1M Token 长上下文窗口
Anthropic Claude 系列模型支持将上下文窗口从默认的 200K token 扩展至 1,000,000 token（1M），这是默认容量的 5 倍。通过 ZenMux，你可以轻松开启这一能力，处理超大规模的文档分析、代码审查、长对话等场景。
💡 核心优势
- 超大上下文: 单次请求可处理约 750,000 个英文单词或数千页文档
- 深度分析: 适用于大规模代码库审查、长篇文献分析、完整对话历史等场景
- 无缝集成: 通过 ZenMux 统一接口调用，只需添加一个请求头即可开启
支持的模型
目前以下 Claude 模型支持 1M token 上下文窗口：
| 模型 | 默认上下文窗口 | 扩展上下文窗口 |
|---|---|---|
| Claude Opus 4.6 | 200K tokens | 1M tokens |
| Claude Sonnet 4.5 | 200K tokens | 1M tokens |
| Claude Sonnet 4 | 200K tokens | 1M tokens |
注意
1M token 上下文窗口目前为 Beta 功能，可能会在未来版本中调整功能和定价。
开启方法
要使用 1M token 上下文窗口，需要在请求中添加 anthropic-beta: context-1m-2025-08-07 请求头。不添加该请求头时，模型默认使用 200K token 上下文窗口。
方法一：使用 OpenAI 兼容接口（推荐）
python
from openai import OpenAI
client = OpenAI(
base_url="https://zenmux.ai/api/v1",
api_key="<你的 ZENMUX_API_KEY>",
)
response = client.chat.completions.create(
model="anthropic/claude-sonnet-4.5",
messages=[
{
"role": "user",
"content": "请分析以下长文档的核心内容..."
}
],
extra_headers={
"anthropic-beta": "context-1m-2025-08-07"
}
)
print(response.choices[0].message.content)ts
import OpenAI from "openai";
const openai = new OpenAI({
baseURL: "https://zenmux.ai/api/v1",
apiKey: "<你的 ZENMUX_API_KEY>",
});
async function main() {
const response = await openai.chat.completions.create(
{
model: "anthropic/claude-sonnet-4.5",
messages: [
{
role: "user",
content: "请分析以下长文档的核心内容...",
},
],
},
{
headers: {
"anthropic-beta": "context-1m-2025-08-07",
},
},
);
console.log(response.choices[0].message.content);
}
main();bash
curl "https://zenmux.ai/api/v1/chat/completions" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $ZENMUX_API_KEY" \
-H "anthropic-beta: context-1m-2025-08-07" \
-d '{
"model": "anthropic/claude-sonnet-4.5",
"messages": [
{
"role": "user",
"content": "请分析以下长文档的核心内容..."
}
]
}'方法二：使用 Anthropic 原生接口
python
import anthropic
client = anthropic.Anthropic(
base_url="https://zenmux.ai/api/anthropic",
api_key="<你的 ZENMUX_API_KEY>",
)
response = client.beta.messages.create(
model="anthropic/claude-sonnet-4.5",
betas=["context-1m-2025-08-07"],
max_tokens=4096,
messages=[
{
"role": "user",
"content": "请分析以下长文档的核心内容..."
}
]
)
print(response.content[0].text)ts
import Anthropic from "@anthropic-ai/sdk";
const client = new Anthropic({
baseURL: "https://zenmux.ai/api/anthropic",
apiKey: "<你的 ZENMUX_API_KEY>",
});
async function main() {
const response = await client.beta.messages.create({
model: "anthropic/claude-sonnet-4.5",
betas: ["context-1m-2025-08-07"],
max_tokens: 4096,
messages: [
{
role: "user",
content: "请分析以下长文档的核心内容...",
},
],
});
console.log(response.content[0].text);
}
main();bash
curl "https://zenmux.ai/api/anthropic/v1/messages" \
-H "Content-Type: application/json" \
-H "x-api-key: $ZENMUX_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "anthropic-beta: context-1m-2025-08-07" \
-d '{
"model": "anthropic/claude-sonnet-4.5",
"max_tokens": 4096,
"messages": [
{
"role": "user",
"content": "请分析以下长文档的核心内容..."
}
]
}'长上下文定价
当请求的 token 数量超过 200K 时，将自动按照长上下文定价计费。具体倍率如下：
| 定价项目 | 200K 以内 | 超过 200K |
|---|---|---|
| 输入 token | 1x（标准价格） | 2x（双倍价格） |
| 输出 token | 1x（标准价格） | 1.5x（1.5 倍价格） |
💰 计费说明
- 只有实际超过 200K 的部分才会按照高倍率计费，200K 以内的部分仍按标准价格计费
- 输出 token 的定价倍率（1.5x）低于输入 token（2x），整体成本增加可控
- 建议结合提示词缓存功能使用，可以大幅降低长上下文场景下的成本
最佳实践
适用场景
💡 推荐使用 1M 上下文窗口的场景
- 大规模代码审查: 一次性加载整个代码库进行分析和重构建议
- 长文档分析: 处理完整的法律合同、学术论文、技术规范等
- 多文档对比: 同时分析多个相关文档，进行交叉引用和对比
- 完整对话历史: 在超长对话中保持完整的上下文，避免信息丢失
- 数据分析: 处理大量结构化或非结构化数据
优化建议
💡 提升长上下文请求效果
- 重要信息前置: 将最关键的内容放在提示词开头，模型对开头部分的关注度最高
- 结合提示词缓存: 对于重复使用的长文档，使用
cache_control缓存静态内容，可节省高达 90% 的输入成本 - 合理控制上下文: 不必总是使用满 1M 的窗口，只加载与当前任务相关的内容
- 使用结构化标记: 用清晰的 XML 标签或 Markdown 标题组织长文档，帮助模型定位关键信息
常见问题
不添加 Beta 请求头会怎样？
不添加 anthropic-beta: context-1m-2025-08-07 请求头时，模型默认使用 200K token 的上下文窗口。超过 200K 的内容将无法被处理。
1M 上下文窗口是否稳定可用？
该功能目前处于 Beta 阶段。虽然已经可以在生产环境中使用，但 Anthropic 可能会在未来调整功能细节和定价策略。
可以和其他功能同时使用吗？
可以。1M 上下文窗口可以与提示词缓存、工具调用、流式输出等功能同时使用。特别推荐结合提示词缓存使用，以优化长上下文场景下的成本。