上个月帮一个做法律科技的朋友调试产品，他的工具需要一次性分析完整的合同文档——少的二三十页，多的上百页。用的OpenAI API，每次都得手动切段落、分块处理、最后再拼起来。拼的时候经常丢信息，尤其是合同里的相互引用条款，“见第三条第二款”这种，分块后第三条在上一块，第二款在下一块，模型直接就懵了。
他问我有没有更好的方案，我说你试试Claude。他第一反应是：“又要换API？别折腾了。”
结果试完之后，他给我发了一条消息：“这个上下文窗口，确实有点东西。”
200K到底能塞多少东西？
换算成实际文件：一次能处理大约15万个英文单词，或者8万个中文字符。什么概念？《三体》第一部全本大约20万字，Claude一口能吞下大半本。放到实际工作场景：
-
一份100页的招股书PDF
-
一个中等规模代码仓库的全部核心文件
-
一场3小时访谈的逐字稿
-
50封邮件往来的完整线程
这些都能一次性丢进去，不需要切，不需要预处理。
OpenAI的GPT-4 Turbo是128K，差了约56%。听起来不多？但实际操作中，128K意味着你得卡着边界切，而200K意味着“基本不用想边界问题”。
但问题来了：窗口大就一定好用吗？
我实测了两个场景，结果挺有意思。
场景一：长文档QA（问答系统）
拿一份82页的上市公司年报（PDF转txt后大约7万中文字符）做测试。问同一个问题：“公司2023年海外收入的占比是多少？海外市场增长率对比国内市场如何？”
-
OpenAI方案（128K）：一次性塞进去没问题，但回答时漏掉了“对比国内市场”这部分，只给出了海外收入占比。跑了三次，两次漏信息。
-
Claude方案（200K）：完整给出了三个数据点，还额外标注了每个数据所在的页码。
差异原因不在模型能力上，在注意力机制上。窗口越大，模型在回答时需要“回溯”的范围越大。OpenAI的处理方式是均匀分配注意力，Claude在长文本上做了优化，会更关注开头、结尾和明显的数据段落。
场景二：代码库理解
丢了一个中小型Python项目（约50个文件，总计1.2万行代码）让两个API分别回答：“哪些函数调用了database.py里的get_connection()？”
-
OpenAI：需要先把代码库概要提取出来再问，直接一次性丢进去会超128K，即使不超也容易漏掉跨文件的调用关系。
-
Claude：200K足够塞下全部文件，回答时列出了7个调用位置，对了6个。
说实话，OpenAI在这个场景吃亏在“窗口刚好卡在边界上”。如果代码库更大，两边都得切，差距就没那么大了。
那到底该怎么选？
我的个人判断（用了半年多的实际感受）：
-
Claude更适合：法律文书分析、长访谈整理、完整代码库理解、学术论文审稿。这些场景的共同点是“需要一次性看到全貌”，切分后信息损耗严重。
-
OpenAI更适合：多轮对话、短文本生成、需要频繁调参的场景。它的响应速度更快，生态工具更成熟（函数调用、JSON mode这些）。
-
两者都行：常规文档（10页以内）、客服对话、一般性的内容生成——这种场景下128K和200K的差距你基本感受不到。
一个被忽视的成本问题
200K窗口看着爽，但消耗的token数是实打实的。一次请求塞200K，即使只回来500个token，你也得付200K的输入费用。
Claude的价格：输入$3/1M tokens，输出$15/1M tokens。一次200K的输入成本大约$0.6。OpenAI是$10/1M输入（GPT-4 Turbo），同样200K要$2。
但OpenAI的128K实际用起来，你可能得发2-3次请求才能完成Claude一次能搞定的事。总成本算下来，各有千秋。不过如果你按“每成功完成任务”来计算，Claude在长文本场景下更划算。
我的建议是：别被参数带偏。先问问自己“我的任务需不需要一次性看完整上下文”。需要，就上Claude；不需要，两个都能用，哪个顺手用哪个。
上周那个法律科技的朋友最后还是换了Claude。他说了一句话我印象很深：“我不需要知道API怎么切分文档，我需要的是把合同丢进去，它告诉我这里有没有坑。”
这才是上下文窗口的真相——它不是给开发者炫技的，是给用户省事的。
