Summarize（摘要）是让模型或工具把长文本压缩成核心要点的任务，随着大模型上下文越来越长，它已从简单的文本总结演变为 AI 应用里控制成本、清理上下文的关键环节。近期值得关注的一条主线是：通用大模型做摘要之外，出现了专门为摘要等单一任务设计的小型专用模型，以更低的成本和更高的速度切入这个场景。
Summarize 的近期进展
当前焦点与观察点
目前的讨论集中在两点：一是专用小模型能否在摘要这类边界清晰的任务上真正替代通用 LLM。约束解码方案以任务单一换取速度（宣称快 200 倍）和免费额度，但输出质量、与通用模型的差距仍需实际验证，相关数据多来自官方口径，第三方评测还很少。
二是摘要正在从“功能”变成“基础设施”。Claude Code v2.1.141 持续迭代（发布说明），社区总结出的“Summarize from here”这类上下文管理技巧被广泛传播，说明在长上下文 Agent 场景里，摘要已被当作控制 token 成本和保持任务连贯性的常规手段。对开发者而言，接下来值得观察的是专用摘要模型在真实生产环境中的表现，以及它与通用 LLM 之间的成本—质量权衡最终会落在哪个区间。