长上下文模型来了，RAG 还要不要做？从成本、延迟和可验证性重新算一遍

百万级上下文模型让“把资料全塞进提示词”看起来很诱人，但工程落地不能只看窗口大小。本文从 token 成本、延迟、注意力衰减、引用验证和缓存策略出发，给出一套长上下文与 RAG 混合使用的实践路径。