什么值得买App下载 App ›
连续签到专享现金活动

105万上下文藏着272K价格陷阱!用错档位多花冤枉钱

终于不用切PDF了,但账单可能先爆
GPT-5.6 Sol放开了近105万token的上下文窗口,相当于能把一整本《战争与和平》一次性丢进去喂给模型,不用再折腾切块、拼接、丢上下文。老用户都知道,以前处理长文档要么降级到弱模型“盲人摸象”,要么接受输出断断续续、逻辑链断裂的问题。现在确实不一样了——OpenAI自己的测试显示,启用retained reasoning和compaction两项设置后,ARC-AGI-3基准分数从13.3%直接跳到38.3%,输出token还减少了六倍。但问题也跟着来了:105万token听起来是爽,真用起来却不是塞得越满越好。官方在Codex里把默认上下文长度标注为“经过性能与成本综合优化的结果”,OpenAI高管Tibo的原话是“我们已经调优到接近完美”,但话锋一转——“你可以自行决定”。这话听着客气,背后的意思是你要是瞎开1M上下文,钱包和模型表现都可能翻车。超过272K token的临界点之后,输入单价直接翻倍、输出单价涨1.5倍,这条规则官方模型页上写得很清楚,但大部分人被“百万上下文”的噱头晃花了眼,根本没注意到这行小字。上下文不是越大越好,而是要“对任务负责”。123
上下文能装多少内容,有个数字陷阱
先说清楚数字。105万token约等于78.75万英文单词,中文的话大概50到60万字——这是理想状态下的上限。实际操作中有个容易被忽略的因素:分词器效率。GPT-5.6 Sol的分词器比Claude Opus 5“刀法更精准”,同样一段文字它切出来的token数少34.5%。换句话说,同样50万字的中文文档,Claude那边可能已经触及80万token的边界,GPT-5.6 Sol这边还在60万token晃悠。表面看是好事,但别忘了272K那道坎——一旦你的实际输入超过27.2万token,整单价格就跳档了,跟你用了多少百分比无关,跟绝对数字强相关。这就好比高速公路收费,不是按实际里程比例计费,而是过了某个收费站直接翻倍。还有一重隐性成本藏在输出端:GPT-5.6 Sol的输出定价是输入的6倍,官方说输出token数量通常是输入的30%作为参考,但实际跑复杂推理任务时,输出占比往往远高于这个比例。如果你的场景是“丢进去一个长文档,等模型输出分析报告”,输入费用可能只占总账单的15%左右,剩下的85%全在输出那边烧。1M上下文解决的是输入端的天花板问题,但输出端的成本才是真正的大头。456
三种用法成本差五倍,别用旗舰干小事
GPT-5.6系列有Sol、Terra、Luna三档,价格梯度拉得很开。Sol输入5美元/百万token、输出30美元;Terra砍一半变成2.5和15;Luna直接压到1和6。从Luna到Sol,成本差了整整五倍。有人实测了一个典型工作流:头脑风暴用Luna、深度攻坚用Sol、生成初稿用Terra、校对打磨再用Luna,全程下来费用约4.1美元;同一个人全程开Sol,费用直接跳到6.6美元——贵了38%。如果再叠加上缓存技巧,同样任务可以压到3.4美元,相当于比无脑开Sol省了一半。官方文档里有个坑必须提醒:gpt-5.6这个别名默认指向Sol挡位,复制粘贴示例代码的时候如果没有手动改模型名,生产环境每一条请求都在按旗舰价格计价,响应里不会有任何提示。这条在技术社区被反复踩过,属于典型的“沉默型陷阱”——不报错、不警告,钱悄悄烧掉。OpenAI自己的评价是“定位高端复杂运算的Sol旗舰模型,全程没有调整定价”,也就是说买Sol的人就是冲着最高性能去的,官方并没有打算让这个档位下沉到简单任务。678
场景不同选择不同,没有一刀切的答案
说到底,1M上下文值不值得开,取决于你的任务类型。简单检索类任务——比如在一堆文档里找某句话、提取固定字段、做格式转换——这类活儿的特点是输入长但输出短,模型压力集中在“读”而不是“想”。对于这类场景,与其开着1M上下文硬撑,不如把长文档拆成若干块并行处理,费用能降一到两个量级,速度还更快。复杂推理类任务则不同——多跳逻辑分析、跨章节关联判断、需要全局视野的摘要生成,这类场景的输出token往往也很长,强行切分会导致上下文割裂、逻辑链断裂。这时候1M上下文的价值才真正体现,但要注意272K的分档线:输入控制在27.2万token以内走标准价,超过就翻倍,实际成本很可能不降反升。还有一类是Agents工作流——代码生成、自动化测试、工具调用链——官方数据显示Sol在这类场景下的输出token和时间都不到竞品的一半,效率优势明显,但前提是你得舍得为旗舰性能付费,并且接受输出端6倍单价的事实。下面这张表把几个关键维度摆在一起:910
维度Sol旗舰Terra中档Luna入门Grok 4.6
输入价格$5/百万token$2/百万token$0.2/百万token$2/百万token
输出价格$30/百万token$12/百万token$1.2/百万token$6/百万token
上下文上限105万token105万token105万token50万token
超272K计费输入×2,输出×1.5同上同上20万token后费率上调
典型优势场景复杂推理/Agents中等复杂度任务简单检索/批量处理性价比路线
复杂推理与Agents场景优先考虑Sol——这类任务需要模型调用大量内部知识进行多步推理,Sol在Coding Agent Index上跑出80分、Agents' Last Exam创下53.6%的新高,表现确实领先。开启极速模式后每秒750 token,速度是标准版的14倍,用来做代码生成或自动化工作流效率可观。简单检索与文档处理建议降档到Terra或Luna——切分处理不仅成本更低,速度也不差,强行用1M上下文反而会因为272K分档多付冤枉钱。需要处理超长上下文但预算敏感的场景,务必控制输入在27.2万token以内,或者利用缓存机制把重复前缀的费用从5美元压到0.5美元——这招能把账单再砍掉九成。总的来说,1M上下文是个好东西,但它更像一把精密手术刀,而不是万能钥匙。用对了场景,它能把你从切文档的痛苦里彻底解放出来;用错了场景,它只会让你的月末账单多出几个零。先想清楚任务类型,再决定开不开1M上下文,这才是正经用法。9112

评论

评论区空态插画

当前文章无评论,是时候发表评论了