最近，KimiChat的上下文长度从20万汉字升级到了200万汉字，10倍的差距已经足够产生一次质变，做很多之前做不了的事情。
感谢月之暗面给了提前测试的机会，我们直接开测！
小伙伴可以上手试试啦！
场景1：做SEO（搜索引擎优化）！
第一轮测试用的是常规20万上下文窗口，输入了两段网页代码，显然两轮对话已经超出20万上下文。
这时候200万汉字的上下文长度的优势就显现出来了，直接转到200万字上下文入口重新提问，如果按照刚刚对话的token数量来算的话，目前至少能支持10轮及以上的对话。
20万上下文对话窗口：分两次输入两段代码直接超出20w
第二轮测试：用200万窗口测试，这种持续连贯对话的感觉简直太爽了！
直接复制刚才的代码到200万窗口，它可一点儿没含糊，不停地持续回答和输出。然后直接问Kimi这个网站有啥可以改进的，它给了大概框架。
200万上下文对话窗口：超级无限长的代码10万字段儿，足足划了半分钟才到头儿
但我想要的是具体细致的建议，
接下来我又问它，具体有什么可以优化的地方；
在回答具体建议时Kimi展开了每一条，优化的地方有十几处，Kimi逐个给出了SEO优化建议及代码示例。（代码实在太长了就不一一展开了）
但是也有一个缺点：就是每次输出内容篇幅有限，又不能直接生成PDF，就只能手动不停地点“继续、继续、继续......”
到这里之后，在元数据上进行优化，大方向上不会破坏原来的内容，Kimi这点理解的还是挺到位的！在优化上甚至还多加了一些我没考虑到的点，十分周到。
在前几次的回答中仍然不太满意，我想要的是最终在原数据上优化后的代码，于是再次要求它；
从理解能力和连贯性来看，Kimi每次回答都能相对准确地联系上下文，同时给出相应的建议，可见它在长文本连贯性上是蛮强的！
现在我们来实际看一下，优化SEO网站之后的实际效果到底如何？
这次对话对网站的SEO优化最直观体现在这三个地方：
第一，图片和视频在网页中的占比有所调整。比如第一个视频整体变小，第二张图也变的稍微小一些；
（PS：左为原网站，右为优化SEO后的网站）
第二，页面整体布局更加协调，更加符合视觉习惯，对比着看确实舒服不少。
第三，网页文字内容优化，在原来的基础上优化了网页里呈现的文字内容，
场景2：我用《周易》给奥特曼算了一卦！
大型语言模型处理古文字与处理现代英文的差异时，一个显著的区别在于所需的编码单元或"token"的数量。古文字，如《周易》中的八卦符号，每个符号可能需要一个或多个tokens来准确表示其丰富的意义和历史背景，因为这些符号往往蕴含着比现代字母更复杂的概念。相比之下，现代英文文字则相对简单，通常每个字符对应一个token，因为它们的语义和形式更直接、更线性。
基于此，我就借用咱们的经典《周易》给奥特曼先生算一卦，看看Kimi在解读《周易》古文字上的效果如何。
我先是上传了中华经典《周易》典藏本，和奥特曼的生辰八字（约莫准确？）
从第一次回答中，能看出Kimi在解读古文字时说的头头是道，像模像样。让我们继续深入看看它到底专业不？
接下来我又给出奥特曼的一些生平履历，
Kimi一开始的回答很浅很浅，都没啥意思；
但提醒它深入分析后，还是很浅！！
看来《周易》这种难啃的古文字对Kimi来说还是挺有难度的。
场景3：我用Kimi啃专业论文！
原本是想根据个人一年的工作材料，让Kimi写一个年终报告，但是现在三月份，还没到那时候呢！
那如果是论文呢？
如果它连大几十的论文都啃得动，能理解并且连续输出重新写一篇新的论文，个人年终总结更是不在话下！
这部分不仅提炼出了新的主题，同时用中英文对照的方式写了出来，还列出表格对比了新旧论文的主要观点。
最初想法是写一篇论文，那自然要看看他能提出哪些独到的观点，看他是否真的理解了这些论文的内容，然后从这些观点中选择一个主题写出论文大纲；
接下来就是撰写正文了，对于Kimi输出内容质量倒是没那么担心，不过Kimi有个缺点是每一次的输出篇幅偏短，想要让它一次写长论文，基本没可能。倒是Kimi自己在结尾也提醒到了“篇幅有限”这一点。
如果想要更精细的内容，更好的办法是把论文大纲拆分成小章节单独扩写，才能达到想要的效果。
这个测试极大地体现出来Kimi对于上下文的高度连续性，对于工作中处理大量的文献以及资料十分方便，尤其是想要提取特定的信息的时候。
通过这次测试，最大的感受是：上下文带来不仅仅AI的学习能力，更重要的是让AI的耐力更强，我们可以持续进行多轮对话。
超长文本输入+持续的多轮对话能力，我们在一个对话中就能将AI微调成我们需要的样子。
月之暗面创始人杨植麟认为：“所有问题都是文本长度的问题。如果你有10亿的contextlength（上下文长度），今天看到的问题都不是问题。”
对于长文本来说更重要的是lossless，也就是输入的信息不随着文本长度增加而损失。某种程度上，绝对的文本长度是花架子，无损压缩的能力才能分模型的胜负。
月之暗面方面透露，这次上下文长度从20万字扩展到200万字由于没有采用常规的渐进式提升路线，研发和技术团队遇到的技术难度也是指数级增加的。为了达到更好的窗口无损压缩性能，团队从模型预训练到对、推理环节均进行了原生的重新设计和开发。
您当前使用的浏览器版本过低，导致网站不能正常访问，建议升级浏览器