视觉模型传 6 张图只答最后一张 2048 token 上限怎么分给每张 陆零云 2026-11-15 08:48:38 25 0 商品对比场景一次传六张图,问这几款包装有什么区别,模型只描述了最后一张。三张时正常,四张开始丢,六张基本只认末尾,前面几张像没传进去。 第一反应是提示词不够清楚,在每张图前加了图一图二的文字说明,仍然只答最后一张。又把提问挪到图片之前,稍好一点,前两张能提到,后四张还是空白。 打日志看 token 构成才明白,上下文上限是 8192,每张图按默认最长边一千二百八十像素编码,要占一千二百八十个视觉 token,六张就是七千六百八十,再加文本和模板直接顶满。推...