主流大模型的上下文窗口与最大输出对比：两个独立限制

选模型的时候，「上下文窗口」几乎是所有人第一个看的规格。1M、200K 这类数字被放在官网最显眼的位置，因为大就是好卖。

但真正决定你能做什么的，往往不是这一个数字。模型规格表里还藏着第二个限制——最大输出 token，它决定的是模型一次能吐出多长的内容。这两个数字互相独立：上下文窗口管的是「你能喂进去多少」，最大输出管的是「它一次能给你多少」。

把四家的两个数字放在一起，会发现它们的比例关系差异极大，而这个差异在采购决策里几乎从来不被讨论。这篇就是要把这两个数字分开讲清楚，并指出它们各自对应的成本规则。数据于 2026 年 9 月 24 日重新核对各厂商官方文档与定价页，人民币价格按当日汇率 1 USD ≈ 6.71 CNY 折算。

本文方法：官方公开数据交叉核对，未做本地实测。所有数字均标注来源，核对日期见文末。

一、四家的两个数字全表

下面这张表把每个模型的两个限制并排放在一起，并算出它们的比例。价格单位是美元 / 每百万 token。

三个可以直接读出来的事实：

• Google 全线的输出上限都是 65,536，占它 1,048,576 窗口的 6.25%，是四家里比例最低的。也就是说 Google 的模型能「读很多」，但一次「写得不多」。
• DeepSeek 的输出上限是 384K，占 1M 窗口的 38.4%，是四家里最高的，也是唯一能单次输出超过 20 万 token 的。
• Anthropic 内部的两个数字是分层的：Fable 5.1、Opus 5.5、Sonnet 5 都是 1M / 128K，而 Haiku 4.5 是 200K / 64K。同一个厂商里，便宜模型的窗口只有旗舰的五分之一。

二、272K：OpenAI 的长上下文分水岭

OpenAI 的定价页把主力模型的单价拆成了「Short context」和「Long context」两栏，但定价页本身没有写阈值在哪里。阈值写在每个模型的详情页上，原文是：

这句话里有三个信息点，每一个都会直接影响账单。

第一，阈值是 272K，不是窗口上限。gpt-6 系列的上下文窗口是 1,050,000 token，而加价的起点是 272,000。272,000 ÷ 1,050,000 = 25.9%。也就是说，你只用掉窗口的四分之一，价格规则就已经换了。

第二，加倍是「整单生效」。原文用的是「for the full request」——不是「超出 272K 的那部分加价」，而是整个请求的输入都按新价算。这意味着阈值附近的成本是断崖式的，不是斜坡式的。用 gpt-6-sol 举例：

多一个 token，账单多 $0.544——这一 token 的边际成本是 $0.544，而不是 $0.000004。

第三，输出价也涨，只是幅度不同。输出从 $10 涨到 $15（1.5 倍）。把输入和输出合起来算一个典型请求（300K 输入 + 10K 输出）：

• 按短上下文价：300,000 × $2/百万 + 10,000 × $10/百万 = $0.600 + $0.100 = $0.700
• 按长上下文价：300,000 × $4/百万 + 10,000 × $15/百万 = $1.200 + $0.150 = $1.350
• 倍数：1.93×

这个 1.93 倍在 gpt-6 系列三个模型上完全一样（astra 是 $3.50 → $6.75，luna 是 $0.035 → $0.0675），因为输入和输出的加价系数是固定的，与基础单价无关。换模型躲不掉这个惩罚，换的是绝对金额，不是倍数。

还有一个更隐蔽的点：规则里写的是「2x input and cache rates」。也就是说缓存命中价也跟着翻倍。以 gpt-6-astra 为例，缓存命中价从 $1.00 涨到 $2.00。很多人以为把长上下文缓存起来就能规避加价，实际上缓存省下的是相对比例，绝对价格照样翻倍。

三、另外三家的规则完全不同

长上下文加价不是行业惯例，而是 OpenAI 的选择。另外三家各有各的做法。

Anthropic：明确承诺全窗口标准价。这是四家里对长上下文最友好的一家。官方定价文档的原话是：

900k 和 9k 的请求单价完全相同——没有阈值，没有附加费。但这里有一个容易被忽略的隐藏成本：同一份文档提到，较新的模型（Claude 4.7 及之后）使用了新的分词器，相同文本会产生约 30% 更多的 token。也就是说单价不变，但你要买的 token 变多了，实际总支出仍然上升约 30%。Anthropic 在文档里把这个变化写明了，这一点值得肯定。

Google：只有 Pro 档有加价，Flash 全线没有。Gemini 3.1 Pro 的长上下文阈值是 200,000 token：输入从 $2 涨到 $4（2 倍），输出从 $12 涨到 $18（1.5 倍），缓存价从 $0.20 涨到 $0.40。而 Gemini 3.8 Flash、3.5 Flash、3.5 Flash-Lite 三个模型的定价页没有任何长上下文档位或附加费，无论输入多长都是单一价格。

这条规则的实践含义很直接：如果你需要跑超长输入，Google 的 Flash 系列是唯一一个「单价不随长度变化」的选项。以 500K 输入为例，Gemini 3.5 Flash-Lite 的成本是 500,000 × $0.30/百万 = $0.15，而同样长度的 Gemini 3.1 Pro 要走 $4/百万的长上下文价，成本 $2.00——差 13.3 倍，尽管两者的窗口大小几乎相同。

DeepSeek：不加价，但按时段定价。DeepSeek 的定价页把两个模型的上下文和输出分别写成「上下文长度 1M」和「输出长度 最大 384K」，没有任何按长度分档的价格。它的成本杠杆换成了时间：

单位是元 / 百万 token。官方定义的高峰时段是「北京时间周一至周五（不含中国法定节假日）9:00–12:00、14:00–18:00」，其余时段包括周末和节假日全天都是空闲时段，价格是高峰的一半。

把四家的规则并排放，得到一个挺有意思的对照：OpenAI 惩罚「输入太长」，DeepSeek 惩罚「跑得太早」，Anthropic 两者都不惩罚，Google 只惩罚 Pro 档的长输入。同样是「成本会变高」，触发条件完全不同。

四、为什么最大输出不是「上下文减去输入」

回到文章开头那个误判。很多人默认逻辑是这样的：上下文窗口是 1M，我输入了 900K，那剩下 100K 就应该是能给输出的额度。

四家的官方文档都不是这么写的。它们的规格表把两个数字列成两个独立的字段：

• OpenAI 的模型页写「1,050,000 context window」和「128,000 max output tokens」两行。
• Anthropic 的模型对比表有两个独立的列：「Context window」和「Max output」。
• DeepSeek 的模型表把「上下文长度 1M」和「输出长度 最大 384K」列为两行。
• Google 的模型详情页把两个数字放在「Token limits」下，分别是「Input token limit」和「Output token limit」。

最能说明两者独立性的例子不在聊天模型上，而在 OpenAI 的语音转写模型上：gpt-4o-transcribe 的规格是 16,000 context window / 2,000 max output tokens——输出上限只有窗口的 12.5%，和聊天模型的量级完全不同。可见这两个数字是分别设定的，不是从对方推导出来的。

这个区别在工程上的后果非常具体：如果你要一次性输出一篇长文、一个完整代码文件或一份结构化数据，限制你的是「最大输出」，不是「上下文窗口」。而四家的最大输出差距很大：

把比例翻译成实际能力，就是一句话：如果你需要单次输出超过 65,536 token（约 5 万汉字量级的结构化内容），Google 全线做不到，必须分片。而 DeepSeek 的 384K 上限是四家里唯一能覆盖「一次输出一本书」这个量级的。

五、三个比价时容易踩的坑

六、按场景怎么选

• 单次输出长内容（长文、大代码文件、批量结构化数据）：看最大输出，不看窗口。DeepSeek 的 384K 是四家最大；OpenAI 与 Anthropic 的 128K 次之；Google 的 65,536 需要分片。
• 超长输入、成本敏感：Google 的 Flash 系列是唯一「单价不随输入长度变化」的选项。Gemini 3.5 Flash-Lite 的 $0.30/百万输入，在 500K 输入的场景下比走长上下文价的 Gemini 3.1 Pro 便宜 13.3 倍。
• 超长输入、且要缓存复用：Anthropic 是唯一明确承诺「全 1M 窗口标准价 + 缓存折扣同样适用」的，官方原文把 900k 和 9k 的请求等价处理。但要把新分词器带来的约 30% token 增量算进去。
• 需要 272K 到 1M 之间的输入，且必须用 OpenAI：尽量把单次请求压在 272K 以下。实在压不下去，就接受 1.93 倍的成本，或者拆成多次请求再汇总。
• 批处理任务、时间可调：DeepSeek 的空闲时段价格是高峰的一半，官方定义的空闲时段覆盖周末、节假日和每天 18:00 之后。把离线任务排到这些时段是免费的折扣。
• 要「能读又能写」的均衡配置：Claude Haiku 4.5 的 200K / 64K（32%）和 DeepSeek 的 1M / 384K（38.4%）是比例最高的两档；如果预算紧又要长输出，Haiku 4.5 是低价档里唯一输出比例超过 30% 的。

这两个数字的关系，本质上是厂商在「读」和「写」之间分配算力预算的结果。读便宜、写贵，所以绝大多数厂商把窗口开得很大、把输出限得很紧。理解这一点之后，看规格表的方式会变——不再问「窗口多大」，而是问「在不超过加价阈值的前提下，我能读多少、能写多少」。

这个思路和本站其他横评是同一套方法。上一批里我们把 API 的单次任务成本、生图的单张成本都拉平到同一把尺上算过，结论也是类似的：官网最显眼的那个数字，通常不是决定成本的那个数字。相关阅读：大模型 API 价格横评：为什么每百万 token 单价不能直接比、AI 生图多少钱一张、AI 编程工具订阅价格全盘点。