把工作記憶撐大八成，GPT-6.1 Sol 的上下文開到 500k
還記得分塊餵食的那套手勢嗎？文件太長，先切段、標編號，逐段貼進對話框，中途還要停下來問機器人「第二段的結論還記得嗎」。那是 4k、8k 上下文年代與聊天機器人相處的基本禮儀。2026 年 10 月 12 日，OpenAI 工程師 Thibault Sottiaux（Tibo）宣布，Codex 與 Work 環境下的 GPT-6.1 Sol，預設上下文長度從 272k 提升到 500k，增幅約八成（來源：官方宣布，經 IT之家 10 月 12 日公開報導）。分塊貼文的舊禮儀，又往退場的方向挪了一格。
先把這次更新講清楚
- 適用範圍：Codex 與 Work 環境中的 GPT-6.1 Sol，調整的是預設值。
- 數字：預設上下文從 272k 提升至 500k，約增加 80%。
- 官方說法：此舉可顯著降低上下文壓縮的觸發頻率，處理需要長期保留大量細節的任務時更從容；Tibo 也預告未來會繼續提高上限。
- 彈性：仍可手動調高或調低，GPT-6.1 Sol 的上限為 1M。
- 費用：配合這次調整，從訂閱扣除用量時，GPT-6.1 Sol 不加收長上下文費用。
逐條看下來，最影響日常體感的是兩條：壓縮更晚發作，以及加長記憶不另計價。其餘屬於工程端的從容，使用者感覺不到，只知道長文件不再那麼快「爆框」。
上下文的加長班表
context window 這個詞，是這三年才被大眾學會的。回頭排一張班表就會發現尺度變化有多快。
2022 年底 ChatGPT 剛開放時，上下文約 4k token，對話像在傳紙條，聊到第十幾輪，它已經忘了你是誰。2023 年春天 GPT-4 登場，8k 與 32k 兩種規格，長文件要拆著餵。2023 年 11 月 GPT-4 Turbo 把視窗拉到 128k，官方當時給過一個好記的比喻：大約三百頁英文文件。2024 年初，Google 的 Gemini 1.5 把 1M 搬上檯面，百萬一時成為各家競相展示的天花板。這次 GPT-6.1 Sol 的預設值直接站在 500k，手動可調到 1M。
照「128k 約三百頁英文」的官方比喻換算，500k 大約是一千兩百頁，幾本長篇疊在一起的高度。對照三年前那套切段、編號、逐段貼上的流程，變化是數量級的。
AI 圈一週更新的密度，先前我們在國慶七天排成連軌班表一文裡攤過。這類升級如今排隊出現，單條新聞的聲量容易互相稀釋，但放回班表裡看，才知道自己走到了哪一站。
壓縮發作之前，使用者都在做什麼
先解釋「上下文壓縮」。對話總長超過視窗時，系統會自動摘要前文、騰出空間，細節從縫隙裡掉出去。使用者社羣給這件事取過很多名字，最常見的是「失憶」：你在第 3 輪交代過命名規則，第 40 輪它換了說法，回頭翻紀錄，中間某段早已被摘要掉了。
為了延後壓縮發作，社羣發展出一套應對儀式。重要事項寫進自訂指示，每十幾輪人工總結一次，或者直接開新對話，像重開機一樣清空現場。預設值從 272k 拉到 500k，把壓縮的到來時間往後推了一大段，長任務不必再那麼頻繁地存檔重來。
順帶一提，上下文和 ChatGPT 的記憶功能是兩回事。記憶功能存的是偏好與背景，像長期記憶；上下文裝的是當下這一攤對話，更像心理學講的工作記憶。這次升級加大的是後者，一攤事能攤多大，決定了它能不能接手整份工作。
計費那端也有變化。在公開價目表上，超長輸入另計更高單價的做法並不罕見，長上下文向來被當成加購品。這次公告明寫不加收，加長記憶從選配變成了標配。
誰在用一千兩百頁的工作記憶
500k 的直接受眾很明確。Codex 是寫程式場景，一整個程式碼庫、一整條錯誤堆疊，連同相關文件一起擺進視窗；Work 環境面對的是合約比對、整季會議紀錄，或一份百頁報告的改寫。這類任務的共同點是細節不能掉，掉一處，結論就偏。
把鏡頭拉遠一點，這也是「AI 同事」敘事的新一行裝備清單。八月才上工的雲端同事，先前已經領到自己的專屬信箱，如今工作記憶再加一級。裝備愈齊全，它接手的任務就愈接近「整包丟過去」的形態，分派工作的人反而要重新練習怎麼把驗收標準寫清楚。
從懶人包到全文貼上
再往文化層看一層。中文網路其實早有自己的人肉上下文壓縮技術，名字叫懶人包。論壇時代一個事件吵上幾百樓，總有人出面整理來龍去脈，替後來者省下爬文的時間。懶人包的生產者，做的事和現在的機器一模一樣：讀完全部，壓縮成一份可帶走的摘要。
上下文視窗拉長之後，這個分工鬆動了。原始全文可以直接交給機器，摘要權跟著移交。懶人包不會消失，人們依然需要可信的中介者，但「太長不看」這句老話的解法，從等人整理變成自己貼全文。讀與不讀之間，多了一個選項：讓機器先讀。
「上下文」也悄悄變成了日常詞彙。三年前它還躺在工程文件裡，現在連非技術背景的使用者也會說「超出上下文了」「它沒喫到上下文」。一個技術名詞進入口語的速度，常常就是這項技術進入生活的速度。
記憶體加大之後，稀缺的是別的東西
機器讀得完一千兩百頁，人讀不完。記憶體加大之後，提問的方式跟著換了：從「怎麼把長文塞進機器」，變成「哪一千兩百頁值得塞進去」。分塊餵食的禮儀退場了，那麼下一個被升級淘汰的相處習慣，會是開新對話，還是懶人包本身？