Деградация точности и безопасности LLM агентов в длинном контексте

Модели с заявленными 1-2M токенами контекста рушатся уже на 100K — точность падает больше чем на 50%, а механизмы безопасности ведут себя хаотично. Критическая находка: позиция контекста решает всё. Когда справочные данные размещены после задачи (а не до) — деградация в разы сильнее. Grok 4 Fast падает почти до нуля между 50K и 100K токенами, хотя заявлено 2M. Маркетинговый лимит ≠ реальная производительность.