花7000块实测Claude2.1 - 200K Token的超大杯效果究竟怎么样？
昨天Claude2.1正式发布了，更新了一系列的新能力，不过只对API用户开放。
大概总结一下，200K Tokens的上下文窗口、模型幻觉率的显着降低、系统提示以及他们的新测试功能：工具使用。
其他的没啥可说的，重点聊聊这个200K Tokens的上下文。
记得几个月之前，Claude率先推出100K Token，引起了不小的风波，毕竟在那个上下文都还只有4K Tokens的年代，100K Token可是扎扎实实的降维打击。
而这次，Claude2.1号称全球第一，扔出了2倍容量的200K Token。大家可能对Token没啥概念。我换种描述来说。
200K Token等于470页的PDF材料。
按Claude自己的话说，你可以扔你整个代码库和技术文档、扔一整个财务报表，甚至把《奥德赛》或者《伊利亚特》扔进去。
这下是不是就大概有点数了？以前4K的小窗口，扔个几页PDF都费劲，现在，随便扔。
但是支持这么大的容量以后，使用起来到底怎么样？你不能光加容量，但是质量不加吧，就好比你喝瑞幸，以前是个普通中杯，给你放了半杯的冰，现在他说升级了，给你来了一口缸，但是缸里依然还特么的全是冰，咖啡就那么几口，那这升级有蛋用，对吧。
Token也是一样的道理，你说是升级了200K，但你实际到50K就全都忘干净了，那你100K和200K有啥区别？
所以X上一个大佬Greg Kamradt，为了弄明白Claude2.1的200K Token，究竟实测效果怎么样，就调用Claude 的API做了个压力测试。
他做个压力测试，花了1016 美金。。。。
你没看错，1016美金，折合人民币一共7255元。。。
只能说，太特么壕了，壕特么上天了。。。
直接放他的测试结果图，为了大家阅读体验良好，我给做成中文版的了（图片可能在公众号上有压缩看不清，看完文章后可以对着我公众号私信"测试图"，我自动发你高清的原图）。
这个测试Greg Kamradt将其命名为"大海捞针"压力测试。
测试的目的是评估Claude从大量文本中检索信息的能力，特别是当信息被放置在文档的不同位置时的准确率。
在20万个令牌（近470页）的文档深度下，Claude 2.1能够回忆起某些事实 位于文档最顶部和最底部的事实被几乎100%准确地回忆起来 位于文档顶部的事实的回忆表现不如底部（与GPT-4类似） 从大约90K个令牌开始，文档底部的回忆表现开始逐渐变差 在较低的上下文长度下，并不保证有良好的表现
提示工程很重要。值得对您的提示进行调整，并进行A/B测试以测量检索的准确性 不能保证您的事实一定会被检索到。 更少的上下文 = 更高的准确性 - 这是众所周知的，但是如果可能的话，减少您发送给模型的上下文量可以增加它的回忆能力 位置很重要。但是放在文档最开始和文档深度50%到100%区间的事实似乎能被更好地回忆起来。 提示工程很重要 - 值得对您的提示进行调整，并进行A/B测试以测量检索的准确性