物界前沿物界前沿 · 资讯情报卡（Hacker News · 2026/11/4）
英伟达研究：AI智能体压缩上下文后精度基本不降
核心事实
- 英伟达研究者发布预印本，测试模型在短上下文下运行智能体任务的表现。
- 测试覆盖13个基准，包括Claude Opus 4.5和GPT 5.6 Sol两个闭源模型。
- 长程任务中，两模型精度变化在-3.7到+5.6个百分点之间。
- 长输入任务中，Opus 4.5在RULER上的召回率从62.5%升至95.7%。
- 开源模型在最短上下文设置下普遍损失SWE-bench Verified精度。
关键数据
3.6×-7×256K上下文每token成本倍数（对比
62.5%→95.7%Opus 4.5 RULER召回率
53.0%→3.6%Qwen 3 Coder Next SW
$420.00→$295.75Opus 4.5 SWE-bench成本
物界观察
长上下文竞赛可能跑偏了方向。英伟达用数据说明，智能体靠压缩摘要和选择性读取就能保住精度，还能大幅省算力。但开源模型在极限压缩下崩溃，说明压缩策略本身是技术门槛。厂商若跟进，API定价和硬件需求都会被重估。