测了三个中转站的超长上下文表现，差距比价格差还大

同一份 8 万字材料，问细节问题。

结果：

• A 站：前排回答正常，中后段开始答非所问，疑似自动降级到短上下文模型
• B 站：能答对大部分，但速度只有标称的三分之一
• C 站：直接报错，提示超出限制

价格上 A 最便宜，B 中等，C 最贵。

结论：标称支持长上下文的中转站，实际要做到需要额外验证。测试方法：在长材料的中后位置埋事实，问它能不能答对。

只看标称参数，会踩坑。