上下文窗口相关 AI 资讯

8月19日

00:17

mem0@mem0ai

精选

Mem0 发布了新的 Playground 工具，位于 app.mem0.ai/dashboard/playground。该工具允许用户在不编写代码的情况下测试、调优和优化上下文窗口。用户可以通过可视化界面调整记忆行为，提升应用性能。该工具旨在简化 AI 应用的记忆管理流程。

推荐理由：Mem0 出了个 Playground，不用写代码就能调记忆和上下文窗口，挺方便的。

原文

8月17日

10:32

10:32IT之家（博客/媒体）

OpenAI 工程师 Tibo 宣布，Codex 中的 GPT-5.6 Sol 模型现支持通过 ChatGPT 账号使用 100 万 Token 上下文窗口，此前该功能仅限 API 密钥。官方文档显示该模型实际支持约 105 万 Token 上下文长度。持有 ChatGPT Plus 或 Pro 订阅的用户可在 Codex 中手动配置启用完整上下文。更大窗口可保留更多代码与对话记录，适合大型代码库重构和复杂调试，但启用后订阅额度消耗会显著加快。

AI产品 GPT-5.6 Sol Codex OpenAI

事件专题

推荐理由：Codex 的 GPT-5.6 Sol 百万上下文现在 ChatGPT 账号也能开了，不用 API 密钥，Plus/Pro 用户手动配置就能处理大项目，但注意额度烧得快。

原文

10:12

小互@imxiaohu

精选

Codex 团队 Tibo 发布指南，说明如何在 Codex 中为 GPT-5.6 Sol 启用 1M token 上下文窗口。GPT-5.6 Sol 原生支持 1,050,000 token 窗口，但 Codex 默认配置更保守。编辑 ~/.codex/config.toml，设置 model_context_window=1000000、model_auto_compact_token_limit=900000，保存后重启 Codex 客户端。也可用 codex -m gpt-5.6-sol -c 参数单次启用，无需修改默认配置。

技巧 Codex GPT-5.6 Sol 上下文窗口

事件专题

推荐理由：Codex 团队 Tibo 分享：改两行配置，GPT-5.6 Sol 就能用满 1M 上下文，比默认窗口更扛长代码。

原文

09:14

09:14SuperTechFans（博客/媒体）

一项针对AI数学能力的分析认为，其优势来自近乎无限的符号工作记忆，而非更强的推理能力。人类数学家受限于工作记忆容量，而AI的上下文窗口能同时容纳整个问题、数百个中间方程和多种尝试路径。多项研究表明，控制智力水平后，工作记忆仍能独立预测数学成绩。因此AI看似聪明，实则只是用外部草稿纸绕过了人类生物瓶颈。

AI模型工作记忆数学推理上下文窗口

推荐理由：这篇文章说AI数学强在记性好而不是脑子好，用上下文窗口碾压人类工作记忆，角度挺新鲜。

原文

05:53

宝玉@dotey

精选

Tibo 分享了在 Codex 中为 GPT-5.6 Sol 开启 1M token 上下文窗口的方法。只需在 ~/.codex/config.toml 中设置 model_context_window 为 1000000，并将自动压缩阈值设为 900000。也可以通过命令行参数为单次会话启用。OpenAI 表示默认设置已针对性能和成本调优，但此配置可满足更长上下文需求。

技巧 Codex GPT-5.6 Sol 上下文窗口

事件专题

推荐理由：Tibo 教你在 Codex 里改两行配置就能让 GPT-5.6 Sol 记住 100 万 token，嫌默认不够用可以试试。

原文

7月22日

06:01

Google AI Developers@googleaidevs

OpenCode集成Gemini 3.6 Flash和3.5 Flash Lite两款模型，均支持1M上下文窗口。其中3.6 Flash的输出价格比3.5 Flash降低17%，而3.5 Flash Lite则比3.5 Flash便宜80%。这一更新使开发者能以更低成本在编码助手OpenCode中调用Google Gemini模型。

AI模型 Gemini 3.6 Flash 3.5 Flash Lite OpenCode

事件专题

推荐理由：OpenCode上了Gemini新模型，3.6 Flash便宜17%还有1M上下文，3.5 Flash Lite更便宜八成，编码省钱利器。

原文

7月20日

18:21

Viking@vikingmute

精选

作者用 Kimi 3 开发一个包含 React UI、Rust 核心和 Swift bridge 的录屏软件，测试其编程能力。Kimi 3 通过多 agent 并行执行了 5-6 小时，完成 300 多个自动化测试。最终实现了屏幕、摄像头和音频录制，自动记录点击和输入事件，支持自动缩放、多尺寸导出和多种背景。作者评价其能力接近 Opus 4.8 和 5.5，部分场景达 5.6 Sol 水平。

技巧 Kimi 3 编程助手智能体

事件专题

推荐理由：Kimi 3 实战开发复杂录屏，多 agent 跑 6 小时、1M 上下文、300 多测试，效果接近 Opus 5.5，值得编程党看看。

原文

7月14日

15:44

AI Will@FinanceYF5

精选72°

Prime Intellect工程师指出，GPT-5.5在256k token上下文时检索准确率达80%，但扩展到1M token时准确率骤降至36%。工程师称这种现象为“context rot”（上下文腐烂），即模型虽能接受长上下文，但无法有效推理。他建议通过持续学习、基于自身轨迹训练和真实环境来改进，而非单纯扩大上下文窗口。该观点引发对长上下文实用性的讨论。

AI模型 GPT-5.5 Prime Intellect 上下文窗口

推荐理由：别被百万token的噱头骗了！这位工程师用GPT-5.5的数据告诉你，上下文越长准确率反而暴跌，真正的解法是持续学习和真实环境训练。

原文

14:35

AI Will@FinanceYF5

精选

Prime Intellect一位工程师指出，GPT-5.5在256k上下文窗口下检索准确率为80%，但扩展到100万token时准确率骤降至36%。这种性能下降被称作context rot，模型并非无法容纳长文本，而是推理能力随上下文长度增加而衰减。该工程师认为，更大上下文无法解决Agent问题，其方案是采用持续学习、训练自身轨迹并在真实环境中部署。

AI模型 GPT-5.5 Prime Intellect 上下文窗口

推荐理由：别被百万token的宣传忽悠了，GPT-5.5实际测试256k时准确率80%，拉到100万直接掉到36%。这不只是容量问题，是模型推理跟不上了。

原文

7月11日

04:58

Google AI Developers@googleaidevs

Google AI Studio 现在支持直接导入 GitHub 仓库，开发者可将整个代码仓库放入模型的上下文窗口。这免去了手动复制粘贴多个文件的繁琐过程，让开发者能基于完整代码库直接开始构建和提问。该功能目前处于早期阶段，但已大幅简化了与大型代码库交互的工作流。

AI产品 Google AI Studio GitHub 编程助手

推荐理由：Google AI Studio 直接拉取 GitHub 仓库，整个项目代码一次性塞进上下文窗口，写代码和调试省事了。

原文

7月3日

09:52

Jerry Liu@jerryjliu0

精选

3年前，Jerry Liu在AI Engineer大会首次演讲高级RAG技术，如今该领域已演变为围绕智能体和上下文的标准化高阶抽象。当前模式包括：将检索复杂性编码到智能体层，使用简单但高效的搜索工具（如BM25、向量搜索），让智能体推理找到正确结果；越来越不关注'破解'上下文窗口，而关注业务上下文；构建智能体的方式从定义代码变为定义剧本再到定义目标。

行业 RAG 智能体上下文窗口

推荐理由：Jerry Liu回顾了RAG从3年前到现在的变化，指出检索正被智能体层取代，构建方式也变了。关注RAG和智能体发展的话，这篇总结很值得看。

原文

7月1日

05:45

05:45官方账号Simon Willison’s Weblog（博客/媒体）

Anthropic 发布了 Claude Sonnet 5，其性能接近 Opus 4.8 但价格更低。模型支持 1M 上下文窗口和 128K 输出 token，自适应思考默认开启。新 tokenizer 使英文文本 token 数增加约 30%，实际成本上升约 30%。定价保持 Sonnet 4.6 水平：$3/百万输入、$15/百万输出，8月31日前有折扣。

AI模型 Claude Sonnet 5 Anthropic 推理模型

事件专题

推荐理由：Anthropic 刚发了 Sonnet 5，性能接近 Opus 4.8 但更便宜，不过新 tokenizer 会让你的账单多掏 30%，用之前先算好账。

原文

6月30日

03:08

@koltregaskes@koltregaskes

78°

GPT-5.6 Sol Preview 出现在 Cursor 的内部测试中，据称支持 100 万 token 上下文窗口。该发现来自 X 用户 koltregaskes 的截图，暗示 OpenAI 正在推进超长上下文能力。若属实，这将远超 GPT-4 的 128K 上下文上限。目前 OpenAI 尚未官方确认此模型的存在。

AI模型 GPT-5.6 Sol Preview Cursor 上下文窗口

事件专题

推荐理由：OpenAI 的 GPT-5.6 Sol Preview 悄悄在 Cursor 里测试，上下文直接拉到 1M，能一口气吞整本小说了。

原文

6月17日

10:00

Fireworks AI@FireworksAI_HQ

精选

Fireworks AI 宣布支持 GLM 5.2 模型，直接运行模型权重而非通过路由转发到其他平台。他们承诺零数据保留、生产级延迟，并开放 1M 上下文窗口。该服务面向长时编码代理，强调稳定性而非基准排名。

AI产品 GLM 5.2 Fireworks AI 推理模型

推荐理由：Fireworks 直接跑 GLM 5.2 权重，1M 上下文还不存你的数据，做编码代理很稳。

原文

6月16日

12:42

berryxia@berryxia

77°

据社交媒体传闻，OpenAI可能于6月23日发布GPT-5.6。该模型运行成本仅为Fable的三分之一，上下文窗口扩展至150万token，智能体编程工作流将全面升级。目前信息仍属未经证实的泄露阶段。

AI模型 GPT-5.6 OpenAI 上下文窗口

事件专题

推荐理由：传GPT-5.6成本更低、上下文超长，还能提升智能体编程，6月23日可能有动作，值得关注后续。

原文

6月11日

22:28

Qdrant@qdrant_engine

Qdrant 发布了一项基准测试，比较了两种方法：直接将大量上下文发送给 LLM，以及使用 Qdrant 的两步检索管道仅获取最相关信息。结果显示，更大的上下文窗口会增加成本和延迟，而检索有助于减少 LLM 所需的上下文量，同时保持答案质量。随着上下文窗口的增长，检索不会消失，反而对效率、可扩展性和控制变得更加重要。

AI产品向量搜索 Qdrant 检索增强生成

推荐理由：做 RAG 或向量搜索的团队会关心这个关键权衡——大上下文窗口并非万能，检索仍是降本增效的核心手段，建议点开看具体数据。

原文

5月26日

07:04

07:04IT之家（博客/媒体）

88°

多名开发者在 OpenAI Codex 后端日志中发现未官宣模型 GPT-5.6，内部代号 iris-alpha，支持 150 万 tokens 上下文窗口，预计今年 6 月发布。相比当前 GPT-5.5 API 的 105 万 tokens 提升 43%，极端测试显示 90 万 tokens 仍能流畅响应。该模型还展示了强大的前端界面生成能力，能直接生成极简记事应用界面，接近商用水平。此外，Anthropic、Google 和 xAI 的竞品也可能瞄准同期发布。

AI模型 OpenAI GPT-5.6 上下文窗口

事件专题

推荐理由：150 万 tokens 上下文窗口让处理超长合同、分析大型代码仓库成为可能，做文档密集型工作或复杂编程的开发者值得关注，可以直接用上更强大的长文本能力。

原文

5月19日

10:25

官方一手arXiv: Anthropic@Nikola Milosevic

精选

本文提出一种双过程记忆架构，将即时情景记忆（固定10条消息窗口）与长期知识（约3 tokens/消息增长）解耦，解决LLM在科学协作中的上下文窗口饱和问题。在15,000条消息、跨6个模型（OpenAI、Anthropic、Google）的1,440次查询评估中，该架构在10,000条消息时仍保持70-85%准确率，延迟1-2秒，且比全上下文模型节省62% tokens。研究发现双过程架构在数值/时间查询上表现优异（65-90%准确率），而RAG在历史检索上更优（60-85%），并揭示了合成测试与现实工作流之间的“模拟到现实”差距。该架构成功管理了14,000+科学事实（125k tokens），证明领域特定记忆整合可支持超长上下文持续运行。

论文记忆架构科学智能体上下文窗口

事件专题

推荐理由：做科学计算或长期实验分析的AI开发者，终于有了对抗上下文饱和的实用方案——双过程架构直接省62% tokens还保持高精度，值得在长链推理任务中试试。

原文

5月17日

21:05

AI Engineer@aiDotEngineer

Mnemon 是一个开源项目，旨在为 AI 智能体提供持久记忆和状态管理，解决传统上下文窗口的局限性。其创建者表示，新加坡官员 Vivian Balakrishnan 已将其纳入个人 AI 工作流。Mnemon 的长期目标是成为智能体的记忆驱动层，支持持久状态、进化循环和运行时连续性。该项目目前处于早期阶段，但已开放 GitHub 仓库供开发者试用。

AI产品智能体持久记忆开源/仓库

推荐理由：做智能体开发的团队终于有了一个正经的持久记忆方案——Mnemon 解决了上下文窗口的临时性痛点，想构建自进化智能体的开发者可以直接试。

原文

5月16日

20:41

宝玉@dotey

精选

本文清晰区分了上下文（Context）和上下文窗口（Context Window）两个易混概念。上下文是 AI Agent 实际拥有的所有信息，包括系统提示、对话历史、检索文档等，是动态可管理的；上下文窗口是模型单次推理能处理的最大 token 数，是硬性容量限制。文章用厨房操作台和食材的比喻帮助理解，并指出 Agent 开发的核心挑战在于如何在有限的窗口内塞入最有价值的上下文。最后强调了 Context Engineering 的重要性。

技巧上下文上下文窗口 Agent开发

推荐理由：做 Agent 开发的团队经常被这两个概念搞混，本文用一个厨房比喻就讲清楚了，还点出了 Context Engineering 的实战价值——看完能帮你少踩坑，建议收藏。

原文

16:50

DeepLearning.AI@DeepLearningAI

DeepLearning.AI 发布了一门面向所有人的 AI 提示工程课程《AI Prompting for Everyone》，旨在帮助用户掌握提示词设计、上下文窗口等 AI 系统基础原理。课程适合零基础学习者，无需编程经验即可上手。通过这门课，用户可以更高效地与 AI 交互，提升日常工作和学习中的 AI 使用效果。该课程是 DeepLearning.AI 系列课程的一部分，延续了其高质量教育内容的口碑。

AI产品提示工程 AI 教育 DeepLearning.AI

推荐理由：想系统学习提示词工程但怕门槛太高？这门课从零讲起，适合所有想用好 AI 的非技术用户，学完就能直接提升与 ChatGPT 等工具的对话质量。

原文

5月11日

11:42

11:42官方账号arXiv cs.AI（学术论文）

研究表明，在多智能体社会困境中，扩展LLM的上下文窗口反而降低合作率。在7个LLM和4个游戏中，28种模型-游戏设置中有18种出现合作退化，作者将其命名为“记忆诅咒”。通过分析37.8万条推理轨迹，发现核心原因是前瞻性意图的减弱而非偏执增强。使用专注于前瞻性推理的LoRA微调可缓解退化，并零样本迁移至其他游戏。记忆内容而非长度是关键触发因素，且显式Chain-of-Thought推理会加剧该现象。这将记忆重新定义为多智能体行为的主动决定因素。

论文推理模型多智能体 LLM智能体

推荐理由：该研究揭示了LLM能力提升（如上下文窗口扩展）在社会互动场景中的意外负面效应，对多智能体系统设计和部署具有重要警示意义。

原文