个人工作一般不会涉及大型项目，在这个前提下，我想要让模型保持在最佳的状态进行工作。
从而，我开始询问fable/sol这类前沿模型上下文在哪个阈值起会开始性能下滑。
Grok 4.6：
三者模型风格不同，Grok确定，Gemini肯定，Sol论定，但一致的默认区间，都认为256k之前模型会保有最佳性能，300k（30%）后会出现衰退行为。在模型讨论过程中，Grok有提到，还应当根据任务不同划分区间，在我限定为长推理任务的前提下才确认如此。
佬友们有进行过相关研究吗？感觉对于最优的讨论很有趣。
一直在用gpt给的272,什么模型我都用272
我是直接一刀切的
400K，GPT的懒得改models.json就272
啥大海捞针100%，丢Coding感觉能让人类看懂的，估计还没实际宣传的30%上下文长度
我在Sol刚出来时还想，为什么是272k呢，为什么不是270/280呢，这是什么吉利数字么
这个好像是OpenAI官方测试出来的甜品上下文
不是，这上下文能自己调大小的吗？我的codex只有272k，为什么呀？
可以啊，配置文件或者models.json
272好像是官方实测出来最优的值,实际也能感觉到设置的1M上下文跑到300 400的时候幻觉很高,开始啊吧啊吧流口水
以前用的1M,后来发现300~500左右比较合理,毕竟可以设置提前压缩
你直接让它自己帮你改就行，想换默认再让它帮你改回来，省事儿
30 万，再往上就有把你 c 盘炸掉的风险（powershell：所有系统全部删除删除删除，还有这个～）
其实最理想的是100k。。不过在这个skill和tool爆炸的时代，再加上压缩摘要，只能退而求其次200k了。再多肯定降智
从性能的角度来讲，确实是这样的。
但上下文太短，有时候会造成频繁压缩，也会增大开销、影响到表现。所以需要具体问题具体分析。比如一个任务在长上下文下刚好不用压缩，那有时候还是长上下文更好一点。
顺便一提，OAI 模型长上下文是要加钱的 Pricing | OpenAI API
在压缩质量够好的前提下256大概就是目前的上限（目前常见的硬件只能支持这个数）。更多上下文都是线性注意力，本质上也算压缩，反而消耗更多 token，智力更低。
最优的是150k Matt 多次说过，源自Dex Horthy
我现在都是设置的250或者200自动压缩。
gemini是最离谱的，可能注意力不到100k。感觉520k衰退20%左右性能的模型就不该标1M了，gemini在256k的时候就已经很笨了
