大模型长文本处理现重大缺陷：1万tokens成性能断崖点，准确率腰斩

Chroma团队研究发现，当输入长度达到1万tokens时，包括GPT-4.1、Claude 4、Gemini 2.5和Qwen3在内的18款大模型在长文本处理任务中准确率普遍降至50%左右，且性能衰减存在断崖式下降节点。实验显示，语义关联性、干扰信息、文本结构等因素会加剧性能下降，不同模型对长文本处理的可靠性差异显著。该研究揭示了当前大模型在长上下文任务中的核心缺陷，可能影响其实际应用场景的稳定性。