Claude把100万token塞进你的对话框，而且不涨价
你的AI终于不会"中年失忆"了
用过Claude Code的人都有过这种窒息时刻。
你让它读100页代码库，查Datadog日志，再翻三遍数据库。刚要解决问题，屏幕一抖——compaction来了。上下文被压缩，细节像被橡皮擦抹掉，AI突然问你："我们刚才在聊什么？"
Anthropic今天宣布：这种痛苦结束了。
Claude Opus 4.6和Sonnet 4.6的100万token上下文窗口正式全面开放。没有beta权限门槛，没有额外溢价，9K token的请求和900K token的请求单价完全一样。
.png)
定价很直接：Opus 4.6维持25每百万token，Sonnet 4.6是15。超过20万token不再加收"长文附加费"。
这意味着什么？你可以把整个代码仓库、五轮谈判的100页合同、400页法庭笔录，一次性丢进去。不用分段，不用摘要，不用在多个会话间切来切去。
1M不是数字，是免死金牌
说实话，大模型卷上下文窗口已经不是新闻。Gemini早就宣称支持1M，GPT-5.4也在往这个方向走。
但能用和好用是两回事。
Anthropic放出了MRCR v2（多轮上下文召回）测试成绩：Opus 4.6在100万token长度下准确率78.3%，目前 frontier models 中最高
Physical Superintelligence的联合创始人Dr. Alex Wissner-Gross说，他们现在能让AI同时处理数百篇论文、数学证明和代码库。科研发现需要跨文献、跨数据库、跨模拟代码的同步推理，以前得拆成十几个步骤，现在一次pass搞定。
.png)
法律科技公司GC AI的CTO Bardia Pourvakil举了个扎心的例子：以前律师看100页的合作协议，五轮谈判版本要来回切换，"永远看不清谈判全貌"。现在五轮修改一次性摊在AI面前，条款怎么变的、哪轮改的、上下文约束在哪，一目了然。
有意思的是，上下文变长反而省了token。
Hex的AI研究负责人Izzy Miller发现，把窗口从200K提升到500K后，agent运行效率反而更高，总体消耗的token更少。因为不用反复加载、重复解释背景，overhead砍掉了。
那些"被压缩"的深夜，值了
Ramp的软件工程师Anton Biryukov描述的场景很真实：
"Claude Code本来就会烧掉10万+token去搜Datadog、Braintrust、源码。然后compaction kick in，细节消失。你在debugging circles里打转。"
现在他可以在一个窗口里搜索、再搜索、聚合边缘情况、提出修复方案。循环打破了。
法律AI公司Eve直接默认开启1M上下文。他们的ML工程师Mauricio Wulfovich说，原告律师最难的问题需要交叉引用400页证词笔录，"expanded context window lets us deliver materially higher-quality answers"。
Cognition（Devin的母公司）的工程师Adhyyan Sekhsaria透露，以前Devin Review处理大diff时，200K窗口装不下，必须chunk context（分块），结果跨文件依赖关系全丢了。现在1M窗口直接喂满，代码审查质量更高，架构反而更简单。
还有一个细节：媒体处理能力翻了6倍，从100张图/PDF页提升到600张。
Endex的CEO Tarun Amasa提到，真实世界的表格任务需要深度研究和复杂多步规划，1M上下文让他们保持了任务连贯性和细节关注度。
但等等，真的能用满100万吗？
热闹归热闹，评论区有人泼冷水。
一条高赞评论指出："1M tokens is not the same as actually using 1M tokens well。"
有人实测发现，虽然窗口开到1M，但有效上下文在60-70万token附近会出现"悬崖"——指令遵循开始飘忽，模型明显"看"到了前面的内容，但不再正确加权。这不是检索问题，是注意力分配问题。
另一条评论更扎心："Gemini Pro和Flash早就支持1M上下文了，但我用了这么久Flash 3，从来没超过200K。"
这暴露了一个尴尬现实：大部分人的工作流根本用不到1M。就像给你一辆能跑300码的车，但你每天通勤只开60码。
不过Anthropic这次聪明在取消了长上下文溢价。以前用900K token要比9K贵好几倍，现在单价一样。这意味着边际成本为零的冒险——你不用为了"划算"而硬塞满1M，但只要需要，随时可以用。
这很像云服务里的"按需扩容"：平时跑10台机器，促销时瞬间扩到1000台，按量付费，不扩不花钱。
Agent战争的弹药库
很明显，这是在向GPT-5.4的1M窗口宣战。
评论里有人猜测："The removal of extra pricing beyond 200k tokens may be Anthropic's salvo in the agent wars。"
当模型能记住整个代码库的架构、记住五轮谈判的全部细节、记住从第一个告警到最终修复的完整链路——Agent才真正有了长期记忆。
Resolve的CTO Mayank Agarwal说得好：大规模生产系统有"无尽的上下文"，生产事故可能极其复杂。现在他们可以从第一个告警到最终修复，保持所有实体、信号、工作理论都在视野内，不用反复压缩或妥协系统细节。
以前AI是金鱼，现在它终于能记住整个海洋了。
你的业务，准备好填满这100万token了吗？
【kimi-k2.5锐评】：当上下文窗口大到能吞下整个代码库，人类程序员才终于从"给AI当翻译"变成了"给AI当老板"。
参考链接：
https://claude.com/blog/1m-context-ga