השוואת חלון הקשר: כל מודלי ה-AI המובילים בטבלה אחת

לאיזה מודל AI יש חלון ההקשר הגדול ביותר?

חלון ההקשר הגדול ביותר בקטלוג של אוגוסט 2026 הוא 1M טוקנים, אצל DeepSeek V4 Flash 0731 מבית DeepSeek. כאינטואיציה פיזית גסה, טוקן אחד שווה בערך לשלושה רבעים ממילה באנגלית, ועמוד כתב יד ממוצע מכיל כ-400 מילים, כך שהטבלה שלהלן ממירה כל חלון לעמודים.

שורה אחת לכל ספק מוביל, המציגה את המודל בעל החלון הגדול ביותר שלו:

ספק	המודל עם החלון הגדול ביותר	חלון הקשר	מתאים בערך ל
DeepSeek	DeepSeek V4 Flash 0731	1M tokens	כ-2,500 עמודים
OpenAI	GPT-5.4	1M tokens	כ-2,000 עמודים
Google	Gemini 2.5 Flash	1M tokens	כ-2,000 עמודים
Meta	Llama 4 Maverick	1M tokens	כ-2,000 עמודים
Qwen	Qwen3.8 2.4T A95B	1M tokens	כ-2,000 עמודים
Moonshot	Kimi K3	1M tokens	כ-2,000 עמודים
Z.ai	GLM 5.2	1M tokens	כ-2,000 עמודים
MiniMax	MiniMax M3	1M tokens	כ-2,000 עמודים
Anthropic	Claude Fable 5	1M tokens	כ-1,900 עמודים
xAI	Grok 4.3	1M tokens	כ-1,900 עמודים
Mistral	Mistral Large 3 2512	262K tokens	כ-492 עמודים

אם השאלה שמאחורי החיפוש שלך היא "מה זה בעצם חלון הקשר", התחילו עם ההסבר הבהיר ב-What is a context window? וחזרו לכאן לנתונים.

איך מדורגים כל 100 המודלים לפי חלון הקשר?

הקטלוג המלא, ממוין לפי חלון הקשר. הנתונים מגיעים מאותו מקור כמו AI Model Cost Index ונשלפו בתאריך 2026-08-20; זוהי תמונת מצב של אותו תאריך ולא הזנה חיה, אז בדקו את התאריך לפני ציטוט נתון. עמודת הקרדיטים מציגה כמה עולה כל מודל להודעה בתוך Whizi, כאשר תוכנית כלשהי כוללת אותו.

Model	Provider	Context window	Fits roughly	Credits in Whizi
DeepSeek V4 Flash 0731	DeepSeek	1M	כ-2,500 עמודים	1
GPT-5.4	OpenAI	1M	כ-2,000 עמודים	15
GPT-5.5	OpenAI	1M	כ-2,000 עמודים	20
GPT-5.6 Luna	OpenAI	1M	כ-2,000 עמודים	1
GPT-5.6 Luna Pro	OpenAI	1M	כ-2,000 עמודים	לא נמדד
GPT-5.6 Sol	OpenAI	1M	כ-2,000 עמודים	20
GPT-5.6 Sol Pro	OpenAI	1M	כ-2,000 עמודים	לא נמדד
GPT-5.6 Terra	OpenAI	1M	כ-2,000 עמודים	4
GPT-5.6 Terra Pro	OpenAI	1M	כ-2,000 עמודים	לא נמדד
LongCat 2.0	Meituan	1M	כ-2,000 עמודים	1
DeepSeek V4 Pro 0813	DeepSeek	1M	כ-2,000 עמודים	2
Gemini 2.5 Flash	Google	1M	כ-2,000 עמודים	2
Gemini 2.5 Flash Lite	Google	1M	כ-2,000 עמודים	1
Gemini 3.1 Flash Lite	Google	1M	כ-2,000 עמודים	1
Gemini 3.1 Pro Preview	Google	1M	כ-2,000 עמודים	10
Gemini 3.5 Flash	Google	1M	כ-2,000 עמודים	8
Gemini 3.5 Flash Lite	Google	1M	כ-2,000 עמודים	2
Gemini 3.6 Flash	Google	1M	כ-2,000 עמודים	3
Gemini 3.7 Flash	Google	1M	כ-2,000 עמודים	2
GLM 5.2	Z.ai	1M	כ-2,000 עמודים	3
GLM 5.3	Z.ai	1M	כ-2,000 עמודים	5
Inkling	Thinkingmachines	1M	כ-2,000 עמודים	4
Kimi K3	Moonshot	1M	כ-2,000 עמודים	10
Laguna S 2.1	Poolside	1M	כ-2,000 עמודים	1
Llama 4 Maverick	Meta	1M	כ-2,000 עמודים	1
MiniMax M3	MiniMax	1M	כ-2,000 עמודים	1
Muse Spark 1.1	Meta	1M	כ-2,000 עמודים	5
Muse Spark 1.2	Meta	1M	כ-2,000 עמודים	5
Qwen3.8 2.4T A95B	Qwen	1M	כ-2,000 עמודים	8
Claude Fable 5	Anthropic	1M	כ-1,900 עמודים	50
Claude Opus 4.7 (Fast)	Anthropic	1M	כ-1,900 עמודים	לא נמדד
Claude Opus 4.8	Anthropic	1M	כ-1,900 עמודים	20
Claude Opus 4.8 (Fast)	Anthropic	1M	כ-1,900 עמודים	לא נמדד
Claude Opus 5	Anthropic	1M	כ-1,900 עמודים	20
Claude Opus 5 (Fast)	Anthropic	1M	כ-1,900 עמודים	לא נמדד
Claude Sonnet 4.5	Anthropic	1M	כ-1,900 עמודים	10
Claude Sonnet 4.6	Anthropic	1M	כ-1,900 עמודים	10
Claude Sonnet 5	Anthropic	1M	כ-1,900 עמודים	10
Fugu Ultra	Sakana	1M	כ-1,900 עמודים	25
Grok 4.3	xAI	1M	כ-1,900 עמודים	4
Qwen3.5 Plus 2026-04-20	Qwen	1M	כ-1,900 עמודים	1
Qwen3.6 Flash	Qwen	1M	כ-1,900 עמודים	1
Qwen3.7 Flash	Qwen	1M	כ-1,900 עמודים	1
Qwen3.7 Max	Qwen	1M	כ-1,900 עמודים	5
Qwen3.7 Plus	Qwen	1M	כ-1,900 עמודים	1
Qwen3.8 27B	Qwen	1M	כ-1,900 עמודים	3
Qwen3.8 Max	Qwen	1M	כ-1,900 עמודים	6
Inkling Small	Thinkingmachines	524K	כ-983 עמודים	1
Solar Pro 4	Upstage	524K	כ-983 עמודים	1
Nemotron 3 Ultra	NVIDIA	512K	כ-961 עמודים	3
Grok 4.5	xAI	500K	כ-938 עמודים	6
Grok 4.6	xAI	500K	כ-938 עמודים	6
GPT Chat Latest	OpenAI	400K	כ-750 עמודים	25
GPT-5.4 Mini	OpenAI	400K	כ-750 עמודים	4
GPT-5.4 Nano	OpenAI	400K	כ-750 עמודים	2
Nova Pro 1.0	Amazon	300K	כ-563 עמודים	3
Hy3	Tencent	262K	כ-492 עמודים	1
Kimi K2 Thinking	Moonshot	262K	כ-492 עמודים	10
Kimi K2.7 Code	Moonshot	262K	כ-492 עמודים	10
Laguna XS 2.1	Poolside	262K	כ-492 עמודים	1
Ling-3.0-flash	inclusionAI	262K	כ-492 עמודים	1
Mistral Large 3 2512	Mistral	262K	כ-492 עמודים	2
Mistral Medium 3.5	Mistral	262K	כ-492 עמודים	6
Nemotron 3.5 Lightning	NVIDIA	262K	כ-492 עמודים	1
Nex-N2-Mini	Nex Agi	262K	כ-492 עמודים	1
Nex-N2-Pro	Nex Agi	262K	כ-492 עמודים	1
Qwen3 Coder Next	Qwen	262K	כ-492 עמודים	1
Qwen3.6 35B A3B	Qwen	262K	כ-492 עמודים	1
Ring-2.6-1T	inclusionAI	262K	כ-492 עמודים	1
Sakana Namazu	Sakana	262K	כ-492 עמודים	4
Seed 2.1 Turbo	Bytedance Seed	262K	כ-492 עמודים	2
Seed-2.0-Code	Bytedance Seed	262K	כ-492 עמודים	3
Step 3.7 Flash	Stepfun	262K	כ-492 עמודים	1
Codestral 2508	Mistral	256K	כ-480 עמודים	1
Command A	Cohere	256K	כ-480 עמודים	10
Grok Build 0.1	xAI	256K	כ-480 עמודים	3
KAT-Coder-Air V2.5	Kwaipilot	256K	כ-480 עמודים	1
KAT-Coder-Pro V2.5	Kwaipilot	256K	כ-480 עמודים	3
GLM 4.6	Z.ai	205K	כ-384 עמודים	1
GLM 4.7	Z.ai	205K	כ-384 עמודים	2
GLM 5	Z.ai	205K	כ-384 עמודים	2
MiniMax M2	MiniMax	205K	כ-384 עמודים	1
Claude Haiku 4.5	Anthropic	200K	כ-375 עמודים	4
DeepSeek V3.1	DeepSeek	164K	כ-307 עמודים	1
DeepSeek V3.2	DeepSeek	164K	כ-307 עמודים	1
Aion-3.0	Aion Labs	131K	כ-246 עמודים	10
Aion-3.0-Mini	Aion Labs	131K	כ-246 עמודים	2
Granite 4.1 8B	Ibm Granite	131K	כ-246 עמודים	1
Kimi K2 0711	Moonshot	131K	כ-246 עמודים	10
Llama 3.3 70B Instruct	Meta	131K	כ-246 עמודים	1
Mistral Medium 3.1	Mistral	131K	כ-246 עמודים	2
Muse Glimmer 30B	Meta	131K	כ-246 עמודים	2
Nano Banana 2 (Gemini 3.1 Flash Image)	Google	131K	כ-246 עמודים	לא נמדד
Nano Banana Pro (Gemini 3 Pro Image)	Google	131K	כ-246 עמודים	לא נמדד
Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)	Google	66K	כ-123 עמודים	לא נמדד
R1	DeepSeek	64K	כ-120 עמודים	2
Perceptron Mk1	Perceptron	33K	כ-61 עמודים	1
Phi 4	Microsoft	16K	כ-31 עמודים	1
Hy-MT2-1.8B	Tencent	8K	כ-15 עמודים	לא נמדד
Hy-MT2-30B-A3B	Tencent	8K	כ-15 עמודים	לא נמדד

איך לקרוא את המספרים האלה בכנות

החלון משותף. הכל נספר לתוכו בו זמנית: הפרומפט שלכם, כל הודעה קודמת בשיחה, כל מסמך שצירפתם, והתשובה שנכתבת כרגע. למודל עם חלון של 128K שכבר קרא חוזה בן 100K טוקנים אין 128K פנויים לדיון; יש לו 28K.

המפרסם אינו האפקטיבי. מחקרי הקשר ארוך ממשיכים למצוא את אותו דפוס: מודלים זוכרים את התחלת ההקשר ואת סופו טוב יותר מאשר את האמצע. בניסויי Lost in the Middle (Liu et al., 2023), העברת המסמך המכריע מקצוות הקלט אל האמצע עלתה למודלים בערך 20 נקודות דיוק, כך שמודל יכול לקבל מיליון טוקנים ועדיין לגלוש מעל הסעיף שקבור בטוקן מספר 400,000. לעבודה קריטית על מסמכים ארוכים, שאלו במפורש על החלקים האמצעיים, או הזינו את המסמך בחלקים מתויגים.

גדול יותר לא בהכרח טוב יותר. חלונות גדולים עולים יותר להפעלה ועלולים לדלל את תשומת הלב על פני טקסט לא רלוונטי. אם העבודה שלכם היא אימיילים וטיוטות קצרות, גודל החלון לעולם לא יהיה הדבר שתבחינו בו. הוא מתחיל להיות משמעותי בחוזים שלמים, בסיסי קוד, תמלולים וספרים.

טוקנים אינם מילים. כלל שלושת הרבעים הוא ממוצע טוב לאנגלית, אבל קוד, מספרים ושפות שאינן אנגלית נוטים להיות מקודדים לטוקנים בפחות יעילות, כך שאומדני העמודים בטבלה הם בכוונה גסים.

התאימו את החלון למשימה

המסקנה המעשית מהטבלה היא שחלון הקשר הוא בחירה לפי משימה, לא לפי מנוי. המודל בעל החלון הגדול ביותר לרוב אינו הכותב הטוב ביותר, והכותב הטוב ביותר לרוב אינו הדרך הזולה ביותר לסכם 800 עמודים.

זה הטיעון בעד לרכז את כל הקטלוג במרחב עבודה אחד. ב-Whizi אפשר למסור PDF של 200 עמודים למודל עם הקשר גדול, ואז לעבור ל-Claude או ל-GPT באותה שיחה כדי לנסח מתוך מה שהוא מצא, בלי שהמסמך עוזב את השרשור. הטיעון ההוגן שכנגד: אם כל מה שאתם מזינים למודל נכנס בנוחות לחלון של 128K, מה שמכסה את רוב עבודת האימייל, הניסוח והמסמכים הקצרים, כל הטבלה הזו לא רלוונטית ומנוי חד-ספקי הוא הרכישה הפשוטה יותר. המדריך how to choose a model מכסה את אותה החלטה מבחינת איכות ועלות.

לציטוט העמוד הזה: הכתובת ללא עוגן קבועה, תאריך הנתונים מודפס מעל הטבלה המלאה, ונתוני הטוקנים מגיעים מקטלוג הספקים ולא מדפי שיווק.