上下文窗口与最大输出 token：GPT-6、Claude、DeepSeek 和 Kimi 的上限
上下文窗口和最大输出 token 分别是什么意思，GPT-6、Claude、DeepSeek V4.1 Flash 与 Kimi K3 各自的上限，以及回复提前中断时怎么解决。
以 Markdown 阅读上下文窗口是模型在一次请求中能容纳的 token 总数：包括你的提示、对话历史、图片，以及模型写出的回复。最大输出 token 上限是模型在这次回复中最多能写多少，在推理模型上，它还包含思考所花的 token。回复必须装进上下文窗口，所以提示越长，留给输出的空间就越少。
上下文窗口和最大输出 token 有什么区别？
上下文窗口是共享空间。一次请求中你发送的全部内容和模型写出的全部内容，都必须装得下。
最大输出 token 是单独针对回复的一个更小的上限。每个模型都有自己的最高值，每个 API 也都有一个参数，让你为单次请求设置更低的上限。
由此有两个结果：
- 输入和输出争用同一个窗口。 DeepSeek 的 API 参考写得很直白：“输入 token 与生成 token 的总长度受模型上下文长度的限制。”
- 推理算作输出。 在 GPT-6、Claude、DeepSeek V4.1 Flash 和 Kimi K3 上，模型思考所花的 token 计入输出上限，并按输出计费。即使可见的回答很短，回复也可能提前中断。
各模型的上限是多少？
| 模型 | 模型 ID | 上下文窗口 | 最大输出 | 输出参数 | 不传时的默认值 |
|---|---|---|---|---|---|
| GPT-6 Astra、Sol、Luna | gpt-6-astra, gpt-6-sol, gpt-6-luna | 1.05M tokens（输入 922K） | 128K | max_output_tokens（Responses）、max_completion_tokens（Chat Completions） | 模型最大值 |
| Claude Opus 5.5、Fable 5.1、Fable 5 | claude-opus-5-5, claude-fable-5-1, claude-fable-5 | 1M tokens | 128K | max_tokens | 无：该字段必填 |
| DeepSeek V4.1 Flash | deepseek-v4.1-flash | 1M tokens | 393,216 | max_tokens | 不开思考 8K，开思考 64K，max 强度下 128K |
| Kimi K3 | kimi-k3 | 1,048,576 tokens | 1,048,576 | max_completion_tokens | 131,072 |
大多数回复被截断，问题都出在最后一列。DeepSeek V4.1 Flash 能写 393,216 个 token，但如果不设置 max_tokens，它会在 8K 处停止，开启思考时是 64K。Kimi K3 最多能写 1,048,576 个 token，但默认只有 131,072。
完整参数列表见各模型的 API 参考：GPT-6 Astra、Claude Opus 5.5、DeepSeek V4.1 Flash 和 Kimi K3。
用 max_tokens、max_completion_tokens 还是 max_output_tokens？
它们都用来限制回复长度。该传哪一个，取决于 API 格式和模型：
| API 格式 | 参数 | 说明 |
|---|---|---|
OpenAI Responses（/v1/responses） | max_output_tokens | OpenAI：“一次响应可生成的 token 数上限，包括可见输出 token 和推理 token。” |
OpenAI Chat Completions（/v1/chat/completions） | max_completion_tokens | OpenAI 把 max_tokens 标为“已弃用，改用 max_completion_tokens”，且“与 o 系列模型不兼容”。GPT-6 请用 max_completion_tokens。 |
Anthropic Messages（/v1/messages） | max_tokens | 每次请求都必填。 |
| DeepSeek Chat Completions | max_tokens | 1 到 393216。 |
| Kimi Chat Completions | max_completion_tokens | max_tokens 是同一上限的已弃用名称。 |
如果 API 返回 "max_tokens is not supported with this model"，换成这张表里的参数即可。
为什么模型没写完就停了？
它触到了输出上限。每个 API 都会在响应里报告这一点，而不是作为错误返回：
| API | 字段 | 达到输出上限时的值 |
|---|---|---|
| OpenAI Responses | incomplete_details.reason | "max_output_tokens" |
| OpenAI Chat Completions | choices[].finish_reason | "length" |
| Anthropic Messages | stop_reason | "max_tokens" |
| DeepSeek | choices[].finish_reason | "length" |
Anthropic 还有第二种停止原因 model_context_window_exceeded，用于回复填满了整个上下文窗口的情况。DeepSeek 的 length 同时涵盖两种情况：回复超过了 max_tokens，或对话超过了上下文长度。
解决办法：
- 调高输出上限，最高到上表中该模型的最大值。
- 降低推理强度。 思考越少，留给回答的预算越多，费用也越低。
- 续写而不是重试。 把已生成的部分回复发回去，让模型接着写。Anthropic 的停止原因指南针对
max_tokens描述了这种做法。
"context window exceeded" 是什么意思？
你的请求装不进模型的窗口。具体在哪里失败，取决于 API：
- Claude。 如果仅输入就超过了窗口，API 返回 400
invalid_request_error（"prompt is too long"）。如果只是输入加上max_tokens超过窗口，Anthropic 的文档表示，Claude 4.5 及更新的模型（包括本文中的模型）会接受请求，并在空间用尽时以stop_reason: "model_context_window_exceeded"停止。 - DeepSeek。 对话超过上下文长度时，回复以
finish_reason: "length"结束。
三种解决办法，按顺序：
- 删掉或概括对话中较早的轮次。如果仅输入就太长，这是唯一的办法。
- 调低输出上限，让输入加输出装得下。
- 换用窗口更大的模型。上表中的四个模型家族都能读入约 1M tokens。
编程 Agent 如何处理这些上限？
编程 Agent 会替你设置输出上限，而它们的默认值可能低于模型允许的值。
Claude Code 使用 CLAUDE_CODE_MAX_OUTPUT_TOKENS。它的文档说，该值“对于无法识别的模型 ID（例如网关专用的名称）默认是 32000，并会把高于模型上限的值降到上限”。在 Claude Code 中运行 DeepSeek V4.1 Flash 或 Kimi K3 时，如果需要更长的回复，请设置这个变量。同一份文档也提醒，更高的值会“减少触发自动压缩之前可用的有效上下文窗口”。
Codex 从 config.toml 读取 model_context_window，其说明是“当前模型可用的上下文窗口 token 数”。对 Codex 不认识的模型要设置它，做法见我们的 Kimi K3 配置教程和 DeepSeek V4.1 Flash 配置教程。遇到不认识的模型名时，Codex 还会输出："Model metadata for <model> not found. Defaulting to fallback metadata; this can degrade performance and cause issues."（找不到该模型的元数据，改用默认元数据，可能降低性能并引发问题。）会话仍会继续运行。
常见问题
上下文窗口包含输出 token 吗？
包含。输入、历史、图片和回复共用一个上下文窗口。最大输出上限是在这个窗口内单独针对回复的上限。
推理 token 计入最大输出 token 吗？
计入，本文的四个模型家族都是如此。思考 token 计入输出上限，并按输出 token 计费。
哪个模型能写最长的回复？
Kimi K3 的 max_completion_tokens 最高可设为 1,048,576，DeepSeek V4.1 Flash 的 max_tokens 最高可设为 393,216。GPT-6 和 Claude 每次请求最多 128K。
最大输出上限设得越大，费用越高吗？
不会。你为模型实际写出的 token 付费，而不是为你设置的上限付费。只有模型需要那么多空间时，更高的上限才有意义。
在哪里查看这些模型的实时价格？
在各模型页面：GPT-6 Astra、Claude Opus 5.5、DeepSeek V4.1 Flash 和 Kimi K3。
