Update GPT-5 context window to 400K

Author: yeasy

02_llm_basics/2.1_how_llm_works.md

@@ -77,7 +77,7 @@ $$P(x_1, x_2, ..., x_n) = \prod_{i=1}^{n} P(x_i | x_1, x_2, ..., x_{i-1})$$
 
 大模型的发展经历了多个重要阶段，呈现加速演进的特点：
 
-**OpenAI GPT 系列**：从 GPT-3（2020年，175B 参数，4K 上下文）→ GPT-3.5（2022年，改进推理与指令遵循）→ GPT-4（2023年3月，多模态能力，8K/32K 上下文）→ GPT-4 Turbo（2023年11月，128K 上下文）→ GPT-5（2025年8月，128K 上下文）→ GPT-5.1-5.4 系列（2025–2026年迭代，5.4 达到 1M 上下文）。
+**OpenAI GPT 系列**：从 GPT-3（2020年，175B 参数，4K 上下文）→ GPT-3.5（2022年，改进推理与指令遵循）→ GPT-4（2023年3月，多模态能力，8K/32K 上下文）→ GPT-4 Turbo（2023年11月，128K 上下文）→ GPT-5（2025年8月，400K 上下文）→ GPT-5.1-5.4 系列（2025–2026年迭代，5.4 达到 1M 上下文）。
 
 **Meta LLaMA 系列**：从 LLaMA（2023年，开源基座）→ LLaMA 2（2023年7月，70B 增强）→ LLaMA 3（2024年，改进指令遵循）→ Llama 4 Scout（2025年4月，10M 超长上下文）与 Llama 4 Maverick（2025年4月，1M 上下文高性能）。
 

02_llm_basics/2.4_model_comparison.md

@@ -7,9 +7,10 @@
 | 模型系列 | 常见上下文窗口（官方可能随版本调整） | 典型优势 | 典型取舍 |
 |------|--------|------------|------------|
 | OpenAI GPT 系列 | 128K–1M（GPT-5 系列 最高 1M） | 通用推理与工具生态成熟 | 成本与延迟需按档位权衡 |
-| — GPT-5（2025年8月） | 128K（API 最高 400K） | 强大推理能力 | 需按版本评估 |
+| — GPT-5（2025年8月） | 400K | 强大推理能力 | 需按版本评估 |
 | — GPT-5.1-5.4（2025–2026年迭代） | 128K–1M（5.4 达到 1M） | 性能优化与稳定性 | 版本差异需关注 |
 | Anthropic Claude 系列 | 200K–1M | 长文理解、代码与写作稳定性 | 峰值吞吐和成本需按场景评估 |
+| — Claude Opus 4.6（2026年2月） | 1M | 最强推理与分析能力 | $5/$25 per 1M tokens |
 | — Claude Sonnet 4.6（2026年2月） | 1M | 高性能与成本均衡 | $3/$15 per 1M tokens |
 | — Claude Haiku 4.5（2025年10月） | 200K | 轻量快速推理 | $1/$5 per 1M tokens |
 | Google Gemini 系列 | 1M | 多模态与长上下文任务 | 生态与部署模式需结合现有栈 |