**百万上下文窗口为何仍需搜索？实测显示仅 1.6% 数据量即可覆盖 93% 关键证据**

_If the context window is a million tokens, why bother with search?_

> 针对当前主流大模型（如 Claude Opus、GPT-6）拥有约 100 万 token 上下文窗口的趋势，本文通过实测挑战了“无需检索增强（RAG）”的观点。研究在包含 100 万 token 的法律合同数据集上发现，若仅使用 16,000 token（占语料 1.5%）的检索结果，即可覆盖 93% 的证据；而若使用 32,000 token（占语料 3%），覆盖率可达 97%。这表明，即便上下文窗口极大，检索机制在精准定位关键信息方面仍具有显著优势，且能大幅降低对上下文长度的实际需求。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-products
- **发布时间**：2026-10-30 01:18（北京时间）
- **原文**：[打开原文](https://deployed-ai.io/blog/long-context-vs-rag)