以openai 大gpt大语言模型为例来说明：
以下是常用的openai的大模型对比图：
4k 8k 16k 32k 分别是4000 token和8000 token 16000 token和32000token
上文（提示输入）+下文（输出补全）的长度之和。比如4k模型，意味着输入+输出的总长度在4000 token以内。不能超过4000token。
我们看到随着上下文长度的增加，成本是指数级增加的。因为transfermor架构，是根据上文内容计算下一个字的概率，随着上文内容增加，计算下文的算力会指数级上涨。
下面是300次对话，用gpt-4-1106-preview做的算力消耗的成本。
gpt-4-1106-preview VS gpt-4-0613
大家都知道4.0的0613，输入输出成本是4.0-1106的一倍。就一定gpt-4-0613 每次的对话任务成本就高？
从成本结构上来看，GPT4-0613是8k模型。而且输入和输出的成本价格都是gpt-4-1106-preview的2倍。是不是在任何场景下GPT4-0613-8k就比gpt-4-1106-preview-128k消耗就贵？
答案是错误的，在gpt长对话的场景下，GPT4-0613-8k设置输出4000token的参数下，输入也就被限制在4000 token。
但是gpt-4-1106-preview-128k输出是4000 token的情况下，输入可以达到惊人的10w token/次的消耗。意味着gpt-4-1106-preview要承受更多的输入消耗和更长的记忆力。
上文输入=模型的记忆长度，输入越长，记忆力越长
根据需求，选模型很重要。要考虑模型能力，上下文长度和模型的成本以及后期的技术调整（尤其是使用gpt-4-1106-preview 的时候，切断输入上文的长度，可以有效的降低成本）
GPT 3.5 VS GPT 4.0
这个就不用讲太多了GPT 4.0的准确性和逻辑性要比3.5好非常多，大家都有显然的体感！
模型推荐：
推荐：GPT-3.5-16k模型，可以支持长文理解，翻译和总结。
gpt-4-1106-preview，使用这个模型的成本，比之前gpt4.0 降低了一半，也必须推荐！
