Claude Opus 4.6和Sonnet 4.6现已在Claude平台上推出，提供完整的100万上下文窗口。Opus 4.6的定价为每百万标记5美元/25美元，Sonnet 4.6为3美元/15美元。新版本支持更高的请求量和更长的上下文，提升了准确性，用户可以直接加载大量数据，保持对话完整。

OpenAI调整GPT-6 Astra在Codex中的计费政策：使用该模型时，1M上下文窗口内超出272K部分不再额外收费，全部按标准费率计费，且缓存输入免费。但此优惠仅限GPT-6 Astra与Codex组合，其他模型如GPT-5.4/5.5/5.6超长部分仍按1.5-2倍费率收费。

A社发布Claude Fable/Mythos 5.1模型，支持1M上下文窗口和128K输出，能力显著提升，尤其在科学和编程领域。API价格不变，但缓存读取价格暴降75%。Mythos 5.1放宽安全限制，仅限认证机构使用。

阿里发布Qwen 3.8 Flash模型，现已在AI Gateway上线。该模型支持文本和图像输入，上下文窗口达100万token，输出可达65k token，适用于编码、工具调用和多步代理工作流。用户可通过AI SDK设置模型，或连接Claude Code等编码代理使用。AI Gateway提供统一API、成本追踪、重试和故障转移等功能，且无加价和平台费用。

本文介绍管理大语言模型小上下文窗口的三种实用策略：滑动窗口截断法，通过FIFO队列保留最近对话，控制token使用；令牌预算结合检索增强生成，按比例分配上下文空间，确保只纳入最相关信息；以及滚动摘要、提示压缩和观察掩蔽等进阶方法。文章强调小上下文窗口能降低成本、减少延迟，并避免“迷失在中间”问题。

Codex现支持通过修改config.toml配置文件启用GPT-5.6模型的1M上下文窗口，默认272K，可在900K时自动压缩。但技术经理建议不修改，因1M窗口会更快消耗配额，当前配置已是最佳。ChatGPT订阅用户现也可体验此功能。

AI在数学竞赛中胜出，并非因推理更强，而是依靠近乎无限的上下文窗口，即外部工作记忆。人类数学受限于短期记忆容量，AI则能存储海量中间步骤，避免遗忘。其优势在封闭、可符号化的数学领域显著，但在开放日常推理中受限。本质是记忆碾压，而非深度思考超越。

深度求索发布DeepSeek-V4-Pro-0813版，从预览版正式进入GA阶段，模型ID不变，API定价暂未调整。该模型支持1M上下文窗口，提供Responses和Anthropic API，价格未变但已预告将涨价。目前未开源，基准测试数据待完善，内部数据显示多项测试较预览版大幅提升，编码、数学等核心任务保持开源领先，接近前沿闭源模型水平。

SpaceXAI推出Grok 4.6模型，现已在AI Gateway上线。该模型支持50万token上下文窗口，可处理文本和图像输入，提供低、中、高、超高四种推理级别，默认高。用户可通过AI SDK设置模型参数，或使用编码代理工具连接。AI Gateway提供统一API、成本追踪、重试和故障转移等功能，且无加价和平台费用。

AI代理的持久记忆与状态设计有五种架构模式：工作缓冲处理短期执行，检查点实现容错暂停，语义记忆存储跨会话知识，事件日志记录历史反思，多范围隔离保障企业隐私。核心是区分状态快照与记忆机制，避免上下文窗口过载，并注意事实失效、安全隔离及存储增长管理。

AI内存并非概念，而是工程化的状态管理问题，涉及上下文窗口、会话摘要、向量库等层次，核心难点在于数据边界、删除、隔离和回滚。小团队应保守实现，优先可解释、可删除、可观测的小记忆，并监控检索命中率和成本，避免模型沿旧信息误导。

GPT-6预计在八月发布，参数规模可能达到10万亿，支持150万token的上下文窗口。然而，爆料人Lumina指出，超过25万到50万token后模型表现不佳，引发争议。AI行业面临效率与规模的挑战，单纯增加算力已不再有效，政治因素也影响发布进度。

本文介绍了五种管理长期运行AI代理的上下文窗口策略，包括滑动窗口、递归摘要、结构化状态管理、基于RAG的短期上下文和动态上下文路由。每种策略都有其优缺点，如信息丢失、检索盲点和维护复杂性。成功的自主代理应用应关注智能架构，而非追求无限记忆。

本文探讨了AI代理的上下文窗口与记忆的区别。上下文窗口类似于无状态的草稿纸，无法持久保存信息。通过检索增强生成、压缩和摘要等技术，代理可以更有效地管理信息。真正的记忆持久性需要代理作为数据库管理员，而非数据库本身。理解这些概念有助于优化AI代理的性能。

GLM-5.2是一个7530亿参数的开源大模型，具有百万token的上下文窗口和创新架构。其完整权重为1.51TB，普通硬件无法支持。最佳本地运行选择为256GB内存的Mac Studio，生成速度为每秒3-9个token。大多数用户应选择云GPU租用或API调用，以降低成本和技术门槛。

检索增强生成（RAG）是一种通过检索相关材料并将其整合到模型提示中以提升回答质量的方法。文章探讨了RAG在小上下文窗口下的局限性，并提出通过文档摘要、块摘要和原始块的层次化索引来优化检索过程的解决方案。关键在于使用摘要进行检索，使用原始块进行回答，并通过上下文预算管理信息量，从而在资源有限的情况下提高RAG系统的可靠性和可调试性。

GLM 5.2现已在AI Gateway上线，适用于长期任务，支持更大上下文窗口（1M tokens），提高了任务执行的可靠性和一致性。用户可通过AI SDK使用该模型，享受无额外费用的API调用服务。

Nvidia发布了Nemotron 3 Ultra模型，拥有5500亿参数，支持高达100万标记的上下文窗口。该模型速度显著提升，能节省用户30%的成本。尽管在某些基准测试中落后于中国模型，但在处理复杂任务和多语言支持方面表现出色。模型的权重和数据集将公开。