OpenAI 本周确认，已将 GPT-6.1 Sol 的默认上下文长度提升至 500,000 Tokens。这一举措使其旗舰模型的有效工作记忆增加了一倍以上，使其能够在单个会话中直接处理整本书籍、冗长的法律合同或庞大的代码库，而无需分块或重新训练。
该更新适用于所有用户，不仅限于企业客户，并且立即生效。与之前的默认值相比，这是一次重大飞跃，使 GPT-6.1 Sol 在依赖处理大量上下文文本的任务中迈入了一个全新梯队。
500,000 Tokens 在实际应用中究竟意味着什么
50 万个 Tokens 大约相当于一本 37.5 万字的小说篇幅——相当于《指环王》（Lord of the Rings）三部曲加上《霍比特人》（The Hobbit）的全部内容，而且还有富余空间。从专业应用的角度来看，这可以是一份厚达 1,200 页的法律证据开示文件卷宗、一个中型团队整整一年的 Slack 消息记录，或者一个小型软件项目的完整源代码。
此前，OpenAI 旗下各模型的默认上下文长度一直维持在 128,000 Tokens 左右。跃升至 500,000 不仅是一个单纯的数据增长，更改变了开发者和知识工作者构建 Prompt 的成本效益结构。用户现在无需再将文档切分成碎片并拼接摘要——这一流程往往会丢失细节且耗费时间——而是能够一次性输入完整内容。
OpenAI 为何选择此时做出调整
竞争几乎无疑是一个关键驱动因素。来自 Anthropic 和 Google 的竞品模型一直在推高上下文窗口上限，而企业采购方已将长上下文性能列为首要评估指标。但 OpenAI 的表述更为直接：该公司表示，更大的上下文窗口增强了 GPT-6.1 Sol 处理复杂任务的能力，尤其是那些需要在分散于数百页的信息之间进行交叉引用的场景。
此外还有一个务实考量：更大的上下文窗口减少了对检索增强生成（RAG）管道的依赖。RAG 管道虽然功能强大，但也相对脆弱。当模型能够直接通读整个语料库时，你便无需再去猜测哪些分块才是关键内容。
尚未被完全洞察的工作流变革
专业工作流程可能会发生初看并不明显的深刻转变。以往需要花费数小时从季度财报中提取数据的财务分析师，现在只需提出一个问题，就能获得精确引用过去十年 10-K 年报具体页码的解答。审查并购协议的律师可以将所有相关电子邮件、合同和备忘录导入单次会话中，并迅速排查其中的矛盾之处。
然而，更大的上下文并不直接等同于更优质的答案。在面对超长输入时，模型依然可能出现注意力涣散的问题——研究人员称之为“迷失在中间”（lost in the middle）现象。OpenAI 尚未公布 GPT-6.1 Sol 在达到 500,000 Tokens 全负荷状态下的详细基准测试表现，因此用户需要针对自身的使用场景进行实际测试。
成本是另一个未知数。OpenAI 尚未明确说明扩展后的上下文是否会调整面向 API 客户的定价。从历史上看，更长的上下文通常意味着更高的每 Token 费率，因为同时处理更多文本需要消耗更多算力。
接下来的关注重点
基于 GPT-6.1 Sol 构建应用的开发者需要针对新的上限重新测试现有的工作流程。该公司尚未公布针对较短上下文模式的正式弃用时间表，但默认设置已经生效。对于依赖文本分块策略的团队而言，现在正是重新评估这些权宜之计是否仍具价值的关键时刻。
预计 OpenAI 将在未来几天内发布更新后的 API 文档及详细定价信息。在此之前，对大多数用户而言，实际的上限取决于预算承受能力——而 500,000 Tokens 如今已是基准起步线，而非天花板。
