2026 年各大 LLM API 上下文窗口对比：最大 Token 数、定价分层与实际可用范围
跨服务商 LLM API 上下文窗口参考。对比 OpenAI、Anthropic、DeepSeek、通义千问（DashScope）、Google Gemini、Kimi、SiliconFlow 的最大输入 Token、最大输出 Token、长上下文定价差异与实际限制。
现在每家主流 LLM API 都把上下文窗口标到了几十万甚至上百万 token。对于运维和调用方来说，真正需要搞清楚的是那个窗口实际要花多少钱、最大输出限制是多少、服务商在哪个阈值之后开始加价或降速。
OpenAI 兼容指供应商提供一个 chat-completions 接口，其请求与响应结构与 OpenAI API 契约足够接近——只需替换三个值（API key、base URL、模型名），原来的 OpenAI SDK 调用即可直接工作。最小实践面是POST /v1/chat/completions 带 messages、model， 并返回 OpenAI 形式的流式响应。
数据来源均已标注检索日期。OpenAI API Pricing，2026-08-07 检索；Anthropic Models Overview，2026-08-07 检索；DeepSeek Models & Pricing，2026-08-07 检索；DashScope 模型计费，2026-08-07 检索；Google Gemini 3.5 Flash Model Card，2026-08-07 检索；Kimi K3 指南，2026-08-07 检索。
速查表
| 服务商 | 模型 | 上下文窗口 | 最大输出 | 长上下文加价 | OpenAI SDK 兼容 |
|---|---|---|---|---|---|
| Gemini 3.5 Pro | 2M | 64K | 128K 以上加价 | base_url 覆盖 | |
| OpenAI | GPT-5.6 Sol/Terra/Luna | 1.05M | 128K | 272K 以上 2 倍输入、1.5 倍输出 | 原生 |
| Anthropic | Claude Opus 4.8 / Sonnet 5 | 1M | 128K（batch 300K） | 不加价 | base_url 覆盖 |
| DeepSeek | V4 Pro / V4 Flash | 1M | 384K | 不加价 | 原生 |
| DashScope | Qwen3.8-Max / Qwen3.7-Max | 1M | 128K | Qwen3.8/3.7-Max 统一价；旧版 Qwen3-Max 阶梯加价 | OpenAI 兼容端点 |
| Kimi | K3 | 1M | — | — | base_url 覆盖 |
| SiliconFlow | 按托管模型而定 | 最高 1M | 按模型 | 不加价 | 原生 |
| Gemini 3.5 Flash | 1M | 64K | 128K 以上加价 | base_url 覆盖 |
数据截至 2026 年 8 月。"上下文窗口"指单次请求可接受的最大 token 总量（输入 + 输出），除非另行说明。请以各服务商最新文档为准。
OpenAI：272K 是加价分水岭
OpenAI 从 GPT-5.6 系列开始明确区分 short-context 和 long-context 定价，分界线在 272K token。
GPT-5.6 上下文规格
| 模型 | 上下文窗口 | 最大输出 | 短上下文输入 | 长上下文输入 | 短上下文输出 | 长上下文输出 |
|---|---|---|---|---|---|---|
| GPT-5.6 Sol | 1.05M | 128K | $5.00 | $10.00 | $30.00 | $45.00 |
| GPT-5.6 Terra | 1.05M | 128K | $2.00 | $4.00 | $12.00 | $18.00 |
| GPT-5.6 Luna | 1.05M | 128K | $0.20 | $0.40 | $1.20 | $1.80 |
请求总 token 一旦过 272K，输入价翻倍，输出价变成 1.5 倍。这个阈值按整个请求计算，不是逐 token 分段。
缓存可以缓解成本。 Sol 的缓存命中输入价只要 $0.50/M（正常短上下文 $5.00/M），长上下文场景下缓存命中也只需 $1.00/M。如果请求之间有大量重复的 system prompt 或参考文档，缓存能把长上下文的有效输入成本压到跟短上下文差不多。
旧版模型 GPT-5.5 同样支持 1.05M 上下文和 128K 最大输出，272K 分界线不变。GPT-5.4 上限 272K。GPT-5.4-mini 和 GPT-5.4-nano 没有长上下文定价层。
详见 GPT-5.6 Sol、Terra、Luna 模型分层对比。
Anthropic：1M 上下文，不收附加费
Anthropic 在 2026 年 3 月向所有用户开放了 Claude Opus 4.8 和 Claude Sonnet 5 的 1M 上下文窗口，没有添加长上下文定价层。
Claude 上下文规格
| 模型 | 上下文窗口 | 最大输出 | 输入价 | 输出价 |
|---|---|---|---|---|
| Claude Opus 4.8 | 1M | 128K（batch 300K） | $5.00 | $25.00 |
| Claude Sonnet 5 | 1M | 128K（batch 300K） | $2.00 | $10.00 |
| Claude Sonnet 4 | 200K | 128K | $3.00 | $15.00 |
| Claude Haiku 3.5 | 200K | 8K | $0.80 | $4.00 |
没有长上下文加价意味着 Claude 是 300K 到 1M token 范围内性价比最高的选项之一。Prompt caching 命中价为基础价的 10%（Opus 4.8 缓存命中 $0.50/M，Sonnet 5 缓存命中 $0.20/M）。
Extended thinking 消耗的是输出 token 预算。一个用了 60K 思考 token 的请求，可见回复只剩 68K 的空间（总共 128K）。batch API 的 300K 输出上限为重度思考场景留了更多余量。
DeepSeek：1M 上下文、384K 输出、最低 token 单价
DeepSeek V4 的最大输出 token 数在所有量产 API 中排第一，达到 384K，搭配 1M 上下文窗口，没有长上下文加价。
DeepSeek V4 上下文规格
| 模型 | 上下文窗口 | 最大输出 | 输入（未命中缓存） | 输入（命中缓存） | 输出 |
|---|---|---|---|---|---|
| V4 Flash | 1M | 384K | $0.14 | $0.0028 | $0.28 |
| V4 Pro | 1M | 384K | $0.435 | $0.003625 | $0.87 |
缓存命中折扣达到 98%，是所有服务商中最激进的。如果请求前缀高度重复，V4 Flash 配合缓存的有效输入成本不到 $0.003/M token，无论上下文多长。
两款模型原生支持 OpenAI 和 Anthropic API 格式。V4 Flash 并发上限 2,500，V4 Pro 并发上限 500。
注意 DeepSeek 已宣布近期将大幅提价。当前定价可能无法持续。详见 DeepSeek API 完整指南。
DashScope（阿里百炼）：按上下文长度阶梯定价
DashScope 的特点是阶梯定价，单次请求的 token 总量越大，每百万 token 的单价越高。
千问 Max 系列上下文规格（北京区，人民币/百万 Token）
| 模型 | 上下文窗口 | 最大输出 | 输入 ≤32K | 输入 32K–128K | 输入 128K–1M | 输出 |
|---|---|---|---|---|---|---|
| Qwen3.8-Max | 1M | 128K | ¥12 | ¥12（统一价） | ¥12（统一价） | ¥36 |
| Qwen3.7-Max | 1M | 128K | ¥12（限时 ¥6） | ¥12（限时 ¥6） | ¥12（限时 ¥6） | ¥36（限时 ¥18） |
| Qwen3-Max | 256K | 128K | ¥2.5 | ¥4 | ¥7 | ¥10–¥28 |
Qwen3.8-Max 和 Qwen3.7-Max 已经改为 1M 范围内统一定价，比旧版 Qwen3-Max 的阶梯结构更简单。按当前限时折扣价计算，Qwen3.7-Max 的输入成本约 $0.83/M（¥6），输出约 $2.48/M（¥18），在长上下文场景下结合上下文缓存折扣，能与 DeepSeek V4 Pro 竞争。
旧版 Qwen3-Max 仍然使用阶梯定价，且阈值按整个请求的输入 token 总量判定，不分段累进。
Google Gemini：Pro 达到 2M 上下文，Flash 为 1M
Google 在 Gemini 3.5 Pro 上提供了全行业最大的量产上下文窗口，达到 2M token。
Gemini 上下文规格
| 模型 | 上下文窗口 | 最大输出 | 输入价 | 输出价 | 长上下文加价 |
|---|---|---|---|---|---|
| Gemini 3.5 Pro | 2M | 64K | 按量 | 按量 | 128K 以上加价 |
| Gemini 3.5 Flash | 1M | 64K | $1.50 | $9.00 | 128K 以上加价 |
| Gemini 3.6 Flash | 1M | 64K | — | — | — |
64K 最大输出在本次对比中是旗舰模型里最低的。如果需要在单次请求中生成长文档或详细分析，这个上限会比上下文窗口先成为瓶颈。
Kimi K3：1M 上下文、开源权重
Moonshot 的 Kimi K3 配备 1M 上下文窗口和 2.8 万亿参数。模型权重在 2026 年 7 月 27 日公开。
Kimi K3 上下文规格
| 模型 | 上下文窗口 | 最大输出 | 输入价 | 输出价 |
|---|---|---|---|---|
| K3 | 1M（1,048,576） | — | $0.35 | $2.00 |
| K3（思考 token） | 1M | — | — | $1.40 |
K3 支持推理强度控制（目前只有 max 可用）。思考 token 按折扣后的输出价计费。该模型也作为第三方模型托管在 DashScope 上。
详见 Kimi K3 API 接入指南。
SiliconFlow：托管开源模型
SiliconFlow 托管 200+ 开源模型，提供 OpenAI 兼容 API。上下文窗口取决于底层模型本身。
| 托管模型 | 上下文窗口 | 最大输出 | 价格（输入/输出，每百万 Token） |
|---|---|---|---|
| DeepSeek V4 Flash（托管） | 最高 1M | 按模型 | 有免费额度 |
| Qwen3 系列（托管） | 32K–128K | 按模型 | 不等 |
| 其他开源模型 | 4K–128K | 按模型 | 部分模型免费 |
SiliconFlow 不额外收取长上下文费用。免费模型有限流，高吞吐场景下可能不够用。详见 SiliconFlow 免费模型路由指南。
决策树：按上下文需求选择服务商
- 需要超过 1M 的上下文？ → Google Gemini 3.5 Pro（2M）是唯一选项。
- 需要超过 128K 的输出 token？ → DeepSeek V4（384K 最大输出）是唯一选项。
- 平均请求不超过 272K token？ → OpenAI GPT-5.6 Luna（$0.20/$1.20）或 DeepSeek V4 Flash（$0.14/$0.28）成本最低。
- 经常发送 300K 到 1M token 的请求？ → Anthropic（不加价）或 DeepSeek（不加价 + 最低基础价）比 OpenAI（272K 以上 2 倍加价）划算得多。
- 需要中国区部署？ → DashScope Qwen3.7-Max 或 Qwen3.8-Max（1M 上下文，人民币计费，北京/新加坡区域）。
- 需要免费额度用于原型开发？ → SiliconFlow（部分模型免费）或 DashScope（新账号有免费配额）。
长上下文场景的实际花费
下表展示了 500K 输入 + 10K 输出的单次请求在各服务商的实际费用，含缓存和不含缓存两种情况。
| 服务商 | 模型 | 500K 输入 + 10K 输出（无缓存） | 80% 缓存命中 |
|---|---|---|---|
| OpenAI | GPT-5.6 Sol | $5.45（长上下文费率） | $1.35 |
| OpenAI | GPT-5.6 Luna | $0.21 | $0.05 |
| Anthropic | Claude Opus 4.8 | $2.75 | $0.50 |
| Anthropic | Claude Sonnet 5 | $1.10 | $0.22 |
| DeepSeek | V4 Flash | $0.073 | $0.004 |
| DeepSeek | V4 Pro | $0.226 | $0.012 |
| DashScope | Qwen3.7-Max（限时价） | ≈$0.47 | ≈$0.10 |
| Gemini 3.5 Flash | ≈$0.84 | — |
DeepSeek V4 Flash 配合缓存，在同等长上下文场景下比 OpenAI GPT-5.6 Sol 便宜约 1,300 倍。即便不用缓存，差距也有 75 倍。这是多服务商路由中影响成本最大的单一变量。
标称数字之外的实际限制
有效窗口 vs. 标称窗口。 有些服务商在产品侧实际暴露的窗口比 API 标称的小。例如 OpenAI 的 Codex 产品被报告只暴露了 GPT-5.6 的约 258K token，远低于 1.05M 的标称值。API 端点和产品界面的表现可能不同。
长上下文的吞吐量。 填满 1M token 的上下文窗口需要时间来传输和处理。所有服务商的首 token 延迟（TTFT）和每秒 token 数（TPS）都会随上下文长度增加而下降。DeepSeek V4 的 CSA/HCA 注意力机制专门针对长上下文效率做了优化，号称比 V3.2 减少 90% 的 KV cache。
token 计数差异。 各服务商使用不同的 tokenizer。同一篇文档在 OpenAI（tiktoken）、Anthropic（Claude tokenizer）和 DeepSeek（自定义 tokenizer）上会产生不同的 token 数。一家的 1M token 窗口装进去的文本量和另一家的 1M 并不完全一样。
截断行为。 各服务商对超出窗口的请求处理方式不同。有的静默截断输入（丢弃最旧的消息），有的直接返回错误，还有的虽然截断但会在响应元数据里带上警告信息。上线前务必用超长输入测试一下你所用服务商的实际表现。
TheRouter 与基于上下文长度的路由
TheRouter 等 OpenAI 兼容的路由网关可以检测请求的估计输入长度，做出路由决策。
- 短请求（32K 以内）路由到最便宜的模型（DeepSeek V4 Flash、GPT-5.6 Luna 或 SiliconFlow 免费模型）
- 中等请求（32K 到 272K）仍在 OpenAI 短上下文费率范围内，按质量/成本偏好路由
- 长请求（272K 以上）避开 OpenAI 以规避 2 倍加价，路由到 DeepSeek V4 或 Anthropic Claude
- 超长请求（1M 以上）只有 Google Gemini 3.5 Pro 支持
这种按上下文长度感知的路由，是多服务商架构下回报率最高的优化手段之一。详见 LLM API 成本优化路由策略 和 Model Fallback 路由。
常见问题
哪家服务商的长上下文性价比最高？
DeepSeek V4 Flash 遥遥领先。$0.14/M 输入和 $0.28/M 输出，没有长上下文加价，缓存命中折扣 98%。在任何 1M 以内的上下文长度上，它都是最便宜的选择。代价是 DeepSeek 已经宣布即将提价。
开启 extended thinking / reasoning 模式后，能用完整个上下文窗口吗？
思考 token 消耗的是输出预算，不影响上下文窗口。Claude 用 60K 思考 token 后，可见回复只剩 68K（总共 128K）。DeepSeek V4 的 384K 最大输出为思考 + 回复留了充足空间。OpenAI o3/o4-mini 的推理 token 独立于上下文窗口，但影响费用。
最大输出和上下文窗口成正比吗？
不成正比。Google Gemini 上下文最大（2M）但最大输出最小（64K）。DeepSeek 最大输出最高（384K）但上下文 1M。各服务商之间没有统一的比例关系。
有没有"无限"上下文的模型？
截至 2026 年 8 月，没有量产 API 提供无限上下文。2M token（Gemini 3.5 Pro）是当前上限。一些研究原型和本地推理方案声称支持更大窗口，但没有公开可用的 API 端点能稳定提供。
发送请求前怎么估算 token 数？
使用服务商的 tokenizer 库。OpenAI 开源了 tiktoken。Anthropic 提供 token 计数 API。粗略换算规则是 1 token ≈ 4 个英文字符或 ≈ 1.5 个中文字符，但实际数量因 tokenizer 而异。