百万上下文时代来临：Claude 1M全面开放，定价战争终局？

100万token，约75万汉字。现在，这个量级的上下文处理不再需要额外付费。

从4K到32K、128K，再到今天的1M，大模型的"记忆容量"战争打了两年。每个厂商都在卷上下文窗口，但定价策略却走向了两条路：有人把长文本做成高端增值服务，有人选择规模效应压低边际成本。

3月16日，Anthropic宣布Claude Sonnet 4.6和Opus 4.6的1M token上下文窗口正式全面可用。最关键的是——按标准定价，无长文本溢价。

Anthropic的"核弹"

这次更新的核心有三个点：

无溢价定价。 处理1M token和1K token的单价完全相同。对比竞品：Gemini 3.1 Pro超过20万token需加价，GPT-5.4超过27万token同样有额外收费。Anthropic选择用规模效应摊薄成本，而不是把长文本当成"高级功能"。

全模型覆盖。 不是某个高端型号独占，而是Sonnet和Opus全系支持。这意味着开发者可以在性价比和性能之间自由选择，而不用担心上下文长度限制。

即时可用。 不是预览版、不是waitlist，而是直接开放给所有用户。

Anthropic的商业逻辑很清晰：长上下文不是奢侈品，而是基础设施。当边际成本足够低，薄利多销比"功能税"更能建立生态护城河。

对开发者意味着什么

RAG架构的终结？

这是很多开发者的第一反应。如果模型能"记住"整个知识库，为什么还需要检索增强生成？

现实比理论复杂。

RAG仍然有价值的场景：

• 实时数据：股票价格、新闻资讯，上下文窗口再大也存不了"未来"
• 隐私合规：企业数据不能发送到云端，本地检索+小模型生成
• 成本敏感：1M token虽然不加价，但输入成本依然存在

“全量喂入"成为新常态的场景：

• 代码库理解：把整个项目喂给模型，无需复杂的文件切分
• 长文档分析：法律合同、学术论文，一次读完直接对话
• 多轮深度对话：用户历史交互全部保留，上下文不再是"滑动窗口”

我的判断：RAG不会消失，但会从"默认方案"变成"特定场景方案"。很多原本需要复杂检索逻辑的应用，现在可以简化为"直接塞进去"。

Prompt Engineering 2.0

当上下文从几千token扩展到百万级，提示词工程也需要升级。

旧范式： 精心设计系统提示，压缩指令，最大化利用有限窗口。

新范式： 结构化组织海量上下文。如何在100万token中让模型找到关键信息？如何避免"中间迷失"（模型更容易关注开头和结尾）？这些问题将成为新的技术挑战。

实用建议：

• 重要信息放在开头或结尾
• 使用清晰的分隔符和结构标记
• 对于超长文档，可以在关键段落前后添加"路标"提示

行业格局预判

三大厂商的策略差异越来越明显：

Anthropic在赌一件事：当开发者习惯了"无限上下文"，就很难再回到"切分+检索"的复杂架构。这是一种生态锁定——不是技术绑定，而是心智绑定。

对中小创业公司来说，这是利好。原本需要搭建复杂RAG系统的场景，现在可以更低成本实现。AI应用的"原型验证"门槛进一步降低。

未来6个月，我预计会看到：

• 大量"全量喂入"类应用涌现
• RAG框架开始强调"混合架构"（部分检索+大上下文）
• 新的长上下文评测基准出现，验证模型在超长文本中的真实表现

写在最后

长上下文不再是奢侈品，而是标配。

这个变化的深远影响可能超出我们今天的想象。当AI可以"记住一切"，人机交互的范式会发生什么变化？知识管理、创意写作、代码开发……每个领域都可能被重新定义。

一个开放问题：你准备好把整个代码库或知识库直接喂给AI了吗？

参考链接：

• Anthropic官方公告：https://www.anthropic.com/news/claude-1m-context
• Claude定价页面：https://www.anthropic.com/pricing