上下文最大的那些模型：谁到得了 100 万，用起来要多少钱

稀缺的不是那 100 万 token

目录里 31 个条目，有 15 个能装 100 万 token 或更多：Claude 占 9 个，Gemini 占 5 个，剩下一个 stable-gpt-6-astra 是 105 万，也是这里最大的窗口。所以按上下文大小排序，其实筛不掉多少东西。

往下一档才是真的落差：grok-4.6 和 grok-4.5 是 50 万，gpt-5.6 三兄弟 37.2 万，gpt-5.5 / gpt-5.4 / gpt-5.4-mini 是 27.2 万，claude-sonnet-4-6、stable-claude-sonnet-4-6、stable-claude-haiku-4-5 和 grok-composer-2.5-fast 都是 20 万。所以问题很少是"上哪儿找 100 万"，而是这 15 个里你愿意为哪个付钱。

而这一组内部的价差大得离谱：gemini-3-flash 输入每百万 0.050 美元，stable-claude-fable-5-1 和 stable-claude-fable-5 是 4.00 美元——同样标着 100 万上下文，价格差了 80 倍。

输出上限把这批模型劈成两半

15 个里有 10 个的单次输出上限是 12.8 万 token：claude-opus-5、claude-opus-4-8、claude-opus-4-6、claude-sonnet-5 和它们各自的 stable-* 版本、两个 Fable 专用通道，以及 stable-gpt-6-astra。五个 Gemini id 则是 65,536（gemini-3.1-pro-low 是 65,535）。

这件事比看上去重要。"输入窗口很大、输出上限不高"对摘要、检索、分析类任务是完全自洽的设计——读得多，说得少。但要在一次响应里生成一份长文档或一个大 diff，它就不合适了：输入那头再宽裕，也照样撞输出的天花板。

所以第一刀不是切价格，是切你的活儿偏读还是偏写。偏读的可以直接用这份清单里便宜的那一半；偏写、而且单次要超过 65,536 token 的，就只剩下能到 12.8 万的那 10 个 id 可选。

把窗口填满要花多少钱

拿一次 90 万输入 token 的请求，乘上各自的有效输入单价：gemini-3-flash 是 0.045 美元，gemini-3.7-flash-high 和 gemini-3.6-flash-high 是 0.0675，gemini-3.8-flash 是 0.135，gemini-3.1-pro-low 是 0.18，claude-sonnet-5 是 0.27，claude-opus-5 是 0.45，stable-claude-opus-5 和 stable-gpt-6-astra 都是 1.80，两条 Fable 专用通道是 3.60。

这还只是一次。同一段前缀如果在一轮对话里反复出现，就得每轮重付一遍——大窗口从"能力"变成"固定支出"，就是在这个地方。目录里这些模型的缓存读取是与新输入分开计价的，所以只有当前缀真的稳定不变时，这段重复才不必按全价输入重算。

真正的坑是把窗口当默认值而不是预算。100 万 token 的模型没有任何地方要求你必须发满 100 万，而且单价是按 token 走的：在这一组里最贵的 stable-claude-fable-5-1 上发 2 万 token，只要 0.08 美元，比 claude-sonnet-5 上一次 90 万 token 请求的 0.27 美元还低。

# gemini-3-flash: 1,000,000 ctx, 65,536 max output, $0.050 / M input
curl -sS https://token-share.app/v1/chat/completions \
  -H "Authorization: Bearer $TOKEN_SHARE_KEY" \
  -H "content-type: application/json" \
  -d '{
    "model": "gemini-3-flash",
    "messages": [{"role": "user", "content": "Summarise the attached design doc in ten bullet points."}]
  }' | jq '.usage'

# claude-sonnet-5: 1,000,000 ctx, 128,000 max output, $0.30 / M input
curl -sS https://token-share.app/v1/messages \
  -H "x-api-key: $TOKEN_SHARE_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-5",
    "max_tokens": 4096,
    "messages": [{"role": "user", "content": "Summarise the attached design doc in ten bullet points."}]
  }' | jq '.usage'

在这一组里怎么挑

起作用的是三栏，而且有先后：先看输出上限，65,536 还是 12.8 万——这是硬约束，直接排除一批，所以放第一位。再看路由，Gemini 系在 /v1/chat/completions，所有 Claude id 和 stable-gpt-6-astra 在 /v1/messages，这决定了换模型要改多少代码。最后才在剩下的候选里比价格。

通道是第四个考虑，而且和前三个互不相干。claude-opus-5 输入 0.50 美元、stable-claude-opus-5 输入 2.00 美元，权重相同，窗口都是 100 万 token；区别在于 stable-* 是我们自己 key 承载的专用通道，不参与池内 failover。这是路由层面的取舍，不是能力层面的。

这几栏都答不了的问题是：模型到底会不会用长上下文。窗口是"能收多少 token"的容量，不是"第 70 万个 token 上的内容会被怎么处理"的承诺。如果你的活儿吃这一点，唯一的检验办法是照你实际的规模搭一个 prompt，看答案有没有真的照顾到全部输入——在 Flash 价位的 id 上试很便宜，定下来之前值得先试。

常见问题