这个现象有一个配套的真实 Benchmark：大海捞针（Needle in a Haystack）—— 在百万字级别的超长文本中随机插入一句（或多句）needle， 看模型能否准确复述它。迄今为止，没有任何一家模型做到 100%。 → 查看 Benchmark（英文）