一般情况下模型中 token 和字数的换算比例大致如下：
- 1 个英文字符 ≈ 0.3 个 token，1 个token大约为 4 个英文字符或 0.75 个英文文本单词。
- 1 个中文字符 ≈ 0.6 个 token。
为了让token长度有所感知，下面是一些知名图书和剧本的情况：
- 《哈利波特与魔法石》全文约 8W 英文单词 ，大致12K token
- 《老人与海》(The Old Man and the Sea) by Ernest Hemingway: 这本小说的英文版大约有 27,000 个单词。token长度大约在 4W tokens 左右。
- 莎士比亚的《哈姆雷特》(Hamlet): 英文剧本大约有 3W 个单词。token长度大约在 4W tokens 左右。
过去几年最初LLM的上下文token只是8K左右，年初主流在用的已经64K了，现在出来128K的都不好意思说，最近出来的1M的也不少，Llama更是达到10M了。
DeepSeek
https://api-docs.deepseek.com/zh-cn/quick_start/pricing
| 模型 | deepseek-chat | deepseek-reasoner |
|---|---|---|
| 上下文长度 | 64K | 64K |
| 最大思维链长度 | - | 32K |
| 最大输出长度 | 8K | 8K |
deepseek-chat模型对应 DeepSeek-V3；deepseek-reasoner模型对应 DeepSeek-R1。- 思维链为
deepseek-reasoner模型在给出正式回答之前的思考过程 - 如未指定
max_tokens，默认最大输出长度为 4K。
阿里的 Qwen 系列
相关文档
https://qwen.readthedocs.io/zh-cn/latest/
我们以阿里云提供的为准：
https://bailian.console.aliyun.com/?tab=doc#/list/?type=model&url=%2Fzh%2Fmodel-studio%2Fmodels
Qwen2.5
https://github.com/QwenLM/Qwen2.5
上下文长度最多支持 128K 个 token，最多可生成 8K 个 token。
https://huggingface.co/collections/Qwen/qwen25-66e81a666513e518adb90d9e
DeepSeek-R1-Distill-Qwen-32B 这样的模型的Base Model是 Qwen2.5-32B， 上下文长度也一样。
https://huggingface.co/deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
QwQ
基于 Qwen2.5 模型训练的 QwQ 推理模型。
https://huggingface.co/collections/Qwen/qwq-674762b79b75eac01735070a
上下文长度：128K
最大输入： 96K
最大思维链长度： 32K
最大回复长度： 8K
QVQ-Max
视觉推理模型，支持视觉输入及思维链输出
https://huggingface.co/Qwen/QVQ-72B-Preview
上下文长度：120K
最大输入： 96K 单图最大16384
最大思维链长度： 16K
最大回复长度： 8K
谷歌的 Gemma 和 Gemini
https://ai.google.dev/gemini-api/docs/long-context?hl=zh-cn
Gemini 2.5 Pro
2025 年 3 月 更新
输入令牌限制: 1M
输出令牌限制: 64K
Gemini 2.0 Flash
2025 年 2 月 更新
输入令牌限制: 1M
输出令牌限制: 8K
Gemma 3
https://huggingface.co/models?search=google/gemma
输入令牌限制: 4B、12B 和 27B 大小的总输入上下文为 128K 个 token，1B 大小的总输入上下文为 32K 个 token
输出令牌限制: 8K
https://ai.google.dev/gemma/docs/core/model_card_3
Llama
https://www.llama.com/docs/model-cards-and-prompt-formats/llama4_omni/
- Llama 4 Scout：共有1090亿参数，17B活跃参数，16个专家，1000万Token上下文窗口（约2000万字文本或20小时视频）
- Llama 4 Maverick：共有4000亿参数，17B活跃参数，128个专家，100万上下文
马斯克的 Grok 3
https://grok.cadn.net.cn/docs_cn/models.html
Grok 3 的上下文长度支持 100 万 token， 输出16K。
OpenAI 系列
gpt-4.5-preview、gpt-4o
https://platform.openai.com/docs/models/
输入上下文长度: 128K
最大输出： 16K
o3-mini
https://platform.openai.com/docs/models/o3-mini
输入上下文长度: 20W
最大输出： 10W
Anthropic 的 Claude 3.7 Sonnet
https://www.anthropic.com/claude/sonnet
输入上下文长度: 200K
最大输出长度: 在扩展思考模式下可达128K
总结与展望
当前LLM上下文长度的发展现状
近年来，大型语言模型（LLM）的上下文长度（context length）经历了显著增长：从最初的8K token，到年初主流的64K，再到如今128K已成为标配，部分模型甚至突破1M（如Llama 4 Scout的10M、Grok 3的1M）。
输入长度：主流模型（如DeepSeek-V3、Qwen2.5、Gemini 2.5 Pro）普遍支持64K–128K，部分（如Claude 3.7 Sonnet、Llama）达到百万级。
输出长度：多数限制在8K–16K，但谷歌Gemini 2.5 Pro支持64K输出，OpenAI的o3-mini甚至允许10W token输出。
后续趋势展望
LLM的上下文长度竞赛将持续升温，但技术重点可能从“单纯扩展数字”转向“高效利用长上下文”，同时结合多模态、推理能力，推动AI在复杂任务中的实用化落地。
- 百万级（1M+）上下文可能从“突破性”变为“标配”，尤其面向企业级长文档处理、视频分析等场景。
- 当前输出长度（8K–16K）可能难以满足复杂任务（如长篇报告生成），未来或向64K–100K演进
- 视觉模型、推理模型的发展必然会导致LLM增大上下文。
- 超长上下文的计算成本仍是瓶颈，LLM厂商可能会优化计费策略，到时候垂直行业（法律、医疗）的长文本分析或成为主要应用场景。
浙公网安备 33010602011771号