Gemini 上下文窗口 — AI 能记住多少内容
什么是上下文窗口
上下文窗口（Context Window）是指 AI 模型在一次对话 / 一次 API 调用中能「看到」的最大文本量。这个窗口里包含：
- 你之前的对话历史
- 你上传的文件内容
- 你当前的提问
- 模型给你的回答
超过窗口的内容，模型就「看不见」了。
Gemini 各模型的窗口大小
| 模型 | 上下文窗口（输入 token） | 大致换算 |
|---|---|---|
| Gemini 3 Flash | 100 万 | 约 75 万中文字 |
| Gemini 3 Pro | 100 万 | 约 75 万中文字 |
| Gemini 3.5 Flash | 100 万 | 约 75 万中文字 |
| Gemini Omni | 50 万 | 约 37 万中文字 |
| 早期版本（2.5 Pro） | 100 万 | 同上 |
一个 A4 页面（约 1000 字中文）≈ 1350 token。100 万 token ≈ 750 页 A4 纸，差不多是一整套《红楼梦》上下卷。
实际使用中怎么感知
上传超长文件
Gemini 支持上传单个 PDF 最长约 1000 页（取决于订阅方案和具体模型）。你上传一本 500 页的技术手册，Gemini 能完整读完并回答细节问题。
长对话的记忆
在同一个聊天里连续聊几十轮（每轮一大段），早期 AI 会在第 10 轮左右就「忘记」前面的内容。Gemini 在百万窗口内能保持完整上下文。
但要注意：窗口是固定长度的环形缓冲区——如果对话 + 文件 + 回答加起来超过 100 万 token，最早的内容会被自动挤出。你不会收到「超出上限」的错误提示，只是模型会逐渐忘记早期内容。
Deep Research 的长程追踪
Deep Research 要同时追踪多个搜索结果和自己的中间结论——这就需要大上下文来维持这些关联。Gemini 的百万窗口让它能同时管理几十个来源文档和自己的研究笔记。
Token 是什么
Token 是 AI 模型处理文本的基本单位。大致换算：
- 英文：1 个词 ≈ 1.3 token
- 中文：1 个汉字 ≈ 1.3~1.5 token
- 代码：1 个变量名 ≈ 1~3 token
- 图片：按分辨率算 token（1K 图 ≈ 258 token）
- 音频：按时长算 token（1 秒 ≈ 32 token）
你可以在许多在线工具里免费估算文本的 token 数。
实用建议
- 长文档提问时先拆——虽然 100 万 token 很宽，但针对单个文档的单个问题效果更好
- 重要上下文用 Notebooks 持久化——NotebookLM / Gemini Notebook 能长期存储你的参考资料，不依赖单次对话窗口
- 定期开新聊天——如果一个对话变得特别长，建议新开一个，把关键上下文提炼后重新喂进去
- 附件别堆太多——一次对话里上传 10 份长 PDF 会快速占满窗口，导致模型注意力分散
继续阅读：多模态理解