长上下文的实测：窗口大不等于用得好

跑分与现实的差距

大海捞针测试近乎满分，但多跳推理（综合分散信息得出结论）的表现随上下文长度显著衰减。

成本与延迟

长输入的推理成本超线性增长，响应时间也不适合交互场景。长上下文不是免费的。

工程结论

RAG 加精选上下文仍然优于全量塞入。长窗口的正确用法是处理被选中的复杂材料。