GPT-6.1 Sol 在 Codex 与 Work 默认上下文提升至 500k
2026-10-12
Tibo 宣布 GPT-6.1 Sol 在 Codex 与 Work 中的默认上下文长度从 272k 提升到 500k，约增加 80%。此举可减少压缩（compaction）发生，帮助需要长期保留大量上下文和细节的任务；用户仍可自行覆盖设置，模型最大上下文长度为 1M。
Tibo 宣布 GPT-6.1 Sol 在 Codex 与 Work 中的默认上下文长度从 272k 提升到 500k，增幅约 80%，最大上下文为 1M 且用户可自行覆盖设置。默认值上调的直接作用是减少压缩（compaction）触发频率，让需要长期保留大量上下文与细节的任务更少丢失信息。
- Tibo 宣布 GPT-6.1 Sol 在 Codex 与 Work 中的默认上下文长度从 272k 提升到 500k，增幅约 80%，最大上下文为 1M 且用户可自行覆盖设置。默认值上调的直接作用是减少压缩（compaction）触发频率，让需要长期保留大量上下文与细节的任务更少丢失信息。
- 原贴提到：GPT-6.1 Sol 在 Codex 与 Work 中默认上下文长度提升至 500k：Tibo 宣布 GPT-6.1 Sol 在 Codex
- 来源：aihot.virxact.com
这是什么信号
这是一次默认参数的上调，而不是新模型发布。GPT-6.1 Sol 在 Codex 与 Work 里的默认上下文从 272k 提到 500k，涨幅约 80%，而模型本身的最大上下文是 1M。信号的重点在于：厂商认为“默认值”已经可以承载更长的工程会话与文档负载，把长上下文从需要手动开启的能力，变成了开箱即用的基线。
同时被点名的收益很具体——压缩（compaction）更少发生。上下文压缩本质上是有损操作：为了塞进窗口，历史信息会被摘要、舍弃，细节容易在几轮之后蒸发。默认窗口扩大近一倍，等于把压缩的触发点往后推。
为什么重要
对长任务来说，瓶颈往往不是模型会不会做，而是它还记得多少。大型代码仓库的跨文件重构、长文档的逐段审阅、多轮调试里“之前试过什么、为什么失败”，这些场景都吃上下文。压缩触发得越早，模型越容易重复犯错、忘记约束、绕回已经否决的方案。默认值上调，直接降低了这类“失忆型返工”的概率。
另一层意义是默认值本身的产品判断：默认 500k 说明厂商认为大多数工作会话值得配这么多窗口，而不是让用户自己去调参。能力从“可配置项”变成“默认体验”，通常意味着使用习惯会随之改变——更多人会开始把整仓代码、整套需求文档直接喂进去，而不是先做人工裁剪。
对谁有价值
- 在 Codex 里做跨文件改动、迁移、重构的开发者，会话能撑更久而不被截断。
- 在 Work 里处理长文档、长会议记录、多轮分析的人，减少中途“重述背景”。
- 搭 Agent 工作流的人：默认窗口变大，意味着中间态、工具返回、失败轨迹可以保留更久，不必过早压缩。
- 需要模型长期记住约束条件（规范、接口约定、口径）的团队。
可以怎么行动
- 把此前为了省窗口而做的“人工摘要前置”步骤，改成按需触发：先让默认 500k 跑，观察什么时候才真的需要压缩。
- 对长会话建立分层：稳定约束放前部，过程性内容放后部，减少关键信息被压掉的风险。
- 在 1M 上限与默认 500k 之间做实测对比：只在确实需要时覆盖设置，避免无差别拉满。
- 记录压缩发生的时机与原因，把它当成工作流质量指标来观察。
风险与限制
窗口变大不等于用得好。上下文越长，检索和注意力的稀释越明显，关键信息可能被淹没在噪声里；同时长上下文的成本和延迟通常更高，这条信号没有给出任何相关数字，实际开销需要自行验证。此外，压缩减少也意味着流程里少了一道“主动收敛信息”的强制动作，如果团队因此放弃整理上下文，反而可能让会话变得臃肿而低效。最后，默认值可被用户覆盖，说明不同账户或配置下的实际表现可能并不一致，跨团队协作时需要先对齐设定再谈结论。
这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 aihot.virxact.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。
如果把《GPT-6.1 Sol 在 Codex 与 Work 默认上下文提升至 500k》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。