据Linux.do论坛用户发帖，Google旗下AI编程工具Antigravity（社区常简称AGY）目前默认仅开放约256K的上下文窗口，而其内置的Gemini模型本身具备1M（百万token级）的上下文处理能力。发帖者对此表达不满，认为Google’模型能力有1M还不让用’，开放策略过于保守。为验证实际效果，该用户尝试通过逆向手段绕过限制，强行开启1M上下文。实测结果显示，强开长上下文后模型的上下文缓存机制出现异常，直接导致API额度消耗速度提升约5倍。在成本急剧攀升的情况下，该用户最终只能退回256K上下文继续使用，并吐槽当前体验不佳。背景方面，Antigravity是Google推出的智能体式AI编程平台，上下文窗口大小直接决定单次任务可读取和改写的代码规模，是衡量AI编程工具能力的核心指标之一。上下文缓存机制则通过复用重复内容降低推理成本，一旦缓存失效，每次请求都需重新计算完整上下文，费用会成倍增长，这正是强开1M后额度暴增的技术原因。该帖子发布后共收到2条回复，引发社区对Google上下文开放策略的讨论。截至目前，Google官方尚未公布在Antigravity中全面开放1M上下文的时间表，普通用户短期内仍需在256K上限下自行规划长任务的上下文管理。
事件分析
此次实测揭示了长上下文服务背后的成本结构问题。1M上下文并非单纯的技术开关：KV缓存的显存占用随上下文长度线性增长，缓存命中率下降会直接放大推理开销，5倍的额度消耗说明Google的限制更多是出于成本与稳定性考量，而非刻意保留能力。对产业而言，AI编程工具的竞争正从模型能力转向单位成本下的有效上下文供给，上下文管理与缓存计费策略将直接影响开发者的工具选择。若Google能在隐式缓存或上下文压缩技术上取得突破，1M上下文的大规模开放才具备商业可行性。后续可关注Google是否推出分级上下文套餐，或在新版本Gemini中通过架构优化降低长上下文成本，届时Antigravity的开放策略或将随之调整。
核心观点：1M上下文的开放门槛不在模型能力，而在缓存成本的算力经济学，这正成为AI编程工具功能分级的隐形标尺。
原文链接：Linux.do
