GPT-5.6 上手实测：Codex 上下文长度到底有多少？

GPT-5.6 终于来了！一觉醒来，不少朋友都发现这个新模型已经悄悄上线。但是，对于咱们搞开发或者重度依赖长文本的用户来说，最关心的肯定不是那些花里胡哨的功能，而是实打实的上下文长度。

咱们都知道官方 API 的参数通常都比较“豪华”，但一旦集成到 Codex 这种环境里，往往会被“砍一刀”。那么问题来了：现在 GPT-5.6 在 Codex 里到底能读多少字？

根据社区里几位大佬的一手测试，情况有点意思：

Community user avatar

社区用户针对 GPT-5.6 上下文长度的讨论头像

插件显示数据：有用户使用 codex++ 插件进行探测，显示的数值是 353.4k（约 35.4 万 tokens）。这个数字相当惊人，已经远超绝大多数日常场景的需求。
模型自述：有人直接问 GPT-5.6 自己，它非常自信地回答是 1M（100 万 tokens）。
疑点重重：对于 300 多 k 甚至 1M 这个量级，目前有不少声音怀疑这可能只是显示层面的 Bug，或者是某种虚拟映射，实际能用的有效上下文是否真有这么大，还需要更严谨的极限测试。

Speech balloon emoji

论坛讨论帖的图标，象征关于 GPT-5.6 参数的问答

如果你是老用户，应该对 OpenAI 的“尿性”不陌生。

官方公布的 API 上下文长度通常是理论最大值，比如 200k 或者 1M。但在 Codex 这种特定的内部应用环境中，为了保证响应速度、降低推理成本以及稳定性，往往会做限制。

过往经验：以前的模型版本里，Codex 的上下文确实经常比纯 API 缩水不少。
这次的变化：如果 35.4k 甚至 1M 是真的，那这次 GPT-5.6 在 Codex 上的表现简直是“史诗级加强”，甚至可能直接打通了长文档处理的任督二脉。

面对这种“插件显示一个数，模型说自己另一个数”的混乱局面，咱们不能光靠猜。如果你想在自己的环境里探明真实的上下文上限，可以试试以下几招：

二分法填充法：编写一个脚本，动态生成一段长文本（比如重复一段 Lorem Ipsum 或代码），不断迭代发送给模型，直到它报错“Context Length Exceeded”或者开始遗忘最前面的内容。临界点就是真实上限。
Token 计算器校准：使用官方的 Tokenizer 工具精确计算你发送的字符数，不要相信平台界面上的粗略计数。
前后呼应测试：把关键信息放在对话的最开头和最结尾，问模型能否关联这两个信息。如果它能做到，说明上下文窗口确实覆盖了全长；如果只能回忆起结尾部分，说明中间被截断了。

目前关于 GPT-5.6 在 Codex 中的上下文长度，353.4k 是比较具体的插件探测数据，而 1M 更像是模型的理论幻觉或系统预设的标签。

建议大家暂时以 30 万 tokens 左右 作为安全参考值来使用，如果你有超长文本处理需求（比如分析几十万行的大型代码库），务必先用上面的方法做一遍压力测试，别把宝全押在模型自己嘴里的“1M”上。