1m 上下文感觉面对 agent 还是少了？预测下接下来哪家会先出真*2m 上下文？

我觉得恰恰相反，现在是 agent 肆无忌惮的的浪费上下文，上下文越长，信噪比越低。这样下去上下文边际能力收益会越来越低。
模型训练那边已经想明白后训练才是最有性价比的付出，agent 也会探索出让上下文更有价值的方法，我并不期待更大的上下文，我期待“Agent 仙人”

@xiaoz 没错。即使是支持 1M 上下文的模型，我也主动限制为 256K 上下文，尽早触发上下文压缩可以有效降低使用成本，特别是当 agent 们大部分时候都在自主工作时。超过 400k 每一次工具调用都变得异常昂贵，即使命中 cache 也是。

不只是压缩，还有总结。
压缩是从上下文中去掉一部分，总结是保存为文档，需要的时候再来读。
好比你写论文，记忆里只有一个大概 “XXX 说过一个什么意思的话”， 真要要引用的时候，你再去找原始资料再读一遍， 确认你没记错，确认更多细节。

我日常超过 256K 上下文使用的话，多轮对话下去成本会骤升，好多 Agent 工具在这个量级附近已经开始自动压缩模型上下文了，1M 以上的上下文需求目前占比应该非常小，但是潜力肯定还是有的，最大阻力是算力成本墙，要成为主流还是得给输入/输出上下文的单价进一步降下来，个人认为至少得目前市场价数倍的降幅，且模型能力还要保持不下降，否则这个短期内市场博弈下，大多数用户盯着消耗账单望而却步。

外面一堆 200 的都一样用

500K 是甜点，1M 上下文大部分用不到---因为上下文有效的，可能就最近几轮对话。再之前的，都是废话

这和人对话一样的道理：说话请说重点，别东拉西扯废话连篇