500k 个 token，叠起来大约是一部 38 万字的技术白皮书。放在任何大模型身上，这都是一组令人瞩目的数字。
但 OpenAI 工程师 Thibault Sottiaux 在 10 月 12 日宣布的这则消息，真正的冲击点并不在于“能不能达到 500k”。GPT-6.1 Sol 的上下文天花板原本就是 1.05M。真正的冲击点在于，OpenAI 第一次将这个量级从“你可以手动调到”变成了“默认给你”。而且，不收额外费用。
在竞争对手已将 1M 上下文作为全线标配、部分模型甚至触及 2M 的今天，OpenAI 没有跟风拉高上限。它选择拉高水位线。这个看似低调的产品决策，正在改写企业级 AI 工作流的竞争规则。
从“手动才能拥有”到“默认你就享受”
2026 年 9 月 29 日，OpenAI 在 DevDay 上正式发布 GPT-6.1 Sol。作为 GPT-6 Sol 的升级版，这款模型被定位在旗舰 GPT-6 Astra 与轻量级 GPT-6 Luna 之间。不最强，但最实用。API 定价为 $2 输入、$0.10 缓存输入、$10 输出每百万 token，是 Astra 的五分之一。正是因为这个定价定位，Sol 很快就成为 OpenAI 生态中覆盖面最广的实用型模型，上线区域包括 ChatGPT Work 和 Codex 的 Plus、Pro、Business、Enterprise、Edu 全线用户。
上线之初，GPT-6.1 Sol 在 Codex 与 Work 中的默认上下文值为 272k token。这个数字并非随意划定。它是 OpenAI API 定价体系中“短上下文”的上限：任何超过 272k input token 的请求，整段都会被触发长上下文费率，按输入 2 倍、输出 1.5 倍重新计费。
这就是开发者圈中常说的“272k 悬崖”。模型页面上写着“1.05M 上下文窗口”，但当你真正往里面塞进一个完整项目，账单会突然翻倍。
不到两周后的 10 月 12 日，Sottiaux 的公告将这个默认值从 272k 拉升到 500k，增幅 83.8%。OpenAI 在公告中明确表示，此次扩容“经过充分测试，是体验与性能的平衡点”，旨在减少上下文压缩频次，更稳定地支撑长程、高细节任务。用户仍可手动将上下文推向 1.05M 的天花板，但 OpenAI 的判断是：绝大多数用户不再需要这么做了。500k 已经覆盖了日常工作中 95% 以上的场景。
500k token 能做什么？一次投入，可以容纳一个中型代码仓库的全部源文件、一份 800 页的技术白皮书，或者一整天的 Codex 对话历史。在此之前，这些场景几乎必然会触发自动压缩，丢失上下文中的关键细节。
272k 悬崖：一道正在被抹平的价格门槛
理解这次升级的真正价值，首先要读懂 OpenAI 定价策略中的一个核心悖论。
OpenAI 自 GPT-4 时代就形成了一套复杂的上下文阶梯定价。以 GPT-6.1 Sol 为例，标准短上下文费率为：输入 $2/1M token、缓存输入 $0.10/1M token、输出 $10/1M token。但一旦输入超过 272k token，整段请求进入长上下文费率，输入跳到 $4/1M token、输出跳到 $15/1M token。
用一组实际数据来看：一个 500k token 输入加 50k token 输出的请求。
在旧默认值 272k 下，这个请求必然超过短上下文边界，整段按长上下文费率结算：输入 $4 × 0.5 = $2，输出 $15 × 0.05 = $0.75，合计 $2.75。
默认值升到 500k 后，同样的请求以短上下文费率结算：输入 $2 × 0.5 = $1，输出 $10 × 0.05 = $0.5，合计 $1.50。
成本直降 45.5%。不需要任何配置变更，不需要点击任何设置开关，用户什么都不用做，账单就自动减半。
这还不是最关键的。
Codex 的底层架构内置了一个自动压缩机制。当上下文接近压缩阈值时，Codex 会主动压缩对话历史，丢弃被认为“不太重要”的早期信息。Sottiaux 在先前关于 Codex Context 的分享中明确说过：默认上下文长度是平衡性能与成本的结果，压缩是必要的，但高频压缩会直接损害工作流的连续性。几小时前的关键决定、一段被遗忘的技术方案、已经确认过的接口定义，都可能因为压缩而凭空消失。
500k 默认值将有效无损运行的上下文空间从约 258k（272k 扣除压缩预留）推到了约 475k 以上。一次成功扩容，让 Codex 的“无损运行时长”翻了将近一倍。
长上下文水位战：默认值比上限更关键
这场升级放在更长的行业坐标中看，格局更为清晰。
截至 2026 年 10 月，主流大模型厂商的上下文能力已经进入了一个“天花板足够高，但水位线参差不齐”的状态。
Google Gemini 2.5 Pro 提供 1M token 上下文窗口，Enterprise 客户在 Vertex AI 上可议价获得 2M 扩展。Anthropic 旗下 Opus 5.5、Sonnet 5、Fable 5.1 全线标配 1M 上下文，从 API 到 Claude Code 直接可用，无需任何 beta 头文件，也不因上下文长度而翻倍计费。Meta 的 Llama 4 Scout 在自托管场景中甚至声称支持 10M token。
但问题在于：这些能力在“你能用到多少”和“你实际用多少”之间存在巨大的鸿沟。
类比智能手机的快充。厂商宣传“120W 快充”，但绝大多数用户每天都在用 5W 的无线充电器过夜。长上下文领域的现状与此高度相似。厂商大肆宣扬最高支持 1M、2M 甚至 10M 上下文，但实际开发者和企业用户的日常可用上下文长期被限制在 200k-300k 区间。原因是多重的：价格翻倍惩罚、性能衰减（O(n²) 注意力计算让长上下文推理延迟陡增）、默认值过低（用户需要主动去配置才能释放上限）。
OpenAI 这一次的聪明之处在于：它没有在“上限数字竞赛”中与谷歌或 Anthropic 正面较量。GPT-6.1 Sol 的技术上限依然是 1.05M，没有拉升。它选择抬升默认水位。这相当于把用户的“标配体验”从 272k 拉到了 500k，且不需用户付出任何决策成本（“我要不要去设置里打开 1M？”）或成本担忧（“打开大上下文会不会让我的账单翻倍？”）。
Claude 的 1M 上下文虽然不翻倍计价，但 Claude 目前并未推出与 Codex 对标的企业级开发工作台。Google Gemini 在 AI Studio 中支持长上下文，但缺乏一个统一的端到端“AI 工作台”产品。OpenAI 通过在 Codex/Work 中把默认上下文拉到 500k，实际上在“模型能力 × 产品体验 × 定价可预期”这个复合维度上构筑了一道差异化的护城河。
生态视角：谁在真正受益
GPT-6.1 Sol 的上线范围并非所有 ChatGPT 用户。它仅限于 ChatGPT Work 和 Codex 环境。这次默认扩容同样如此。这透露了一个清晰的商业信号：OpenAI 不是在给所有人发福利，它在消除企业级用户切换工作流时最大的摩擦点。
Codex 是 OpenAI 目前最接近“AI 原生 IDE”的产品。到 2026 年下半年，Codex 已经不只是命令行里的代码补全工具，而是深度集成了文件系统、shell 执行、代码审查、云运行环境、甚至安全扫描的综合性开发平台。社区在 OpenAI 开发者论坛上的高频提议之一，就是“长上下文项目连续性”。当一个项目运行数小时后，上下文压缩导致早期决策丢失，已成为大型项目开发中的痛点。
500k 默认上下文直接回应了这个痛点。一个包含数百个文件的代码仓库可以在不触发压缩的前提下被模型持续读取和操作。对于使用 Codex 构建大型项目的团队，这是生产力级别的提升。
ChatGPT Work 同样受益。作为 OpenAI 面向企业推出的“AI 工作台”，Work 承载文档撰写、数据分析、项目管理、知识管理等长程任务。500k 上下文意味着用户可以在不丢失上下文的情况下连续工作数小时，完成复杂的多轮商业报告生成、合同审阅、市场分析等任务。
OpenAI 这次操作的节奏感也很精妙。9 月 29 日推出模型，用“五分之一价格接近 Astra 性能”吸引用户入场；10 月 12 日升级默认上下文，用“不涨价扩容”堵住用户的退出通道。两周内，Codex/Work 从“一个选项”变成了“最省心的选项”。
为什么不直接拉到 1M？成本、性能与产品哲学的取舍
一个值得追问的问题：既然上限是 1.05M，为什么不直接干到 1M？
答案藏在 Transformer 架构的物理约束中。
注意力机制的计算复杂度是 O(n²)。上下文长度每翻一倍，计算量按平方增长。从 272k 到 500k，计算量增长约 3.4 倍；从 272k 到 1M，计算量增长约 13.5 倍。即使 Flash Attention 和 KV Cache 压缩等优化手段在大幅缓解这个问题，全量 1M 上下文对推理侧的延迟和 GPU 显存压力仍然不可忽视。
据社区早期评测，GPT-6.1 Sol 的上下文在 200k 以内时延迟表现接近瞬时；超过 272k 后首 token 延迟有可见增加；到 500k 水位线，延迟仍在用户可接受范围内；超过 700k 后，延迟曲线变得陡峭；接近 1M 时，生成体验已经明显“变慢”。
OpenAI 的定位策略非常务实：500k 是当前体验与性能的最优平衡点。付费意愿强烈的用户仍可手动开到 1M，但在绝大多数日常场景中不需要这样做。
更深一层看，这反映了 OpenAI 产品哲学的一个变化。在 GPT-4 到 GPT-5 时代，OpenAI 的策略是“能不能做到”，不断突破技术上限，展示能力边界。进入 GPT-6 时代，尤其是 Sol 这条产品线，策略转向了“值不值得做”。在技术能达到的前提下，找到体验和成本的最优平衡点，然后将其设为默认。
“将最优设为默认”，这是成熟平台产品的标志性思维。
免费的，才是更贵的
回到行业竞争格局。
大模型正在从“谁的模型更强”转向“谁的工作流更厚”。上下文长度本身已经不再是技术壁垒。所有主流厂商都达到了 1M 级别，部分甚至触及更高。真正的壁垒在于：用户能多轻松地用上这个能力？需要配置几步？会不会额外掏钱？
OpenAI 这次的操作，同时冲击了两个方向。对外，它向企业用户递出了一份难以拒绝的价目表：在 Codex 里用 500k 上下文，和其他平台里用 200k 一样方便，账单还更可预测。对内，它有效抹平了 272k 悬崖。开发者不必再时刻警惕上下文是否越过了那条隐形的计费红线。对于仍在评估“买哪个模型”的团队，选择的方程式已经改变：不是谁的上下文上限最高，而是谁的默认体验最好、谁的账单最稳定。
免费的扩容，从来都不是真正的免费。它在用体验锁住切换成本。而锁住的，是通往企业级 AI 工作流的入口。
快报