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:
- 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」。 - 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。 - 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:
- 重启客户端后,UI /
task_started里的 context 是否接近1048576 * 95% ≈ 996k; - 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;
- 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)
- 省钱产能:DeepSeek 走 Chat Completions / MCP 外挂,别硬当 Codex/Claude Code 底座。
- 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。
- 记录三列数:
brochure/client_reported/first_fail_input_tokens,以后换模型先填这三列。 - 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。
COMMENTS
读者评论