一句话结论:标称「1M 上下文」至少要拆成三层看——API 硬顶、客户端 model catalog、工具回灌/字符门。 长任务报「上下文超限」,先分清是哪一层在拦你,再决定改 catalog、拆任务,还是别把某模型硬塞成 Agent 底座。

为什么「写着 1M」还会爆

DeepSeek 官方定价页写明 deepseek-flash / deepseek-v4-pro 的 CONTEXT LENGTH 为 1M。这是模型服务侧的标称。

但日常你几乎不「裸调 API」写代码,而是走 Codex、Claude Code、各类 OpenAI 兼容网关。中间每一层都可以再砍一刀:

  1. API 硬顶:input_tokens + max_tokens ≤ 窗口;窗口常是 (2^{20}=1{,}048{,}576),不是广告语里的「大概一百万」。
  2. 客户端 catalog:Codex 等会从模型目录读 context_window / effective_context_window_percent;只改 model_context_window 顶层字段,经常不生效,界面仍显示 200K 级。
  3. 工具回灌门:Bash 输出截断、客户端按字符估 token、子 Agent 摘要策略——这些会在远低于 1M 时先把你卡住。

公开讨论里也有人在 Codex 里跑 DeepSeek Flash 时遇到上下文相关失败;这更像「客户端可用窗口 / 协议路径」问题,不能直接等同于「官方 API 虚标」。架构上更稳的接法,见《DeepSeek 别硬塞成底座,用 Claude Desktop + MCP 收口》。

层 1:对着裸 API 做梯子测试

前置:任意 OpenAI 兼容端点(DeepSeek 官方、One API / New API / LiteLLM / 自建网关均可)。

export OPENAI_BASE_URL="https://api.deepseek.com"   # 或 <YOUR_GATEWAY>/v1
export OPENAI_API_KEY="<YOUR_API_KEY>"
export MODEL="deepseek-flash"

最小探针(Python 3,需 openai 包):

import os, time
from openai import OpenAI

client = OpenAI(
    base_url=os.environ["OPENAI_BASE_URL"],
    api_key=os.environ["OPENAI_API_KEY"],
)
model = os.environ.get("MODEL", "deepseek-flash")

def probe(n_chars: int, max_tokens: int = 16):
    # 粗测:字符≠token,但足够画趋势;精确值用 tokenizer / 服务端 usage
    needle = "NEEDLE_42"
    body = needle + ("x" * max(0, n_chars - len(needle)))
    t0 = time.time()
    try:
        r = client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": f"只回复文首标记:\n{body}"}],
            max_tokens=max_tokens,
        )
        text = r.choices[0].message.content or ""
        return {"ok": True, "sec": round(time.time()-t0,2), "hit": needle in text, "usage": getattr(r, "usage", None)}
    except Exception as e:
        return {"ok": False, "sec": round(time.time()-t0,2), "err": f"{type(e).__name__}: {e}"}

for n in [50_000, 200_000, 400_000, 800_000, 1_000_000]:
    print(n, probe(n))

怎么读结果:

  • 某一档开始稳定 400 / context length → 更接近 API 硬顶
  • 同一输入,只把 max_tokens 从 1k 提到 8k 就失败 → 硬顶是 input+output 合计
  • 裸 API 能到接近 1M,但 Codex 里几十万就爆 → 问题在 层 2/3

层 2:把客户端 catalog 对齐

Codex 一类客户端通常从 model catalog JSON 读窗口,而不是只看宣传文案。通用模板:

{
  "models": [
    {
      "slug": "deepseek-flash",
      "display_name": "DeepSeek Flash (custom)",
      "context_window": 1048576,
      "max_context_window": 1048576,
      "effective_context_window_percent": 95,
      "supported_in_api": true,
      "input_modalities": ["text"]
    }
  ]
}

~/.codex/config.toml 示意:

model = "deepseek-flash"
model_provider = "custom"
# 必须是客户端能读到的绝对路径;Windows 用双引号并转义反斜杠
model_catalog_json = "/Users/<you>/.codex/model-catalogs/deepseek.json"
# 下面两项不能代替 catalog;最多当辅助
model_auto_compact_token_limit = 900000

自检:

  1. 重启客户端后,UI / task_started 里的 context 是否接近 1048576 * 95% ≈ 996k;
  2. 若仍卡在 ~258k,多半还在用内置默认 catalog——检查路径、引号、是否加载到了别的配置文件;
  3. 网关模型名与 slug 必须一致,否则会回落默认窗口。

长会话若再撞 compact / stored response,优先看《Codex Failed to run pre-sampling compact》:那是协议能力问题,不是把数字改大就能好。

层 3:工具回灌与「假 1M」体感

即使 catalog 显示百万级,Agent 仍可能很早翻车:

门典型表现处理
工具输出截断大日志只回灌前 N 字符先本地 rg/jq 提炼,再喂模型
客户端字符门尚未打到 API 就拒收拆会话;摘要进文件;见 MCP digest 模式
子 Agent / 状态行反复整段回读贵且慢用短笔记刷新(Claude Code 已对状态行做过降本)
多工具并行上下文被工具结果挤爆限制并行;大结果落盘

决策表

你看到的现象先查哪层
裸 curl/SDK 已 400 context层 1 API
裸 API 很大,客户端 UI 仍 200k 级层 2 catalog
UI 显示很大,一跑 Bash/读大文件就糊层 3 回灌门
compact / unsupported_input_item协议/网关,不是窗口数字

实操建议(可直接照抄)

  1. 省钱产能:DeepSeek 走 Chat Completions / MCP 外挂,别硬当 Codex/Claude Code 底座。
  2. 长仓库任务:底座用原生线路;需要大窗口时先做层 1+2 验证。
  3. 记录三列数:brochure / client_reported / first_fail_input_tokens,以后换模型先填这三列。
  4. 公式:可用 ≈ min(API硬顶 - max_tokens, catalog有效窗口, 工具回灌后剩余)。

写在最后

「1M」是服务商的天花板宣传,不是你今天这条 Agent 链路的保证书。用三层口径测一遍,比在评论区骂虚标更省时间。


口径:CONTEXT LENGTH 引 DeepSeek 官方定价页(2026-11-06);梯子脚本为通用模板,字符近似 token,精确值以服务端 usage 为准;Codex catalog 字段名以你本机客户端文档为准,不同版本可能略有差异。