Quel modèle d'IA a la plus grande fenêtre de contexte ?
La plus grande fenêtre de contexte du catalogue d'août 2026 est de 1M tokens, détenue par DeepSeek V4 Flash 0731 chez DeepSeek. Comme intuition physique approximative, un token représente environ les trois quarts d'un mot anglais, et une page de manuscrit compte environ 400 mots, donc le tableau ci-dessous traduit chaque fenêtre en pages.
Une ligne par fournisseur majeur, montrant son modèle à la plus grande fenêtre de contexte :
| Fournisseur | Modèle au plus grand contexte | Fenêtre de contexte | Contient environ |
|---|---|---|---|
| DeepSeek | DeepSeek V4 Flash 0731 | 1M tokens | environ 2,500 pages |
| OpenAI | GPT-5.4 | 1M tokens | environ 2,000 pages |
| Gemini 2.5 Flash | 1M tokens | environ 2,000 pages | |
| Meta | Llama 4 Maverick | 1M tokens | environ 2,000 pages |
| Qwen | Qwen3.8 2.4T A95B | 1M tokens | environ 2,000 pages |
| Moonshot | Kimi K3 | 1M tokens | environ 2,000 pages |
| Z.ai | GLM 5.2 | 1M tokens | environ 2,000 pages |
| MiniMax | MiniMax M3 | 1M tokens | environ 2,000 pages |
| Anthropic | Claude Fable 5 | 1M tokens | environ 1,900 pages |
| xAI | Grok 4.3 | 1M tokens | environ 1,900 pages |
| Mistral | Mistral Large 3 2512 | 262K tokens | environ 492 pages |
Si la question derrière votre recherche est « qu'est-ce qu'une fenêtre de contexte, déjà », commencez par l'explication en français simple à Qu'est-ce qu'une fenêtre de contexte ? et revenez ensuite pour les chiffres.
Comment se classent les 100 modèles par fenêtre de contexte ?
Le catalogue complet, trié par fenêtre de contexte. Les données proviennent de la même source que l'index du coût des modèles IA et ont été relevées le 2026-08-20 ; il s'agit d'un instantané de cette date plutôt que d'un flux en direct, donc vérifiez la date avant de citer un chiffre. La colonne crédits indique ce que chaque modèle coûte par message dans Whizi, quand un plan l'inclut.
| Modèle | Fournisseur | Fenêtre de contexte | Contient environ | Crédits sur Whizi |
|---|---|---|---|---|
| DeepSeek V4 Flash 0731 | DeepSeek | 1M | environ 2,500 pages | 1 |
| GPT-5.4 | OpenAI | 1M | environ 2,000 pages | 15 |
| GPT-5.5 | OpenAI | 1M | environ 2,000 pages | 20 |
| GPT-5.6 Luna | OpenAI | 1M | environ 2,000 pages | 1 |
| GPT-5.6 Luna Pro | OpenAI | 1M | environ 2,000 pages | Non mesuré |
| GPT-5.6 Sol | OpenAI | 1M | environ 2,000 pages | 20 |
| GPT-5.6 Sol Pro | OpenAI | 1M | environ 2,000 pages | Non mesuré |
| GPT-5.6 Terra | OpenAI | 1M | environ 2,000 pages | 4 |
| GPT-5.6 Terra Pro | OpenAI | 1M | environ 2,000 pages | Non mesuré |
| LongCat 2.0 | Meituan | 1M | environ 2,000 pages | 1 |
| DeepSeek V4 Pro 0813 | DeepSeek | 1M | environ 2,000 pages | 2 |
| Gemini 2.5 Flash | 1M | environ 2,000 pages | 2 | |
| Gemini 2.5 Flash Lite | 1M | environ 2,000 pages | 1 | |
| Gemini 3.1 Flash Lite | 1M | environ 2,000 pages | 1 | |
| Gemini 3.1 Pro Preview | 1M | environ 2,000 pages | 10 | |
| Gemini 3.5 Flash | 1M | environ 2,000 pages | 8 | |
| Gemini 3.5 Flash Lite | 1M | environ 2,000 pages | 2 | |
| Gemini 3.6 Flash | 1M | environ 2,000 pages | 3 | |
| Gemini 3.7 Flash | 1M | environ 2,000 pages | 2 | |
| GLM 5.2 | Z.ai | 1M | environ 2,000 pages | 3 |
| GLM 5.3 | Z.ai | 1M | environ 2,000 pages | 5 |
| Inkling | Thinkingmachines | 1M | environ 2,000 pages | 4 |
| Kimi K3 | Moonshot | 1M | environ 2,000 pages | 10 |
| Laguna S 2.1 | Poolside | 1M | environ 2,000 pages | 1 |
| Llama 4 Maverick | Meta | 1M | environ 2,000 pages | 1 |
| MiniMax M3 | MiniMax | 1M | environ 2,000 pages | 1 |
| Muse Spark 1.1 | Meta | 1M | environ 2,000 pages | 5 |
| Muse Spark 1.2 | Meta | 1M | environ 2,000 pages | 5 |
| Qwen3.8 2.4T A95B | Qwen | 1M | environ 2,000 pages | 8 |
| Claude Fable 5 | Anthropic | 1M | environ 1,900 pages | 50 |
| Claude Opus 4.7 (Fast) | Anthropic | 1M | environ 1,900 pages | Non mesuré |
| Claude Opus 4.8 | Anthropic | 1M | environ 1,900 pages | 20 |
| Claude Opus 4.8 (Fast) | Anthropic | 1M | environ 1,900 pages | Non mesuré |
| Claude Opus 5 | Anthropic | 1M | environ 1,900 pages | 20 |
| Claude Opus 5 (Fast) | Anthropic | 1M | environ 1,900 pages | Non mesuré |
| Claude Sonnet 4.5 | Anthropic | 1M | environ 1,900 pages | 10 |
| Claude Sonnet 4.6 | Anthropic | 1M | environ 1,900 pages | 10 |
| Claude Sonnet 5 | Anthropic | 1M | environ 1,900 pages | 10 |
| Fugu Ultra | Sakana | 1M | environ 1,900 pages | 25 |
| Grok 4.3 | xAI | 1M | environ 1,900 pages | 4 |
| Qwen3.5 Plus 2026-04-20 | Qwen | 1M | environ 1,900 pages | 1 |
| Qwen3.6 Flash | Qwen | 1M | environ 1,900 pages | 1 |
| Qwen3.7 Flash | Qwen | 1M | environ 1,900 pages | 1 |
| Qwen3.7 Max | Qwen | 1M | environ 1,900 pages | 5 |
| Qwen3.7 Plus | Qwen | 1M | environ 1,900 pages | 1 |
| Qwen3.8 27B | Qwen | 1M | environ 1,900 pages | 3 |
| Qwen3.8 Max | Qwen | 1M | environ 1,900 pages | 6 |
| Inkling Small | Thinkingmachines | 524K | environ 983 pages | 1 |
| Solar Pro 4 | Upstage | 524K | environ 983 pages | 1 |
| Nemotron 3 Ultra | NVIDIA | 512K | environ 961 pages | 3 |
| Grok 4.5 | xAI | 500K | environ 938 pages | 6 |
| Grok 4.6 | xAI | 500K | environ 938 pages | 6 |
| GPT Chat Latest | OpenAI | 400K | environ 750 pages | 25 |
| GPT-5.4 Mini | OpenAI | 400K | environ 750 pages | 4 |
| GPT-5.4 Nano | OpenAI | 400K | environ 750 pages | 2 |
| Nova Pro 1.0 | Amazon | 300K | environ 563 pages | 3 |
| Hy3 | Tencent | 262K | environ 492 pages | 1 |
| Kimi K2 Thinking | Moonshot | 262K | environ 492 pages | 10 |
| Kimi K2.7 Code | Moonshot | 262K | environ 492 pages | 10 |
| Laguna XS 2.1 | Poolside | 262K | environ 492 pages | 1 |
| Ling-3.0-flash | inclusionAI | 262K | environ 492 pages | 1 |
| Mistral Large 3 2512 | Mistral | 262K | environ 492 pages | 2 |
| Mistral Medium 3.5 | Mistral | 262K | environ 492 pages | 6 |
| Nemotron 3.5 Lightning | NVIDIA | 262K | environ 492 pages | 1 |
| Nex-N2-Mini | Nex Agi | 262K | environ 492 pages | 1 |
| Nex-N2-Pro | Nex Agi | 262K | environ 492 pages | 1 |
| Qwen3 Coder Next | Qwen | 262K | environ 492 pages | 1 |
| Qwen3.6 35B A3B | Qwen | 262K | environ 492 pages | 1 |
| Ring-2.6-1T | inclusionAI | 262K | environ 492 pages | 1 |
| Sakana Namazu | Sakana | 262K | environ 492 pages | 4 |
| Seed 2.1 Turbo | Bytedance Seed | 262K | environ 492 pages | 2 |
| Seed-2.0-Code | Bytedance Seed | 262K | environ 492 pages | 3 |
| Step 3.7 Flash | Stepfun | 262K | environ 492 pages | 1 |
| Codestral 2508 | Mistral | 256K | environ 480 pages | 1 |
| Command A | Cohere | 256K | environ 480 pages | 10 |
| Grok Build 0.1 | xAI | 256K | environ 480 pages | 3 |
| KAT-Coder-Air V2.5 | Kwaipilot | 256K | environ 480 pages | 1 |
| KAT-Coder-Pro V2.5 | Kwaipilot | 256K | environ 480 pages | 3 |
| GLM 4.6 | Z.ai | 205K | environ 384 pages | 1 |
| GLM 4.7 | Z.ai | 205K | environ 384 pages | 2 |
| GLM 5 | Z.ai | 205K | environ 384 pages | 2 |
| MiniMax M2 | MiniMax | 205K | environ 384 pages | 1 |
| Claude Haiku 4.5 | Anthropic | 200K | environ 375 pages | 4 |
| DeepSeek V3.1 | DeepSeek | 164K | environ 307 pages | 1 |
| DeepSeek V3.2 | DeepSeek | 164K | environ 307 pages | 1 |
| Aion-3.0 | Aion Labs | 131K | environ 246 pages | 10 |
| Aion-3.0-Mini | Aion Labs | 131K | environ 246 pages | 2 |
| Granite 4.1 8B | Ibm Granite | 131K | environ 246 pages | 1 |
| Kimi K2 0711 | Moonshot | 131K | environ 246 pages | 10 |
| Llama 3.3 70B Instruct | Meta | 131K | environ 246 pages | 1 |
| Mistral Medium 3.1 | Mistral | 131K | environ 246 pages | 2 |
| Muse Glimmer 30B | Meta | 131K | environ 246 pages | 2 |
| Nano Banana 2 (Gemini 3.1 Flash Image) | 131K | environ 246 pages | Non mesuré | |
| Nano Banana Pro (Gemini 3 Pro Image) | 131K | environ 246 pages | Non mesuré | |
| Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image) | 66K | environ 123 pages | Non mesuré | |
| R1 | DeepSeek | 64K | environ 120 pages | 2 |
| Perceptron Mk1 | Perceptron | 33K | environ 61 pages | 1 |
| Phi 4 | Microsoft | 16K | environ 31 pages | 1 |
| Hy-MT2-1.8B | Tencent | 8K | environ 15 pages | Non mesuré |
| Hy-MT2-30B-A3B | Tencent | 8K | environ 15 pages | Non mesuré |
Comment lire ces chiffres honnêtement
La fenêtre est partagée. Tout compte dedans en même temps : votre prompt, chaque message précédent de la conversation, tout document que vous avez joint, et la réponse en cours de rédaction. Un modèle avec une fenêtre de 128K qui a déjà lu un contrat de 100K tokens n'a pas 128K restants pour la discussion ; il lui en reste 28K.
L'annoncé n'est pas l'effectif. La recherche sur le contexte long trouve sans cesse le même schéma : les modèles se souviennent mieux du début et de la fin d'un contexte immense que du milieu. Dans les expériences Lost in the Middle (Liu et al., 2023), déplacer le document clé des bords vers le milieu de l'entrée a coûté aux modèles environ 20 points de précision, si bien qu'un modèle peut accepter un million de tokens et pourtant glisser sur la clause enfouie au token 400 000. Pour un travail à enjeux élevés sur de longs documents, interrogez spécifiquement les sections du milieu, ou fournissez le document en parties étiquetées.
Plus grand n'est pas automatiquement meilleur. Les grandes fenêtres coûtent plus cher à faire tourner et peuvent diluer l'attention sur du texte non pertinent. Si votre travail se limite à des e-mails et de courts brouillons, la taille de la fenêtre ne sera jamais ce que vous remarquerez. Cela commence à compter pour des contrats entiers, des bases de code, des transcriptions et des livres.
Les tokens ne sont pas des mots. La règle des trois quarts est une bonne moyenne pour l'anglais, mais le code, les nombres et les langues autres que l'anglais se tokenisent souvent moins efficacement, donc les estimations de pages dans le tableau sont volontairement approximatives.
Adaptez la fenêtre à la tâche
La conclusion pratique de ce tableau, c'est que la fenêtre de contexte est un choix par tâche, pas un choix par abonnement. Le modèle avec la plus grande fenêtre est rarement le meilleur rédacteur, et le meilleur rédacteur est rarement le moyen le moins cher de résumer 800 pages.
C'est l'argument pour avoir tout le catalogue dans un seul espace de travail. Dans Whizi, vous pouvez confier le PDF de 200 pages à un modèle à grand contexte, puis passer à Claude ou GPT dans la même conversation pour rédiger à partir de ce qu'il a trouvé, sans que le document ne quitte le fil. Le contrepoint honnête : si tout ce que vous donnez à un modèle tient confortablement dans une fenêtre de 128K, ce qui couvre la plupart des e-mails, de la rédaction et du travail sur documents courts, tout ce tableau ne sert à rien et un abonnement à un seul fournisseur est l'achat le plus simple. Le guide comment choisir un modèle couvre la même décision pour la qualité et le coût.
Pour citer cette page : l'URL sans ancre est stable, la date des données est indiquée au-dessus du tableau complet, et les chiffres de tokens proviennent du catalogue des fournisseurs plutôt que de pages marketing.
- Soustrayez vos documents et l'historique de la fenêtre avant de faire confiance au chiffre affiché
- Pour les longs documents, testez le rappel du milieu, pas seulement du début
- Traduisez les tokens en pages avec la règle des trois quarts avant de décider quoi que ce soit
- Choisissez la fenêtre par tâche plutôt que par abonnement
- Vérifiez la date des données au-dessus du tableau complet avant de citer un chiffre
Questions fréquentes
Quel modèle d'IA a la plus grande fenêtre de contexte ?
Dans le catalogue d'août 2026, c'est DeepSeek V4 Flash 0731 chez DeepSeek, avec 1M tokens. Le tableau complet ci-dessus liste les 100 modèles triés par taille de fenêtre, avec la date des données indiquée au-dessus.
Quelle est la plus grande fenêtre de contexte de Claude ?
La plus grande fenêtre de contexte Claude dans l'index est de 1M tokens (Claude Fable 5), ce qui contient environ 1,900 pages de texte. Les variantes Claude plus petites sont listées dans le tableau complet ci-dessus.
Quelle est la plus grande fenêtre de contexte GPT ?
La plus grande fenêtre de contexte GPT dans l'index est de 1M tokens (GPT-5.4), ce qui contient environ 2,000 pages de texte. Les variantes GPT plus petites sont listées dans le tableau complet ci-dessus.
Quelle est la plus grande fenêtre de contexte Gemini ?
La plus grande fenêtre de contexte Gemini dans l'index est de 1M tokens (Gemini 2.5 Flash), ce qui contient environ 2,000 pages de texte. Les variantes Gemini plus petites sont listées dans le tableau complet ci-dessus.
Quelle est la plus grande fenêtre de contexte Grok ?
La plus grande fenêtre de contexte Grok dans l'index est de 1M tokens (Grok 4.3), ce qui contient environ 1,900 pages de texte. Les variantes Grok plus petites sont listées dans le tableau complet ci-dessus.
Une fenêtre de contexte plus grande est-elle toujours meilleure ?
Non. Les fenêtres plus grandes coûtent plus cher, et le rappel se dégrade vers le milieu d'un très grand contexte. Plus grand est décisif pour des livres entiers, des bases de code et de longues transcriptions, et sans intérêt pour une discussion quotidienne. Adaptez la fenêtre à la tâche plutôt que de payer pour le plus gros chiffre.
Combien de pages tiennent dans une fenêtre de contexte ?
Divisez le nombre de tokens par environ 530 pour obtenir des pages de manuscrit : un token représente environ les trois quarts d'un mot anglais, et une page compte environ 400 mots. Donc 128K tokens représentent environ 240 pages, et un million de tokens environ 1,900 pages. Le code et les textes non anglais tiennent généralement moins.