据 God of Prompt 在 X 上转述 Nishkarsh（@contextkingceo）线程称，企业把预算投入从 GPT4 升级到 GPT5、从 Claude3 升级到 Claude4、从 Gemini2 升级到 Gemini3，但准确率仍徘徊在约50%，生产环境的幻觉问题未解，根因在于“记忆与上下文”而非模型本体。根据该来源，语义塌缩发生在知识库规模扩大、会话过长、嵌入密度过高时，相似度被误当作相关性，导致检索噪声放大并输出自信但错误的答案。来源指出，企业应将投入转向检索与记忆架构：如分层检索、稀疏与混合搜索、租户级索引、段落去重、短长记忆分离、查询重写与基于溯源的响应门控；同时配套真值标注集评测、强制引用与不支持即拒答的护栏，可突破所谓“50%天花板”。据该线程，提供上下文优化与记忆编排的解决方案商将通过降低无效大模型调用、让更小模型满足SLA而释放成本与效率红利。