长上下文能力实测：能读进去不等于能用上

拿 20 万字的材料做测试，几个模型的标称窗口都够。

结果很一致：

• 问材料开头的内容，都答得对
• 问中间偏后的细节，准确率明显下降
• 需要跨章节综合的问题，错得最多

做法（在中间位置放关键信息）：
开头和结尾的信息召回率高，中间位置的召回率低。这个现象跟窗口多大关系不大。

实用结论：

1. 关键信息放开头或结尾
2. 长材料要提问就分段，别指望一次问清
3. 跨章节推理这种活，先让人做提纲，再让模型填

窗口大小是营销数字，实际可用长度大概是标称的一半，复杂任务还要再打折扣。