「128K的窗口已经够大了」

当朋友圈，还在炫耀自家模型能一口气吃下整本《三体》之时

MIT的实验室里，有人把1000万token的记录，直接甩给GPT，让它在5分钟内给出答案

而且准确率还翻倍了，你没听错，不是训练，不是堆卡，仅仅是把提示词变成了一段，可执行的Python代码

就好像把字典扔进微波炉，转上一圈，知识便自己冒出来了，

这套被叫做RLM的递归语言模型，将长文本当作变量，而非一次性喂进去的肥肉，模型就像一位深夜加班的项目经理

先grep关键词，再切片、过滤，甚至把自己叫回来做二次摘要，128K的胃并没有变大，只是学会了慢慢咀嚼，所以再长的报告，也能够吃得下。

1月3日公布的实验数据显示，同样是OOLONG长文本问答，当给GPT-5-mini套上RLM后

F1从42.1急剧上升到88.7，涨幅超过一倍，而且单条成本还下降到原来的65%

有人曾经算过这么一笔账，按照国内商用API的价格，一份30万字的招股书以往要花费24元，而目前只需8元就能搞定

节省下来的北京买，两杯外卖咖啡，还能附带一个环保标识

更令人悲伤的是，它不需要你重新进行训练，也不挑剔芯片

消费级的RTX4090，就能够运行10Mtoken的任务，而且显存占用不到9G，

上周，深圳一位券商分析师，把2025全年A股的公告全都，放进笔记本，然后出去陪客户喝喝咖啡，15分钟之后，手机弹出结果

全年净利润下滑被提及3274次，环比增长18%，他随意把截图甩进工作群，整个策略组马上就安静了

有人担心代码写错该怎么办

团队所采用的办法是，把REPL放到沙箱里面，模型只可以读取，而不能进行更改，任何越界操作都会被拦截，这就好像给好奇心安装了一个安全座椅一样

去年12月，一家头部律所进行试点，利用RLM来做尽调，发现敏感条款的漏检率从7.3%降到了0.4%，合伙人，赶紧连夜给IT部发放奖金，那数目，足够在国贸三期订一层景观位来跨年

北京地铁5号线的早高峰时段，还是拥挤得好像脚尖，都快离开地面了，在车厢里，有一个，穿着优衣库羽绒服的女孩把折叠屏手机折叠成像书本那样大小，对着麦克风说，「帮我查找一下昨晚那篇万字的医疗集采研报里，胰岛素价格下降的部分，」

没过多久，屏幕上就跳出三段高亮内容，她随手就把它复制到备忘录里了，旁边的大叔看了一眼，默默地把手里那本被荧光笔涂得都起毛了的打印稿放进，背包里面。

就在我们争论「大模型会不会让年轻人失业」的时候，它已经悄悄地把读完变成了查完，知识不再是堆放在桌子上的大山

而是悬在手指尖的电梯，按一下，就直接到达相应楼层，RLM给予的不是更长的绳子，而是一把折叠梯，收起来比手机还轻，展开却能够摸到10万米高空

窗外，2026年的第一场雪飘落在国贸三期的玻璃幕墙上，好像给城市增添了一层缓存，有人担心雪会压坏屋檐，有人已经在雪地里踩出了第一条，走向春天的脚印。

声明：本文内容95%左右为人工手写原创，少部分借助AI辅助，但是所有的内容都是本人经过严格审核和核对的。