千问的 100 万上下文能装多少：三类文档的可行性判断
100 万 token 大致相当于一百多万汉字，但能不能用不取决于上限。本文把上下文换算成页数，说明国内与海外的上传限额差异，并对合同、财报、录音三类文档逐一给出可行或不可行的判断。
先给三个判断：200 页合同完全能读，还有余量追问；五年期财报 Excel 读得进但找不准数字，要拆年处理；三小时会议录音能处理，但时间戳对齐会丢。上限不是瓶颈，检索精度才是。
先把 token 换成能感知的单位
Qwen3.8-Max 的上下文是 100 万 token。这个数字要落到页数上才有意义。
下表左两列是分词经验值，右列是我按经验值乘出来的估计。官方没有发布「100 万 token 等于多少页」这类换算表，所以这些数字只能当量级参考，不能当承诺。
| 内容类型 | 换算（经验值） | 100 万 token 约等于（估算） |
|---|---|---|
| 中文正文 | 1 token 约 1.5 汉字 | 一百多万字 |
| 英文 | 1 token 约 0.75 词 | 七十多万词 |
| A4 纯文字页 | 一页约九百字 | 一千多页 |
| 含表格的 PDF | 表格结构额外占 token | 几百到一千页出头 |
实际能读的页数比理论值低，因为 PDF 里的表格、页眉页脚、图表标注都会被转成文本塞进上下文，这些内容占 token 但不携带信息。扫描件更差，OCR 出来的错字会同时拉高 token 和降低准确率。
上传限额是国内海外的第一道坎
模型能吃 100 万，前端不一定让你一次传那么多。
国内 qianwen.com 的界面上传说明是：可同时上传 10 个文件，每个 100MB，支持 PDF、Word、Excel、PPT、EPUB、Mobi、txt、Markdown、JSON 等格式。
海外 Qwen Studio 的配置接口口径不同：单文件 20MB、最多 5 个文档，图片 20MB 最多 5 张，视频最大 2GB、时长上限 1 小时，音频最大 2GB、3 小时。
这两个数字在网上被大量混用，很多教程写「千问只能传 20MB、最多 5 个文件」，那是海外版的限制，套到国内版上不成立。国内限额以你打开页面时输入框旁的提示为准，官方没有单独发布文档。
三类文档，逐个判
合同，200 页。 可行。200 页中文大概是十几万字，折十几万 token，只用掉上下文的一成多。余量足够你把「付款条款」「违约责任」「管辖地」三个问题连着追问，还能要求它标出每条结论的原文页码。这类任务真正的风险不是容量，是条款表述雷同导致它把甲方的义务答成乙方的。
财报，五年数据十个 sheet。 有条件可行，但不建议一次全丢。Excel 转成文本后，一行数据会变成「科目名、年份、数值」这样的重复句式，token 消耗比同样字数的正文高两三倍。更麻烦的是数字定位：实测中把两个季度的数字放进同一张汇总表，是反复出现的错误。做法是按年拆成五次对话，每次只问这一年的三个关键指标，最后人工合并。
会议录音，三小时。 可行。三小时录音转写后大概几万字，折两三万 token，容量上毫无压力。问题在格式：转写文本里说话人标签和时间戳容易错位，你问「第 78 分钟谁说了预算的事」，它给的答案可能对不上。要精确到分钟的，先让转写工具输出带时间戳的文本再上传，别让它自己重建时间轴。
长文档的三个衰减现象
容量够，不等于注意力够。三类现象在大窗口模型上普遍存在，千问也不例外。
中间段丢失。放在文档开头和结尾的信息，被正确引用的概率明显高于中间。把关键条款单独粘一遍在提问里，比指望它翻到第 400 页更可靠。
跨文档错位。同时传五份文件问「哪份提到了违约金」，它可能把 A 文件的数字安到 B 文件上。一次只比两份，准确性会好很多。
摘要漂移。让它总结上千页的内容，它会给你一份看起来完整但漏掉关键结论的摘要。分章节总结再合并，比一次总结全文可靠。
一句结论
100 万上下文解决的是「装得下」，不解决「找得准」。判断一个任务能不能交给它，看的不是文档多大，是你能否接受人工复核的成本。
要跑大批量长文档、又不想受 C 端上传限额约束的，可以走 API 或本地部署。API 的输入计价方式看 11 月大模型 API 价格表；自部署的显存门槛看 本地跑大模型要多少显存，Qwen3.8-27B 是 Apache 2.0 许可、单卡可跑的那一档。
现在可以做一次校准：拿一份你手上最长的文档，先问它第 3 页和第 300 页各讲什么，两个答案都对，再把整份丢给它做分析。
登录后可点赞、收藏与反馈。