80万Token的长文档解析照妖镜

我编了一份 80 万 token 的长文档，然后拉来八款免费大模型应用做测试。800K 已经超过了 Kimi 256k的上下文，也逼近了 Qwen、DeepSeek、GLM这些百万级上下文模型的极限。到了这个长度，各家在长文本解析上是骡子是马就藏不住了。

结论：处理长文档，一共四大门派——检索派（切块建索引，用一次捞一次）、沙箱派（把文件丢给代码去查）、老实截断派（读多少认多少）、截断上网派（读了个开头，剩下靠搜）——外加一个滑头（只读头尾，中间靠猜）。

测试时间 2026 年 7 月 4 日

八款应用均为网页版免费档
可见的模型版本：Kimi K2.6 Instant、Qwen3.7-Plus、GLM-5.2、MiniMax-M3
文中 token 数按 OpenAI cl100k 分词器计（各家分词器略有出入，Qwen会把同一份文档计成约 96 万）
测试文档是模板拼接的合成文档——这其实利好检索派，真实文档只会更难
文中星标 = 「读得全不全」×「读不全时老不老实」的综合分
测试文档与全部题目可提供复现

省流版

🏆 全场唯一零失误

agent.minimax.io ★★★★★：把文件写进沙箱硬盘，每轮重新读——听着笨，但 18.5 万、80 万、110 万 token 三轮，一题没错过。

🏆 检索派双雄——不硬读，靠"检索 + 召回"

chat.qwen.ai（海外版）★★★★½：检索 + 自我核对，肉眼可见地把答案改对。

deepseek.com ★★★★½：检索 + 全程透明，思路全打印；错也错得明明白白。
两位都偶有失手（各一次），但 QA 各有各的兜法，难分伯仲。

🧰 聪明机智，但有天花板的 Agent

kimi.com ★★★½：把文件读进沙箱内存，追问秒回；但 110 万 token 就卡了很久。

🙂 老实巴交的 Chatbot

chatglm.cn ★★★：上传时就提醒「可上传 20 万字」，读完再报告「仅阅读了前 26.78%」——全场实诚的AI。

🗑️ 瞎搞，别浪费时间

chatgpt.com（免费版）★½：只读头尾、中间靠猜的大滑头。
doubao.com ★：能力不行还总想走捷径，问啥都想上网找答案。
qianwen.com（国内版）½：免责声明先行，答不上来就……给你编一个（见文末番外）。

测试过程说明

我编了一份80万token的虚构临床试验总结报告。报告里，我在不同深度（开头、四分之一处、正中间、临近结尾、最末尾）埋了一批独一无二、绝对猜不出来的数字：某个研究站点每天的给药剂量、入组了多少人、某张表里第 12 周的血药浓度……

然后把这份文档、同一批问题丢给八款应用。考两件事：它到底把文档读进去了多少；读不到的时候，它老不老实。

下面这张表解释了每道题在考什么，以及如果在工作里真拿它处理文档，答错了会怎样。

好，正式开始点评。

📊 八款应用 · 800K token 主赛成绩单

110 万 token 加时赛（只有四位晋级）：

MiniMax 照旧全对
chat.qwen.ai 靠自我核对把答案改对
DeepSeek 第一把有遗漏，重跑一把全对（连章节号都列了出来）
Kimi 反复「重新读取完整文档」，卡了近十五分钟没憋出答案

下面按门派逐一过堂，派内从弱到强。

第一派 · 截断上网派

此派还有一位——国内千问。但它值得单独开一章，见文末。

豆包（doubao.com）★：「只要我不说，你就不会发现我没读全吧」

它只字不提自己没读完文档，甚至不过脑子，直接开联网查询——我明明是在追问这份上传的文档，它上来就去搜全网。像极了我刚学编程时，不管老师布置什么作业，先上网看有没有现成答案能「借鉴」。能力不行是一回事，连"先看看手上这份文档"的职业操守都没有，拖出去。

（公平起见：它在文末番外里有一次值得表扬的表现。）

自成一派 · 滑头派

ChatGPT 免费版 ★½——「别管我对不对，你就说我看起来忙不忙吧」

它有时会老实承认"对话中仅包含该文档的截断内容，无法可靠回答"——这点值得表扬。但同一份文档，它开头 5%、结尾 99% 的内容都能答上来，偏偏中间那几段（约 30%–75% 深度）死活答不出：它读的是"头和尾"，丢的是"中间"。更离谱的是它偶尔会抽风——莫名其妙调起代码工具，import 一通再打印个 "hi"，不知道在忙什么。

对一个文档助手来说，"不可预测"比"稳定地只读一半"更糟：你永远不知道这一轮它到底读到没读到。（就算我订阅过期了，也值得一个透明的披露吧，摔）

第二派 · 老实截断派

智谱清言 ★★★——「我都跟你说了我读不完，你还非让我答」

从"瞎搞"过渡到"老实"。它是全场唯一一个在上传入口就把话说死的：拖文件进去时明明白白写着「可上传 20 万字」——别家只提示文件大小，只有它提前告诉你内容长度的上限。读完之后它还会精确复盘："超出字数限制，仅阅读了前 26.78%。"不但承认没读完，还给出确切百分比。

第三派 · 检索派

这两位检索派，是全场最淡定、也是一开始最让我看不透的。它们全程没有沙箱、没有可见代码、也没有"读文件"的动作。80 万 token 时，两位老师傅从容得不像话，速度还快——我根本判断不出它们到底是把文档读进了上下文，还是走了检索。直到 110 万 token，它们才露了底：不是读完了，是在检索。

DeepSeek ★★★★½ ——「我给你完整证据，错了你也知道我错在哪」

DeepSeek 在思考过程里写得明明白白："扫描文档、搜索'累计入组受试者'……"这不是在读文件，是把文档切块、建索引，每个问题只去索引里捞相关的几段——也就是 RAG（检索增强）。它之所以淡定，正是因为它从不真的去读那 110 万 token，每次只处理捞回来的一小撮。

80 万这一轮，它全对，汇总一次到位。110 万那一轮，它第一把只找回 7 个站点，总数报成 819——漏掉的两个站点，位置一前一中，偏偏不是结尾。漏中间、留首尾的这种非连续缺口，是"检索召回不全"的印记，不是截断的（截断丢的该是结尾）。我又重跑了一把：9 个站点全数找回，连各自所在的章节号都列了出来，1002，分毫不差。

所以它的问题不是"读不到"，是单次检索偶尔捞不全——而它把思考全程打印出来，就算漏了，你也能一眼看出漏在哪儿。错得透明，比错得理直气壮，强太多了。

chat.qwen.ai（海外版）★★★★½ ——「我反复核验之后再告诉你」

同样是检索派，qwen.ai 的招牌是自我核验。

它的侧边栏写得清清楚楚——"检索并整合……知识库……核对并确认"。110 万那一轮，你能亲眼看着它把同一个答案从 128 改到 900、再改到 1002：第一遍检索漏了，它自己发现不对，回去补齐，最后收敛到正确答案。它也不是不漏——80 万那一轮，它就漏掉了一个 87 人的站点——但多走一步验证，把大部分漏网之鱼捞了回来。

所以这两位检索派，与其说谁更强，不如说单次检索都会有波动，QA 的兜法不同：qwen.ai 靠肉眼可见的自我核对，DeepSeek 靠全程透明、错了能定位。

第四派 · 沙箱派

沙箱派的原理：模型从头到尾没有"读"这份文档——文档待在沙箱里，模型写代码去查，进入模型上下文的只有查回来的那几行。所以文档再大，也不会撑爆模型的上下文；会被撑爆的，是沙箱自己。

这一派同时出了全场最大的翻车现场，和唯一的满分。

Kimi ★★★½ ——「我可以，直到我不可以」

Kimi 的上下文只有 256k。文档 180k token 时，它淡定地一口气读进上下文——但注意，窗口本该装得下，它却还是漏了结尾，而且对答案不做二次核对，自信到压根没发现自己没读全。

到 80 万、110 万 token，它知道自己吃不下了，果断拉起沙箱，把文档当成一个数据分析项目来做，还把全文一股脑读进沙箱实例的内存，所以后面每一轮追问都是毫秒级响应。

Kimi 的天花板就卡在这：110 万 token 时，"全文读进内存"这招转不动了，它反复念叨"让我重新读取完整文档"，卡了近十五分钟也没给出答案。快，因为全在内存里；卡，也因为想把太大的东西全塞进内存。

MiniMax（agent.minimax.io）★★★★★ ——「保险起见，我还是放大招吧」

MiniMax是全场唯一一个三轮零失误的选手。

从 185k token 那一轮起，它就没打算硬读：直接读 Docx 被系统禁止后，它调起 Docx Skill，把文件存进临时目录、每一轮都从磁盘重新读一遍。听起来"笨"——每次都重读——可正是这个笨办法，让它从 18.5 万、80 万一路扛到 110 万 token：文档待在硬盘上，模型只管派代码去查，永远不会被文档大小压垮。三轮所有问题一个不差。

同样是沙箱派，MiniMax 和 Kimi 的差别，在于它主动接受自己的能力边界：Kimi 想把全文塞进内存换速度，MiniMax 每次老老实实回硬盘查。Kimi 是"聪明但有上限"，MiniMax 是"看着笨却能一直扛"。