100万token：Claude现在能记住一整本书了

100万token。

这个数字我反复确认了几遍，去Claude官方看了消息，才打开电脑准备写这篇。

3月13号，Anthropic正式宣布：Claude Opus 4.6和Sonnet 4.6的100万token上下文窗口全面开放。不是beta，不是waitlist，不是"部分用户灰度"——是GA，所有人都能用。

先说这个数字到底意味着什么。

100万token，到底有多大

100万token ≈ 75万字英文，≈ 50万字中文。

不够直观？换算一下：

整套《哈利波特》系列，7本加起来大约108万字英文。100万token能装下其中70%。

或者这么想——15到20本普通小说，一次性塞进去，Claude记得住。

或者一个中型代码库，几万行代码。或者一家公司的全年财报。

之前Claude的窗口是200K token，已经在业界算大的了。这次直接翻了5倍。

额，你说这升级猛不猛。

因为我在OpenClaw上用的模型是Claude，所以我很关心龙虾有没有得到升级。一看对话窗口，果然已经升级到1m，也就是说，我不用再急着/new新窗口，担心上下文超标的问题了，也是美滋滋。

定价不变——这才是真正的重点

上下文窗口变大，通常意味着账单也变大。但Anthropic这次选了一条不太常见的路：

定价不变。没有长上下文溢价。

Opus还是$5/$25 per MTok，Sonnet还是$3/$15 per MTok。

你用100万token跑一次，和用10万token跑十次，每个token的单价一样。

说实话，看到这个的时候我有点意外。因为长上下文对算力的要求明显更高。不加价，要么是Anthropic在技术上做了优化让成本可控，要么是战略性定价——先把用户圈进来再说。

不管原因是什么，对我们用户来说，这是实打实的好消息。

还有一个容易被忽略的升级：媒体上限从每个请求100张图片/PDF页面，提升到了600张。6倍。这意味着你可以把一整份几百页的合同、一本技术文档、或者一年的财务报表，一次性扔给Claude。之前一直有限制，文件数量多的情况下，我都是直奔Gemini，现在就多了个选择了。

跟竞品比，什么水平

话说回来，100万token虽然很能打，但不是业界最大的。拉个横向对比：

• Gemini 2.5 Pro：200万tokens
• Claude Opus/Sonnet 4.6：100万tokens
• GPT-4o：128K tokens
• DeepSeek V3：128K tokens

Gemini在窗口大小上确实领先。但上下文窗口不只是"能装多少"的问题，还有"装进去之后能不能真的用好"。

Opus 4.6在MRCR v2基准测试拿到了78.3%的得分——这是目前前沿模型里的最高分。MRCR测的就是模型在超长上下文里找信息、做推理的能力。

换句话说：不只是记得住，还用得好。

我的实际体验

我是Claude Max的付费用户，Gemini Pro订阅。我的AI助手皮皮虾跑在Opus和Sonnet 4.6上面。

说实话，100万token对我的日常工作流影响是真实可感的。

长文翻译——以前翻译一篇长文章需要分段喂，因为超过上下文窗口Claude就会"忘记"前面的内容，翻到后面风格突然变了。现在一整篇丢进去，上下文连贯性好了太多。

代码审查——我让皮皮虾帮我审查代码库的时候，之前只能一个文件一个文件看，它理解不了整个项目的架构。现在可以把几万行代码一起塞进去，它终于能看到"全貌"了。这个差距是质变级的。

内容pipeline——我做YouTube、做多平台分发，素材量很大。之前需要反复给Claude补充背景信息，现在一个对话里就能装下所有素材和历史讨论，效率提升非常明显。

打个不太恰当的比方：之前的Claude像一个记忆力一般的实习生，你每次交代任务都得把前情提要重新讲一遍。现在的Claude像一个跟了你半年的助手，所有背景它都记得。

这波升级对普通用户意味着什么

你可能会想：我又不写代码，也不审查合同，100万token跟我有什么关系？

关系大了。

几个最直接的场景：

读书。你可以把一整本书丢给Claude，然后问它任何问题。“第三章那个案例和第七章的结论矛盾吗？““帮我找出书里所有关于XX的论点。“以前做不到，因为装不下。现在能了。

整理资料。考试复习、论文写作、项目研究——把所有参考资料一次性喂进去，让Claude帮你梳理脉络、找到交叉引用、生成大纲。

工作对话。把过去几个月的会议纪要、邮件、文档全扔进去，问Claude"我们Q1的核心决策有哪些变化”。它能给你一个连贯的答案，而不是只看最后几条消息。

Anyway，100万token不是给极客炫技用的。它解决的是一个非常朴素的问题：让AI真正理解你在说什么，而不是每次对话都从零开始。

传播数据——行业反应有多大

这条消息的传播数据也挺能说明问题。

Anthropic官方推文：520万浏览。Hacker News上直接冲到1110分的顶帖。Reddit、Cursor论坛、LinkedIn、Windows Report等各种渠道都在报道。 这种量级的关注度，说明100万token不只是一个技术参数的更新，是一个让整个行业觉得"事情不一样了"的节点。

值得关注的企业案例

Anthropic在公告里引用了一批企业客户的反馈，简单列几个：

• Physical Superintelligence用100万上下文做物理研究，一次性加载大量实验数据
• GC AI用来处理法律合同——合同这种东西动辄几百页，之前没法整体分析
• Cognition（就是做Devin的那家）用来做代码审查，整个代码库级别的review
• Hex用来做数据分析，把海量数据集和查询历史一起扔进去

这些场景有一个共同点：信息量大、上下文依赖强、之前不得不分段处理。100万token让"一次看完"变成了可能。

100万token。不加价。 600张媒体上限。前沿模型最高的长上下文得分。

这次更新没有什么花哨的新功能名字，没有炫酷的demo视频。但它解决的是AI最根本的问题之一——记忆。

一个能记住一整本书的AI，和一个只能记住最后几页的AI，是完全不同的东西。

工具的价值不在于参数多大，在于你用它能做成什么事。

感谢观看。