为什么大模型厂商都在抢“上下文”，而不是“参数”

如果你把 2026 年这几场模型发布会连着看一遍，会发现一个很奇怪的现象。

2023 年那会儿，发布会的主角是参数。70B、175B、1.8T，数字越大越有排面，PPT 上恨不得把那串零放大到占满整屏。

到 2026 年，台上没人这么讲了。

现在讲的是上下文窗口、是记忆、是工具调用、是“agent 能连续工作多久”。参数这个词，被悄悄挪进了技术附录。

这个转向不是巧合。但如果你以为答案就是“把上下文窗口做大”，那你正好踩进了第二个坑。

我把各家公开的数据翻了一遍，发现真正的战场，既不是参数，也不是窗口大小。

一、窗口这个数字，已经不值钱了

先看一组数。截至 2026 年年中，上下文窗口达到 100 万 token 以上的模型，已经有 13 个。

模型	上下文	输入价格 ($/M)
Llama 4 Scout	10M	开源免费
Claude Opus 4.8	1M	5.00
Claude Sonnet 4.6	1M	3.00
GPT-5.5	1M	5.00
Gemini 3.1 Pro	1,048,576	2.00
DeepSeek V4 Pro	1M	0.435
DeepSeek V4 Flash	1M	0.14
MiniMax M3	1M	0.30
Qwen3.5-Plus	1M	0.40

100 万 token 是什么概念？大概 75 万英文单词，一整个中型代码仓库，或者你一整年的聊天记录。

三年前，Gemini 1.5 第一次把窗口推到 100 万，那是头条新闻。现在，这是入场券。

一个指标，当所有人都能达标的时候，它就不再是竞争力，而是门槛。

二、同样 1M，成本差 71 倍

那真正区分它们的是什么？

钱。

同样填满 100 万 token，DeepSeek V4 Flash 收 0.14 美元，Claude Fable 5 收 10 美元。71 倍。

这个差距比我第一眼看到时想的大得多。它意味着同一个“把整个仓库丢进去让模型读”的需求，换个模型，账单可能从几毛变成几百块。

所以第一层真相是：窗口大小已经不是卖点，单位上下文的成本才是。

但这只是第一层。

三、参数为什么突然不香了

要理解这个转向，得先说清楚参数是怎么“失效”的。

第一，架构变了。

现在主流大模型基本都是 MoE（混合专家）。玩法是：模型里存着一大堆专家，但每个 token 只激活其中一小部分。

这就让“总参数”这个数字变得很微妙。比如开源的 Instella-MoE，总参数 160 亿，但每个 token 只激活 28 亿。

你说它是 16B 的模型还是 2.8B 的模型？两个都对，但意义完全不同。发布会上报 16B 好听，实际跑起来只花 2.8B 的算力。

参数这个数字，从“能力指标”退化成了“营销口径”。

第二，标尺换了。

智谱的唐杰今年写过一篇《Thoughts About Scaling Law》，里面有个说法我觉得挺到位：参数量只是知识的仓库，真正决定智能的是 FLOPs。

仓库大不等于会干活。堆参数是在扩容量，但模型“想得多深”取决于推理时烧多少算力。

第三，边际收益在掉。

这个不用多解释。过去两年，头部模型的榜单分数已经挤在一起了，xbench 的评测也指出最高分之间拉不开差距。

参数从 100B 到 1T 那一跳，收益远没有 7B 到 70B 那一跳明显。

所以厂商必须找新的叙事。上下文，就是那个新叙事。

四、但窗口大，真的有用吗

这里就是我要泼冷水的地方。

窗口大，是“能装”。但能装 ≠ 能用。

Chroma 做过一个研究，叫 context rot（上下文腐坏）。他们测了 18 个模型，包括 GPT-4.1、Claude 4、Gemini 2.5。

结果是：每一个模型，随着输入变长，可靠性都在下降。

注意，是每一个。而且很多模型在窗口远没填满的时候，就开始掉链子了。

更现实的例子在产品层面。OpenAI 的 Codex，给 GPT-5.6 的默认上下文是 272K——尽管这个模型的规格是 100 万以上。

为什么？因为塞满 1M 既贵又慢，而且效果不一定更好。

一个 100 万 token 的窗口，如果模型在第 30 万 token 之后就开始“忘记”前面的内容，那剩下的 70 万就是纯装饰。

五、所以到底在抢什么

抢的是“装进去之后还能不能用”这件事。

Anthropic 去年有篇文章把这个能力命名为 context engineering（上下文工程），我觉得这个提法比 prompt engineering 准确得多。

它管的不是“怎么写好一句话”，而是：

该放什么进去（选材）

放进去之后怎么排（顺序，重要信息放头还是尾）

太长的时候怎么压（摘要、压缩、分层）

多轮对话里怎么保持状态（记忆、缓存）

这四件事，决定了同一个模型在同一个任务上，是“能用”还是“不能用”。

也解释了为什么这两年 prompt caching、memory、compaction 这些功能，从加分项变成了标配。

因为大家发现，模型本身的差距在缩小，真正拉开体验的，是外面这层“上下文管理”。

最后

回到开头那个问题：为什么厂商都在抢上下文，不抢参数了？

因为参数已经撞到边际收益的天花板，而上下文是下一个还没被吃干榨净的战场。

但对我们这些用模型的人来说，这个转向有个副作用：厂商会用“窗口多大”来卖你东西，但窗口大不等于好用。

所以下次看到“支持 100 万上下文”这种宣传，别急着心动。问三个问题：

填满它要多少钱？

塞到一半的时候，它还认得前面吗？

在我真实的任务上，它到底答对没有？

参数是厂商的面子，上下文是用户的里子。

而面子这件事，从来都是给别人看的。