这类问题我又碰上了一次。把一份 300 页的合同全文塞进 claude-3-5-sonnet 的一次请求，估算 19 万 token，接口返回 400，原文是 prompt is too long: 195000 tokens > 190000 maximum。
第一反应是「中文按字符估算的 token 数偏乐观」，验证下来不成立。
真正麻烦的地方在于，几个原因的现象几乎一样。模型上下文上限是 200k，但要给输出预留额度；文档里有重复附录，占了近三成 token；系统提示与工具定义也计入同一预算。
先按真实分词估算总量
python -c "print({'chars':420000,'est_tokens':195000})"去掉重复附录后再估一次
python -c "print({'chars':310000,'est_tokens':142000})"再往下把输出额度显式留出来
python -c "print({'max_tokens':4096,'budget':195904})"超长文档改成分段摘要再汇总
curl https://api.anthropic.com/v1/messages -H "x-api-key: $KEY" -H "anthropic-version: 2023-06-01" -d @part1.json白天有业务在跑，能验证的部分都压到了晚上做。
改完先别撤，确认这几项。请求返回 200 并给出完整回答，输入 token 小于上限减去输出额度，分段汇总的结论与原合同逐条可对应。
容易忽略的是，上下文上限是输入加输出的总和，把 200k 全给输入就必然失败，先扣掉输出预算再决定切几段。改动前把原配置备份一份，出问题能马上回滚，这比任何技巧都实用。