这两天，一个“看起来很技术”的参数突然变得和普通人也有关：多家媒体报道 DeepSeek 的聊天机器人把上下文窗口从 12.8 万 tokens 扩展到“超过 100 万”。直白点说：它一次对话能处理的资料量，从长文章级别，跃迁到“整本资料/整段项目文档”级别。
如果你用 AI 写方案、看合同、整理纪要，这个变化的意义很实际：它更像把“聊天”推向“能先读懂材料再帮你干活”。
要点（看懂这 4 条就够了）
- 100 万 token 是什么？token 不是字数，但可以理解为“可输入内容容量”。容量越大，越不需要你把资料切成很多段反复补充。
- 长对话少“失忆”。在同一任务里，它更可能持续遵守你的约束（格式、字段、人物关系），减少中途跑偏。
- 长文档更好用。把关键段落集中给它，更可能在一轮里完成“提取—对比—总结—给结论”。
- 对代码/知识库更实用。当文档、需求、接口约束放在同一轮对话里，它更像先通读背景再回答。
为什么重要：能力上限开始被“资料规模”重塑
过去很多人觉得 AI 不靠谱，常见原因不是它不会推理，而是它“看不完”。窗口变大后，很多工作会从“反复分段、来回校对”，变成“给一次完整材料，让它先读懂再输出”。
但别误会：窗口变大不等于永远准确。更稳妥的用法是让它在回答里标注引用原句（或段落位置），关键数字再人工复核。
谁最适合现在就关注
- 内容工作者/运营：长稿件、系列选题、采访整理，能减少“补充资料”的来回。
- 职场写作者：方案、周报、竞品分析、纪要合并，适合用“大窗口 + 清晰模板”一次成型。
- 做产品/写代码的人：把 repo 文档和约束一次性给足，更容易得到可落地的边界条件与实现建议。
来源：
South China Morning Post；
CNBC
我会在 wuxing.name 持续把 AI 新变化翻译成可用的场景与方法。想看我下一篇拆解哪类用法（写作/学习/职场/工具实操）？欢迎留言。
