Přejít k hlavnímu obsahu
🔒 Režim náhledu. Prvních patnáct lekcí Foundations je zdarma; tato je Pro. Spusťte 7denní trial pro odemčení editoru, AI nápověd a zbytku kurzu. Karta vyžadována, zrušte kdykoli v Dashboard.
Spustit 7denní trial →
⚡
← Kurzy
›
AI Engineering with Python
›
Modul 6 · Frontier AI Engineering
›
Dlouhý kontext: 1M okenní strategie
quiz
90 / 105
🇨🇿
CS
▼
↗
Sdílet
⋯
Více
+100 XP
📋
Úkol
📖
Teorie
🤖
Pomoc AI
Úkol
📝 **Otázka:** Kdy je 1M kontext tou správnou volbou? 📋 Vyberte správnou odpověď. 💡 **Tip:** Pokud si nejste jisti, přečtěte si znovu teorii výše.
🎯 Kvíz
Otázka
📝 **Otázka:** Kdy je 1M kontext tou správnou volbou? 📋 Vyberte správnou odpověď. 💡 **Tip:** Pokud si nejste jisti, přečtěte si znovu teorii výše.
A
Always — dump every document, transcript, and code file you have so the model never misses anything during synthesis
B
When you need cross-document reasoning across a fixed, mostly-relevant corpus, and you can amortize the cost via prompt caching.
C
Only for marketing demos and screenshots — production traffic never justifies the prefill latency cost of a full 1M-token window
D
Never — RAG is strictly cheaper and higher quality, and the 1M window exists only as a fallback for users who cannot run a vector store
Odpovědět
💬 Diskuze
Buď první — polož otázku nebo se podělej o tip.
Přihlas se
abys se zapojil do diskuze. Čtení je zdarma.
Načítání diskuze…