这三个词经常同时出现，但指向完全不同的东西。

  • Token：模型处理文本的最小单位。中文一个汉字通常对应 1～2 个 Token，英文一个单词约 1～2 个 Token。计费、长度限制都以 Token 为单位
  • 上下文窗口（Context Window）：模型一次能「看到」的输入+输出总长度。例如 128K 上下文大约相当于 8～10 万字中文。超过上限的部分会被截断
  • 参数量（Parameters）：模型内部可学习的权重数量，如 7B = 70 亿参数。参数量大通常代表能力更强，但也意味着推理更慢、部署成本更高

它们的关系

  • 参数量决定「模型有多强」，上下文窗口决定「一次能读多长」，Token 是两者通用的计量单位
  • 长上下文不等于长记忆：模型并不会把之前的对话永久记住，每次调用都是「重新读一遍」
  • 上下文窗口越长，价格通常越高；日常使用应把关键信息放在提示词前部，避免被截断

选型建议：文档分析类任务优先看上下文窗口，简单问答和写作优先考虑性价比，本地部署则要先算清楚显存能否装下对应参数量的模型。