千问与Gemini 1.5超长上下文处理能力对比

当你在处理一份百万字级别的超长文档时，如果发现不同的大模型给出的回答质量参差不齐，这背后其实大有文章。这种差异，往往根植于模型底层架构、训练数据以及处理超长上下文的“思维方式”本身。要系统性地找出原因，可以从以下五个维度入手，进行一场严谨的“模型压力测试”。

一、验证输入内容是否符合各自模型的格式约束

模型就像挑剔的食客，对“食材”的形态有特定要求。错误的输入格式，轻则导致信息丢失，重则直接让模型“消化不良”，输出结果自然南辕北辙。

首先，确保上传的纯文本文件采用UTF-8无BOM编码，这是避免中文乱码引发token计数错乱的基础。其次，对于PDF文档，Gemini 1.5 Pro这类模型通常要求文档已完成OCR文字层重建，一个纯图片PDF很可能直接被它拒之门外。再者，如果你用千问处理包含复杂LaTeX公式或嵌套表格的学术论文，最好先将其转换为Markdown格式，否则那些关键公式区域可能被模型当作“背景噪音”忽略掉。最后，处理日志类纯文本时，要警惕行末不可见的控制字符（如\x00），这类字符在千问的解析流程中，有时会意外触发解析提前终止。

二、比对模型实际可用上下文长度与切分策略

标称的“百万token”支持能力，在实际使用中往往存在折扣。这并非虚假宣传，而是受制于内存、计算资源等现实约束。了解模型真实的“胃口”和“消化方式”，至关重要。

例如，Gemini 1.5 Pro虽然宣称支持100万token，但受其内部内存映射机制限制，单次有效建模长度通常在92万token左右。而千问的公开版本，其基础上下文窗口是128k，通过滑动窗口等技术扩展后，实际能稳定处理的长度大约在86万token上下。验证方法很直接：在Gemini的Web界面上传文件后，留意右下角状态栏显示的“Indexed tokens”数值，如果低于92万，就说明存在隐式截断。对于千问，则可以在API调用时，于请求头中添加X-Context-Length字段并设为1000000，然后观察返回响应中truncated字段是否为true。一个更直观的测试是，将同一份75万token的代码仓库文档分别提交给两个模型，用相同的提示词（如“提取所有出现超过5次的函数名及其调用频次”）提问，对比输出的完整性。如果千问的输出缺失了中间段落的信息，而Gemini覆盖完整，那很可能说明前者的滑动窗口机制存在重叠盲区。

三、测试跨段落指代消解能力

理解超长文本的真正难点，在于维持远距离的“记忆”与“关联”。想象一下，在一本几百页的书里，第三章定义的一个术语，在第八章被一个“其”字指代，模型能否准确找回这个“其”是谁？这直接考验其上下文建模的深度。

要测试这一点，可以构造一份约12万token的技术白皮书，在第3页明确定义术语“X-Protocol”，然后在第87页用代词“其”再次提及。接着向模型提问：“请指出‘其’具体指代哪个协议，并返回原文所在段落编号”。记录下Gemini 1.5 Pro是否能精准定位到第3页的定义句并给出段落ID。在千问上重复此操作，观察其回答是模糊的“前文所述协议”，还是同样精确的锚定。如果Gemini的输出中包含了字节偏移量（如offset: 28412–28435），而千问只给出了页码，这就表明前者具备了更精细的token级索引与回溯能力。

四、评估多跳逻辑链构建稳定性

当一个问题需要串联散布在文档不同角落的信息碎片时，就进入了“多跳推理”的深水区。模型必须像侦探一样，在脑海中同时记住邮件里的标准、会议纪要中的方案、PRD文档里的条款，并建立起它们之间的逻辑联系，任何一环“掉线”都会导致推理失败。

可以准备一个包含会议纪要、邮件往来和产品需求文档的混合材料包，总长约83万token。提出一个复合型问题：“根据张三在邮件中提出的验收标准，结合会议纪要第5节讨论的技术方案，判断PRD第12.3条是否满足全部条件”。在Gemini 1.5 Pro中提交所有文件并提问，观察其输出的判断依据是否清晰地逐条对应到原始材料的精确位置。在千问上执行相同流程，检查它是否会遗漏邮件中的某个子条件，或者错误地将会议纪要的时间戳与PRD的版本号混淆。如果千问的回答中间出现了“根据上下文推断”这类模糊表述，而Gemini则明确引用“邮件ID: EM-20260317-0822，第2段第3行”，那么无疑，后者在跨文档信息锚定与关联能力上更胜一筹。

五、检查中文长文档特有的语义粘连处理

中文的超长文本处理，还有其独特的“魔鬼细节”。没有空格分词、大量的同音异义、简繁混排乃至古籍中的异体字，都对模型的token化（分词）和语义理解提出了额外挑战。

一个经典的测试是，将《红楼梦》程乙本全本电子版（约98万汉字）上传，然后提问：“贾宝玉初见林黛玉时，二人对话共涉及几个核心意象？请列出每个意象首次出现的回目及上下文”。对比两个模型的表现：千问是否可能将“风露清愁”整体误判为一个意象，而Gemini 1.5 Pro能否将其拆解为“风”、“露”、“清”、“愁”四个独立的文化符号并分别溯源？尤其需要关注对“菂”、“蘅”等生僻字的处理。Gemini 1.5 Pro通常依赖Unicode标准化预处理，能将其正确映射到《康熙字典》的部首体系。如果千问在响应中将“菂”替换成了常见的“蒂”，那就表明其字形归一化模块可能未完全覆盖《说文解字》等古籍中的异体字库，这会直接影响其对中文古籍进行深度解析的可靠性。