这里跟大家说一下大语言模型里面 Context Window 跟 Max tokens 究竟有什么差别。

我们上次测了小米的 MiMo 2.6 Pro，测试时说这个 128K 的 Max tokens 爆了，导致输出没法完成，Pi 那边报错 “response was truncated before completion”，即输出在完成之前被截断了。当时有粉丝留言说：你懂不懂啊，小米那个 Context Window 是 1M，不是 128K。

实际上，Context Window 是你多轮对话能容纳的总窗口，包含历史对话和系统提示词，是所有内容能丢进去的最大窗口。而 Max tokens，也叫 Max output tokens，是你单次输出包含思维链（thinking）和最终输出的总长度，不包含历史记录，是一次性的。

两者完全是两回事。在 thinking 思考阶段爆 Max tokens，在各种 Harness 里，包括 Claude Code、Codex、Deepseek Harness，你连压缩（compact）的机会都没有。

希望看了这个视频，大家能了解到大语言模型的一些基本概念，不要自己不懂还喜欢在评论区乱说。反正评论也是对我的支持吧。