月之暗面的 Kimi 这次放了个大招：上下文从 20 万字直接干到 200 万字。发布会上演示了读完整部小说、分析几十份财报。我第一时间去实测了，说说真实体验，包括踩的坑——有 4 个。
插图来源：Storyset
先说结论：长是真长，但用法有讲究#
| 测试项 | 文档规模 | 结果 | 评价 |
|---|---|---|---|
| 小说全文问答 | 约 50 万字 | 情节细节 recall 准确 | 强 |
| 财报横向对比 | 10 份 PDF | 数据提取基本正确 | 中上 |
| 超长文档总结 | 约 150 万字 | 偶尔遗漏后半部分要点 | 中 |
| 代码仓库问答 | 中型项目 | 不如专业代码模型 | 弱 |
200 万字是"能装下"，不是"全记住"。实测下来，有效的高质量区间大概在前几十万字，越往后注意力越散。这是所有长上下文模型的通病，Kimi 也不例外。但即便如此，免费、国内直用，这个组合在 2024 年 3 月是无敌的。
踩坑记录：这 4 个地方要注意#
坑 1：排队。刚开放时 200 万字内测要排队，免费用户轮候时间很长。别急，20 万字版本日常已经够用，排队期间先用着。
坑 2：文件格式。PDF 扫描件、图片型文档识别率一般，先转成文字版（或用 OCR）再传，效果天差地别。我传了一份扫描版财报，Kimi 直接说"看不清"，转成文字版后秒答。
坑 3：一次性问太多。把 200 万字文档扔进去然后连问 10 个问题，后几个回答质量明显下降。正确姿势是分批问，每次聚焦 2-3 个问题，问完一批再开新话题。
坑 4：幻觉。长文档问答里 Kimi 偶尔会"脑补"原文没有的细节，关键数据务必让它给出原文出处再核对。我的方法是：重要结论都让它引用页码或原文片段。
和国外对手对比#
| 模型 | 上下文 | 获取难度 | 中文 |
|---|---|---|---|
| Kimi | 200 万字 | 国内直接用，免费 | 优化好 |
| Claude 3（200K） | 20 万 token | 需要国际网络 | 不错 |
| Gemini 1.5 Pro | 100 万 token | 预览阶段，需申请 | 一般 |
| GPT-4 Turbo | 12.8 万 token | 需订阅+网络 | 不错 |
Kimi 最大的优势不是参数，而是国内直接可用、免费、中文优化好。对普通用户来说，这三点比纸面数字重要得多。不用折腾网络、不用付费、不用等审核，打开网页就能用，这是降维打击。2024 年 3 月这个时间点，国产大模型第一次在"可用性"上赢了国外一手。
200 万字到底是什么量级#
可能有人对"200 万字"没概念，换算一下：
- 约等于 3-4 部《三体》三部曲的总字数
- 约等于 4000 页 A4 纸
- 一次性能读完一个中小型公司的全部制度文档
之前 Kimi 的 20 万字已经能处理单本书，200 万字直接干到了"图书馆"级别。虽然有效高质量区间没那么夸张，但上限摆在这，场景就打开了。
适合的使用场景#
- 论文党：几十篇文献一起扔进去，让它横向总结观点异同、找研究空白
- 打工人：超长会议纪要、项目文档、合同条款，一次问完，省出一下午
- 考证党：整本教材导入，按章节出题自测，错题让它讲解
- 写作者：长篇小说的人设、大纲、设定集统一管理，检查前后矛盾
需要稳定国际网络才能用的国外模型，地区和 IP 选择看这篇；还在纠结要不要开付费的，这篇 Plus 分析思路通用。长视频太多看不完的，AI 总结用法看这里。
工具再强，也要会用。最后送一句话：200 万字不是让你一次读完一本书，而是让你不用再纠结"要不要分段"。
一句话总结#
Kimi 的 200 万字是 2024 年国产大模型最高光的时刻之一。别被数字迷惑，掌握"分批问、要出处、转文字"的三板斧，它就是你今年最好用的免费生产力工具。至于排队——好东西值得等。
另外，Kimi 的 API 也同步开放了，开发者可以把 200 万字能力接进自己的应用。2024 年，长文本不再是大厂的专利，个人开发者也能玩。这才是 200 万字真正的意义：能力的平权。
最后提醒：200 万字是上限，不是日常。我的使用建议是：50 万字以内随便用，效果最好；50-100 万字分批问；100 万字以上，做好心理预期，别指望每个细节都精准。工具再强，也要会用。