300k 指的是约 30 万 token 的模型上下文窗口长度，在 AI 编程工具圈正成为一个常见的“默认档位”——它决定了 agent 一次能读多少代码、多久触发一次自动压缩，直接影响成本和体验。随着 Codex、Claude Code 等工具把可用上下文推到这一量级以上，如何在长上下文与费用之间取舍，成为社区讨论的焦点。
300k 上下文的近期进展
当前焦点与观察点
300k 之所以被反复提及，是因为它是许多 agent 工具实际运行时的典型窗口量级。围绕它有两个争议点：一是厂商宣传的最大上下文（如 1M）与默认可用上下文（约 300k 或 500k）之间的差距，用户需要弄清自己真正用的是哪一档；二是成本问题——上下文越长，token 计费和缓存失效带来的开销越大，社区因此流行用 /autocompact 这类手段主动压缩、或用 SubAgent 编排把重活分给更便宜的模型。后续值得观察的方向是：默认上下文是否会普遍向 500k 迈进、压缩策略能否做到对用户无感，以及长上下文的单位成本能否随模型迭代继续下降。