為什麼顯示佔用滿了卻還能聊？

部分實現會滾動丟棄最早歷史以維持視窗，表現為'能繼續但忘了開頭'；嚴格實現則直接報錯。佔用比應預留生成餘量。

不同模型 token 數一樣嗎？

不同。同一段中文在 GPT/Claude/國產模型下 token 數差異明顯，估算僅供參考，精確值需對應分詞器計數。

📚 Context Window Usage Calculator

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

📐 計算公式 / 原理

佔用率 = (系統提示 + 使用者輸入 + 預期回覆) / 上下文視窗 × 100%；剩餘 = 視窗 − 已用

規劃對話時把預期回覆長度一併計入，避免生成到一半撞上視窗上限被截斷。長視窗模型雖標稱很大，但注意力成本隨長度平方增長，且中段內容容易被忽略（lost-in-the-middle），並非越長越好。

系統提示 tokens

對話 tokens

回覆 tokens

上下文上限

佔用預警

視窗 8k，提示 6k + 預計生成 2k = 8k 恰好滿；若實際生成超 2k 即溢位。建議提示控制在 5k 以內留 3k 給生成。

為什麼顯示佔用滿了卻還能聊？: 部分實現會滾動丟棄最早歷史以維持視窗，表現為'能繼續但忘了開頭'；嚴格實現則直接報錯。佔用比應預留生成餘量。
不同模型 token 數一樣嗎？: 不同。同一段中文在 GPT/Claude/國產模型下 token 數差異明顯，估算僅供參考，精確值需對應分詞器計數。