很多人问 Kimi 上下文长度是多少,其实同一家会挂好几个型号,网页版和 API 的口径还未必一样,光记一个数字很容易踩坑。这篇不给你背数字,而是告诉你到哪一页核对当时的真实值、拿到数字后怎么换算成「能塞多少字」、以及做长文档阅读时该按什么顺序验证。看完你会有自己的判断流程,而不是记一个会过期的答案。
很多人问 Kimi 上下文长度是多少,其实同一家会挂好几个型号,网页版和 API 的口径还未必一样,光记一个数字很容易踩坑。这篇文章不给你背数字,而是告诉你到哪一页核对当时的真实值、拿到数字后怎么换算成「能塞多少字」、以及做长文档阅读时该按什么顺序验证。看完你会有自己的判断流程,而不是记一个会过期的答案。
先明确一点:上下文长度是「输入 + 输出」共享的额度,不是只算你喂进去的资料。所以真正的可用空间,取决于你打算让模型回多少、以及对话已经累积了多少。把这个前提记住,后面所有换算才有意义。
数字别背,去这两处现查
型号名后面带后缀的,上下文长度往往单独标注。先看清你实际用的是哪个名字,别拿 A 型号的数去套 B 型号,这是最常见的错误。名字对不上,后面所有估算都是白搭。
- 官方规格与价格页会同时写上下文长度和计费口径,到 /official-api/providers/moonshotai 核对当下数值,比记文章里的旧数字可靠。
- 模型库 /models 里能横向对照同类长文本模型的标注口径,注意区分「输入上限」和「输出上限」,两者常不是一个数。
- 如果你走的是中转站而非官方直连,页面写的限制未必等于模型本身的能力,先确认这条链路是不是同一个口径。
- 拿不准时,用一段真实素材直接试跑,比读任何标注都直接。
| 查证位置 | 能看到什么 | 注意点 |
|---|---|---|
| /official-api/providers/moonshotai | 规格、计费口径、上下文标注 | 以页面当时显示为准 |
| /models | 同类模型横向对照 | 分清输入上限与输出上限 |
| /sites | 中转站链路说明 | 链路口径未必等于模型口径 |
拿到数字之后,怎么换算成「能塞多少字」
上下文长度的单位是 token,不是字。中文大体一个字对一到两个 token,英文和代码更碎,所以别拿字数直接对上。一份看起来不长的英文材料,token 数可能比你的直觉高不少。
- 先跑一段真实素材用 /tools/token-price-calculator 或 /tools/model-cost-calculator 把一段实际要用的内容跑一遍,得到 token 数,比拍脑袋靠谱。
- 把提问和历史算进去文档本身加上你的提问、系统提示、历史对话,累加起来才是真实占用。很多人只算文档不算对话,聊到中途就满了。
- 留出输出余量你要模型回多长,也得从同一个额度里扣。想让回答写详细点,输入侧就得相应留窄一点。
- 粗略估算法具体换算规则见 /guides/token-count-estimation,本篇不重复。
换算的意义不在于算到精确,而在于判断「这份东西塞得下还是得切」。宁可先估个大概,也别整篇丢进去跑到一半报错。
什么场景适合用长上下文,什么场景别硬塞
适合长上下文的典型场景:一次读完一份合同、一份财报、一批会议记录,需要跨段落找对应关系、做汇总和交叉比对。这类任务一次性给足资料,通常比来回追问效果好。
| 场景 | 建议做法 | 原因 |
|---|---|---|
| 整篇读一遍给摘要 | 直接塞 | 省事,效果稳定 |
| 反复追问要精确引用 | 先切分再问 | 长上下文答到后面容易丢细节 |
| 长篇写作、翻译 | 一次性给足资料 | 但输出长度是另一个限制,别混为一谈 |
| 只查某个具体位置 | 切分加检索更稳 | 避免为找一句话把整本丢进去 |
判断标准很简单:如果你只是要「读完给个摘要」,直接塞;如果要「第几十页第几段那句话怎么说的」,先切分再问。不适用的情况也说清楚——文件本身很小、问题很浅时,纠结长上下文纯属浪费时间,普通提问就够了。
上手前的检查清单
- 确认你用的是网页版还是 API:两边的限制、计费、是否支持文件上传都不完全一样,别拿一边的经验套另一边。
- 长文档先用一小段试跑,看它会不会在中途丢上下文,再决定要不要整篇丢进去。
- 留意对话轮次累积:聊得越久,留给新内容的空间越少,必要时开新会话重来比继续硬聊划算。
- 涉及费用时,长输入的单价通常在 /official-api/providers/moonshotai 有明确口径,先算一遍再批量跑。
- 如果你走中转站,先去 /sites 看这个站的链路和可信度,再做长文本任务。
常见问题
Kimi 上下文长度到底是多少?
不给固定数字,因为同一家不同型号、网页版和 API 的口径都可能不一样,而且会随版本调整。最稳的做法是到站内 /official-api/providers/moonshotai 看官方规格页当下的标注,再用 /models 横向对一下同类模型,别拿文章里的旧数当准。
上下文长度大,是不是就等于能处理很长的文档?
不等于。长度只是「一次能塞进去多少」的上限,实际用起来还受输出长度、回答精度、对话累积占用的影响。长文档读摘要没问题,但要求精确引用某一段原文时,切分加检索往往比整篇塞进去更靠谱。
中文一个字算几个 token?为什么我按字数估老是估不准?
中文大约一个字对一到两个 token,英文、标点、代码更碎,所以按字数估必然偏。想估得靠谱,把一段真实素材丢进 /tools/token-price-calculator 跑一遍,再用这个比例去推整篇,比直接按字数乘系数准得多。