视频帧 token 为什么差这么多？
不同厂商的视觉编码器、切块与池化策略不同。300 token/帧只是中位数假设，实际可能在 80–800 之间。
个人榜单 · 非官方评分
本页所有排名、分数与对比均为个人评测榜单，不是官方评分，也不代表任何厂商、机构或监管口径。分数是公开证据在自定权重下的主观映射，换一组权重名次就会变。如有不同意见或发现事实错误，欢迎联系站长：jizhi2024@foxmail.com——我们会逐条核对并在更新日志中记录订正。