Справочник

Что такое контекстное окно: сколько влезает и что потом

17 сентября 2026 · 13 минут чтения

Проверка фактов

Юлия Найпак

Методист по автоматизации. Сверяет паспорт инструмента с документацией вендора.

Автор Р

Редакция

Коллектив авторов, редакторов и иллюстраторов статей на сайте блога онлайн-университета «Зерокодер». Пишем…

Черновик готовит редакция с помощью ИИ. За стандарт издания отвечает главный редактор — Валерий Курземнек.

Материал редакции Зерокодера. Размеры окон сняты с документации поставщиков 17 сентября 2026 года, адрес строки указан рядом с числом. Обновлено: сентябрь 2026.

Контекстное окно — это предел текста, который языковая модель обрабатывает за один вызов; меряется он в токенах, и всё, что в такое окно не поместилось, модель не видит вовсе. Внутрь одного лимита складываются системная инструкция, история диалога, приложенные файлы, ответы инструментов и сам будущий ответ. У флагманов сентября 2026 года окно держится около миллиона токенов, у GigaChat — 128 000.

Главное:

• Окно занимает не только ваш вопрос: системный промпт, вся переписка, приложенные документы и генерируемый ответ делят один лимит.
• Замер редакции на 34 русских страницах топ-10 выдачи: 3,91 символа на токен, то есть окно 1 048 576 токенов вмещает 2276 страниц русского текста по 1800 знаков.
• У Claude Opus 5 и Sonnet 5 окно 1 млн токенов, у Gemini 3.1 Pro — 1 048 576, у GPT-6 Astra — 1,05 млн, у Grok 4.6 — 500K, у GigaChat 2 Max — 128 000.
• При переполнении API отвечает ошибкой, чат молча выбрасывает старые реплики, локальный рантайм обрезает начало промпта без предупреждения.
• Паспортное число окна и глубина надёжной работы — величины разные: документация Google сама признаёт падение точности, когда искомых фрагментов несколько.

Что такое контекстное окно простыми словами

Контекстное окно языковой модели — это максимальное число токенов, которое модель принимает и удерживает за один вызов. Токен — кусок текста, который модель считает единицей: по замеру редакции токен русского текста весит в среднем 3,91 знака, а слово «контекстное» токенизатор o200k_base дробит на три части — «конт», «екст», «ное».

Сравнение: окно — это стол, на который перед ответом раскладывают бумаги. Легли инструкция, переписка и два документа — модель видит их разом и связывает между собой. Третий документ на стол уже не встал, и для модели его нет: она отвечает по видимому, не догадываясь о спрятанном.

Мини-вывод: контекстное окно языковой модели — это площадь стола в токенах; объём знаний модели измеряется отдельно.

Что занимает место в контекстном окне модели

В контекстное окно попадает вся заявка целиком — реплика пользователя там лишь одна из частей. Документация Anthropic перечисляет состав дословно: «Everything in the request counts toward the context window: the system prompt, every message in messages (including tool results, images, and documents), and your tool definitions» — считается системный промпт, каждое сообщение переписки вместе с результатами инструментов, картинками и документами, а также описания самих инструментов. Ответ, который модель сейчас пишет, расходует тот же лимит.

Следствие удивляет чаще прочего: инструкция на 5000 токенов в окне 128 000 забирает место у документа, который вы туда клали, а у агентов описания инструментов съедают тысячи токенов до первой реплики человека. Как устроена сама модель, разобрано в материале про большие языковые модели, а превращение текста в числа — в разборе эмбеддингов.

Мини-вывод: контекстное окно — бюджет на один вызов, и четыре статьи расхода в нём конкурируют.

Сколько текста помещается в контекстное окно: замер на русском

«Сколько влезет» зависит от языка: ходовое правило «один токен ≈ 0,75 английского слова» для русского завышает объём, кириллица дробится мельче.

Редакция посчитала курс на живом материале. Корпус — проза 34 русскоязычных страниц из выдачи Яндекса по кластеру «контекстное окно» 17 сентября 2026 года, объём 420 912 знаков, токенизатор o200k_base (tiktoken 0.12.0). Итог: 107 751 токен, то есть 3,91 символа на токен. Страница в 1800 знаков стоит 461 токен.

Оговорка: o200k_base — кодировка OpenAI, у Claude, Gemini и GigaChat словари свои, и на том же тексте счёт разойдётся примерно в полтора раза.

Мини-вывод: 2276 страниц русского текста в окне на миллион токенов — это верхняя граница объёма; качество работы на такой длине измеряется отдельно.

Контекстное окно ведущих моделей на 17 сентября 2026 года

Размеры окон сняты со страниц поставщиков 17 сентября 2026 года; рядом с каждым числом стоит адрес, по которому оно проверяется.

Две карточки Gemini датированы разными днями — 18 августа и 2 сентября. Это и есть причина писать дату рядом с числом: даже один поставщик правит страницы вразнобой, и таблица без даты стареет молча.

Мини-вывод: в сентябре 2026 года миллион токенов стал нормой флагмана, 128 000 — нормой рабочей модели.

У какой нейросети самое большое контекстное окно

Самое большое контекстное окно среди публичных моделей на 17 сентября 2026 года — 1,05 млн токенов у GPT-6 Astra и линейки GPT-5.6 по документации OpenAI. Вплотную идут Claude Opus 5, Sonnet 5, Fable 5.1 и DeepSeek V4-Pro с 1 млн токенов; у Gemini 3.1 Pro предел входа записан точным числом 1 048 576.

Разница между 1 000 000 и 1 048 576 неразличима на практике: 2170 страниц русского текста против 2276. Зазор между 1 млн и 128 000 другой: 2276 страниц против 278.

Мини-вывод: гонка за размером упёрлась в миллион, дальше решает качество работы на длинном тексте.

Контекстное окно российских моделей: GigaChat и YandexGPT

У российских моделей окно меньше. Документация Сбера называет для GigaChat 2 Max, GigaChat 2 Pro и GigaChat 2 Lite одно и то же число: «Размер контекстного окна 128 000 токенов». В страницах это примерно 278 страниц русского текста, но пересчёт сделан по кодировке o200k_base, а словарь GigaChat другой — точную длину даёт только счётчик Сбера.

Отдельная находка: карточка GigaChat 3 Ultra, обновлённая 17 июля 2026 года, размер окна не называет вовсе — этой строки на странице нет. Документацию YandexGPT проверить не удалось: обращение к справке Яндекса 17 сентября 2026 года упёрлось в капчу, и число без источника мы не приводим. Что умеет сама модель, разобрано в материале про YandexGPT 5 Pro.

Мини-вывод: по размеру контекстного окна российская модель отстаёт от флагманов примерно в восемь раз.

Что происходит при переполнении контекстного окна

При переполнении возможны три исхода, и опаснее всех тихий.

Ошибка от API. Документация Anthropic описывает случай буквально: если один вход уже превышает окно, API возвращает 400 invalid_request_error с текстом «prompt is too long». Если вход помещается, а генерация упирается в потолок по ходу, ответ обрывается со стоп-причиной model_context_window_exceeded.

Выбрасывание старых реплик в чате. Та же страница отмечает: чат-интерфейсы вроде claude.ai управляют окном по принципу «first in, first out» — самые ранние сообщения уходят первыми. Предупреждения нет, и со стороны это выглядит забывчивостью.

Тихое усечение в локальном рантайме. Здесь свидетельство чужое: прогон на Ollama 0.32.13 с моделью qwen2.5:7b опубликовал учебный центр «Школа Больших Данных», и рантайм там, по описанию автора, «молча выбросил лишнее» из начала промпта: ни ошибки, ни предупреждения. Свой стенд редакция не гоняла.

Мини-вывод: ошибка API — благо, она видна; забывчивость чата и обрезка рантайма маскируются под нормальный ответ.

Почему заявленное контекстное окно больше рабочего

Паспортное число отвечает ровно на один вопрос: сколько токенов сервер примет, не обрезав. Насколько глубоко модель прочитает принятое, там не написано ничего.

Стандартная проверка — «иголка в стоге сена»: в длинный бесполезный текст прячут один факт и спрашивают про него, двигая позицию. На одной иголке флагманы дают около 99 процентов. Документация Google сразу оговаривает границу: при нескольких искомых фрагментах «the model does not perform with the same accuracy» — точность падает, и насколько, зависит от содержимого.

Добавляются два эффекта: провал середины, когда факт из центра учитывается хуже краёв, и накопление мусора в долгом диалоге — отменённые решения продолжают влиять на ответ.

Мини-вывод: рабочую глубину окна выясняют пробой на собственных данных, паспортное число нужно для расчёта лимитов и цены.

Потолок ответа: второе число рядом с контекстным окном

Рядом с окном стоит второй лимит — максимальная длина одного ответа. Он меньше окна и ограничивает генерацию отдельно: у GPT-6 Astra и Claude Opus 5 это 128K токенов, у Gemini 3.1 Pro — 65 536, у Claude Haiku 4.5 — 64K, у DeepSeek — 384K.

Смысл простой: модель с окном на миллион токенов прочитает книгу целиком, но переписать её одним ответом не сможет. Задача «переведи весь документ за раз» упирается в этот потолок и решается разбиением.

Мини-вывод: размер контекстного окна отвечает за чтение, потолок ответа — за письмо, и путать их дорого.

Контекстное окно и память нейросети: в чём разница

Контекстное окно — это не память. Между двумя обращениями модель о вас ничего не помнит: приложение всякий раз собирает переписку в один текст и шлёт заново, а модель читает присланное с чистого листа. Память в чате — свойство обёртки вокруг модели, и за неё платят токенами в каждом запросе.

Поэтому «память» ChatGPT и проекты в Claude устроены иначе: это внешнее хранилище фактов, из которого приложение подмешивает нужное в очередной запрос. Токены окна оно тоже тратит, просто выбирает, что положить. Долговременная память агента живёт в базе, и в окно попадает выборка под текущий шаг.

Мини-вывод: окно — это стол, на который каждый раз заново раскладывают бумаги, а память — шкаф, из которого их достают.

Как посчитать, влезет ли документ в контекстное окно

Считать нужно до отправки, четырьмя шагами.

1. Возьмите объём документа в знаках — редактор показывает его в статистике.
2. Разделите на 3,91 для русского текста: получится оценка в токенах. Для английского делите на 5,07 — контрольная группа из трёх англоязычных страниц того же съёма дала именно такой курс, то есть русский текст расходует окно в 1,3 раза быстрее.
3. Прибавьте инструкцию, историю диалога и место под ответ — обычно ещё 2000–10 000 токенов.
4. Сравните сумму с окном модели из таблицы и оставьте запас в двадцать процентов.

Точнее считает счётчик поставщика: у OpenAI и Anthropic есть методы подсчёта до отправки. Пример: договор на 40 000 знаков — около 10 200 токенов, он входит даже в окно GigaChat на 128 000.

Мини-вывод: контекстное окно считается заранее арифметикой; узнавать его границу по факту отказа дороже.

Что делать, когда контекстное окно кончается

Четыре рабочих приёма, и они совместимы.

Новый диалог с выжимкой. Попросите модель собрать резюме договорённостей и перенесите его в свежий чат: вместо истории на десятки тысяч токенов останется нужное.

Важное — по краям. Инструкции и ключевые факты ставят в начало или конец запроса: середину длинного текста модели учитывают хуже.

Поиск вместо загрузки. Когда документов много, их индексируют и кладут в окно только найденные фрагменты. Как устроен конвейер — в материале про генерацию с извлечением.

Чистка системного промпта. Длинная инструкция оплачивается каждым запросом, и правила, которые ни на что не влияют, дешевле удалить. Как писать компактно — в разборе промптов для нейросетей.

Мини-вывод: переполнение лечится управлением содержимым, увеличение окна лишь отодвигает границу.

Почему контекстное окно нельзя сделать бесконечным

Ограничение растёт из устройства внимания. В трансформере каждый токен сопоставляется с каждым, поэтому вычисления растут квадратично: удвоение входа требует вчетверо больше работы. Второе ограничение — кэш ключей и значений: он растёт линейно с длиной и отъедает видеопамять поверх весов модели.

Платится это дважды. Временем: документация Google прямо отмечает, что длинный запрос увеличивает задержку до первого токена. Деньгами: провайдер считает вход заново в каждом обращении, поэтому раздутая на пару тысяч токенов инструкция списывает разницу с баланса столько раз, сколько в диалоге реплик.

Мини-вывод: длинное контекстное окно — это платная опция, и пустой мегабайт в запросе стоит столько же, сколько полезный.

Контекстное окно и контекстное меню: разные вещи

Контекстное меню и контекстное окно — термины из разных областей, и выдача их смешивает. По запросу «что такое контекстное окно» Яндекс 17 сентября 2026 года поднял в топ-10 две страницы про контекстное меню: skyeng.ru на третьей позиции и статью Википедии Context menu на шестой. Контекстное меню — выпадающий список команд по правой кнопке мыши в Windows и macOS: копировать, вставить, переименовать. Контекстное окно — предел данных на один вызов языковой модели, измеряемый в токенах. Общего у них только прилагательное. Искали список по правой кнопке — вам нужна статья про меню системы; искали предел нейросети — вы на месте.

Мини-вывод: два похожих термина из разных областей, которые выдача смешивает.

Чек-лист: как не упереться в контекстное окно

Числа в этой теме стареют быстро: размеры окон называют 5 страниц топ-10, и самые цитируемые датированы 2024 годом. Проверяйте дату рядом с числом — дата съёма стоит в шапке статьи.

Частые вопросы про контекстное окно

Что такое контекстное окно простыми словами?
Предел текста, который нейросеть удерживает во время одного ответа: инструкция, переписка, файлы и сам ответ. Меряется в токенах — 1800 знаков русского текста стоят примерно 461 токен по замеру редакции.

Что описывает контекстное окно модели?
Максимальное число токенов на один вызов. Качество работы это число не гарантирует: модель принимает миллион токенов и при этом хуже находит факты в середине длинного текста.

У какой нейросети самое большое контекстное окно?
На 17 сентября 2026 года — 1,05 млн токенов у GPT-6 Astra по документации OpenAI. Рядом Claude Opus 5 и DeepSeek V4-Pro с 1 млн.

Какое контекстное окно у GigaChat?
128 000 токенов у GigaChat 2 Max, Pro и Lite по документации Сбера. В страницах это около 278 страниц русского текста при счёте по кодировке o200k_base; у GigaChat словарь свой, поэтому оценка грубая. Карточка GigaChat 3 Ultra размер окна не называет.

Что происходит, когда контекстное окно переполнено?
API возвращает ошибку 400 с текстом «prompt is too long» либо обрывает генерацию со стоп-причиной model_context_window_exceeded. Чат-интерфейс выбрасывает самые старые сообщения по принципу «first in, first out». Локальный рантайм обрезает начало промпта молча.

Для чего нужно контекстное окно в языковых моделях?
Оно удерживает вычисления в разумных пределах: внимание растёт квадратично от длины входа, а кэш ключей и значений — линейно.