为什么显示占用满了却还能聊？

部分实现会滚动丢弃最早历史以维持窗口，表现为'能继续但忘了开头'；严格实现则直接报错。占用比应预留生成余量。

不同模型 token 数一样吗？

不同。同一段中文在 GPT/Claude/国产模型下 token 数差异明显，估算仅供参考，精确值需对应分词器计数。

📚 Context Window Usage Calculator

Count the tokens in your prompt and expected completion and see how much of the model context window they consume.

📐 计算公式 / 原理

占用率 = (系统提示 + 用户输入 + 预期回复) / 上下文窗口 × 100%；剩余 = 窗口 − 已用

规划对话时把预期回复长度一并计入，避免生成到一半撞上窗口上限被截断。长窗口模型虽标称很大，但注意力成本随长度平方增长，且中段内容容易被忽略（lost-in-the-middle），并非越长越好。

系统提示 tokens

对话 tokens

回复 tokens

上下文上限

占用预警

窗口 8k，提示 6k + 预计生成 2k = 8k 恰好满；若实际生成超 2k 即溢出。建议提示控制在 5k 以内留 3k 给生成。

为什么显示占用满了却还能聊？: 部分实现会滚动丢弃最早历史以维持窗口，表现为'能继续但忘了开头'；严格实现则直接报错。占用比应预留生成余量。
不同模型 token 数一样吗？: 不同。同一段中文在 GPT/Claude/国产模型下 token 数差异明显，估算仅供参考，精确值需对应分词器计数。