看完Claude 4的发布资讯，第一反应是‘终于等到一个能打的对手’。20万token上下文窗口确实是个硬核升级，之前用Claude 3处理长代码库时经常在5-6万token处出现‘幻觉’或逻辑断裂，这次理论上能覆盖中等规模项目的核心代码了。但实测下来，推理能力提升在数学基准上更明显，编程方面更像是工程优化而非算法突破——比如对Python异步编程的理解更准确，但对C++模板元编程的解析仍有明显漏洞。个人经验是，这类长上下文模型对提示词工程的要求反而更高了：你必须学会用结构化前缀（如‘文件路径+函数签名’）来引导注意力，否则模型容易在无关代码段上‘走神’。我的核心质疑是：Anthropic是否在测试集中刻意减少了多层级依赖的案例？因为实际项目中，跨文件调用和循环引用才是真正的瓶颈。想和大家讨论两个问题：1）你们在200K上下文下遇到过‘中间遗忘’吗？2）对于代码审查场景，是优先用长上下文一次性处理，还是拆分成多个短任务更靠谱？从行业格局看，Claude 4的发布会倒逼GPT-5在上下文窗口上跟进，但开发者真正需要的不是‘能读多少’，而是‘能理解多深’——这或许才是下一代模型的决胜点。