AI聊天机器人在哪里停下：我们测了四项长任务

我们开发处理长文件任务的工具：完整的字幕文件、完整的 WhatsApp 聊天记录导出文件、完整的流水和文档。我们的页面上写着，AI聊天机器人处理这类任务很吃力。2026年10月20日，我们没有照搬这个说法，而是亲自验证：四项任务、三个模型、每项一条提示词，然后清点它们返回的内容。

结果一览

有两点很突出。第一，这些模型处理长任务的能力比常见说法要强：四项任务中有两项，每个模型都完整且正确地完成了。第二，我们发现的所有失误都是悄无声息的。没有任何一条回复说“我在这里停下了”或“我合并了两行”。每一条看上去都像是已经完成。

回复需要多长

一项任务能否在一次回复中完成，取决于答案的长度，而不是你上传的文件大小。

一般聊天回答只有几百到几千个token。这里的每项任务需要的都多得多，而聊天翻译所需的长度，对三个模型中的两个来说，甚至超过了我们设定的64,000个token的宽松上限。

任务 1：完整长度的字幕文件

我们发送了一个 85 分钟、共 1,200 行的 SRT 文件，并提出要求：“把这个字幕文件翻译成西班牙语。保持 SRT 格式和时间轴。”

• GPT-6.1 Sol 返回了 1,200 行，所有编号和时间码都与原文一致。
• Gemini 4 Argon 返回了 1,200 行，但把第 770 行的起始时间写成了 00:54:55,839，而原文是 00:54:45,839。这一行现在比开始时间早近五秒结束。视播放器不同，它会被跳过，或者整个文件被拒绝。
• Claude Sonnet 5.5 把两个短句（“absence ...”、“we know them.”）的内容并入了前一行并删掉了原行，然后无间断地给其余部分重新编号。译文到第 1,198 行结束，有 870 行的编号与原文不同。

我们自己的字幕翻译工具也处理了同一个文件。它只把文字发送给模型，每块最多 60 行，对返回时缺失的任何一行会再次请求，并从原文复制每一个编号和时间码。它返回了 1,200 行，编号和时间全部一致。如何在两分钟内自己检查翻译后的文件，请看为什么翻译后的 SRT 会与画面不同步。

任务 2：2,000 条消息的聊天记录

我们发送了一份 2,000 条消息的西班牙语家庭群聊，采用 WhatsApp 的导出格式，并给出指令：“把这份 WhatsApp 聊天记录中的每条消息翻译成英语。保留每条消息的日期、时间和姓名。”

• GPT-6.1 Sol 在将近 13 分钟后返回了全部 2,000 条消息，每个日期、时间和姓名都完好无损。
• Gemini 4 Argon 在第 1,903 条消息处达到 64,000 token 的上限，并在一个时间戳中间停止。最后 97 条消息缺失。
• Claude Sonnet 5.5 在第 1,804 条消息处达到上限，并在一个姓名中间停止。最后 196 条消息缺失，另有一条消息的时间从 10:25:20 被改成了 10:25:40。

这两个模型在中途都没有概括或跳过消息。问题只是空间用完了，而回复里没有任何提示：文字在一行中间戛然而止。在聊天应用里，回复上限由应用决定，而不是由你决定，而且通常低于 64,000 token。一份包含一整年消息的真实导出文件，或者包含需要先转写的语音消息的导出文件，体量要大好几倍。我们的 WhatsApp聊天记录转PDF 工具会分块处理导出文件，在语音消息所在位置转写每一条语音消息，并把译文放在每条原消息下方。

任务 3：320 行的银行流水

我们以文本形式粘贴了一份 10 页的流水，支出和收入分列在不同的列中，并要求输出带正负号金额的 CSV。

三个模型都返回了全部 320 行。每个日期、摘要、金额、正负号和滚动余额都与我们的标准答案一致。这个结果可以放心公布：对于这种体量、干净的文本型流水，如今的模型处理起来游刃有余。

我们的测试没有涵盖的，恰恰是流水最容易出错的地方：扫描件或拍照的 PDF，每个数字都必须从图像中识别出来；以及长到一次回复装不下的流水。对于这些情况，我们的银行流水转换器会单独读取每一页，并把各行合并成一张表。无论用哪种方式，都请把金额相加，并与期末余额核对。

任务4：30页的文档

我们粘贴了《君主论》第一至第九章（11,729词，约30页），只附了一句话："Translate this document into Spanish."

三个模型都返回了全部九章。西班牙语译文的词数是英文原文的93%到95%，而且每一章的比例都落在同样很窄的区间内，从0.91到1.04，说明没有任何内容被压缩。有一处怪现象：Claude Sonnet 5.5 在第八章里两次写出了"残酷"这个中文词（意思是 cruelty），随后在结尾加了一条"译者注"，请读者自行替换成正确的西班牙语词。这种问题只有逐行细读才能发现。

对于30页的干净文本，用AI聊天机器人翻译是个合理的选择。但一份100页的合同或一份扫描版PDF就是另一回事了：需要分多次回复才能完成，而且每一页都要先从图片中识别出文字。我们的PDF翻译会逐页单独处理，最多100页，只需$5。

如果你有长篇任务，这意味着什么

1. 内容短而干净：用AI聊天机器人。 比如几百行的流水、几十页的文档、一集的字幕文件。用完再检查一遍。
2. 先检查结尾。 这次测试中的每一个失误，都出现在结尾或某个计数上：最后一个行号、最后一个时间码、最后一条消息、期末余额、最后一章。
3. 内容长或要求精确：别让模型来管结构。 当任务要求每一行、每条消息或每个时间码都原样返回时，请使用把内容分段发送、并由工具自己重建文件的方式。我们的工具就是这样工作的：前段免费，无需注册；完整任务只需$5，一次付费，无需订阅。

本次测试的局限

每个模型、每项任务只运行了一次，通过API调用，回复长度上限由我们设定。再跑一次，结果可能不同；而聊天应用本身还有各自的限制和文件处理方式。我们使用的聊天记录和流水都是虚构的，流水是干净的文本而非PDF，所有翻译也都只翻成了一种语言。我们公开了测试方法和数据，方便你用自己的文件重复测试；模型更新后，我们也会重新测试。