कॉन्टेक्स्ट विंडो तुलना: हर बड़ा AI मॉडल एक ही टेबल में

किस AI मॉडल की कॉन्टेक्स्ट विंडो सबसे बड़ी है?

अगस्त 2026 के कैटलॉग में सबसे बड़ी कॉन्टेक्स्ट विंडो 1M टोकन है, जो DeepSeek के DeepSeek V4 Flash 0731 के पास है। एक मोटे भौतिक अंदाज़े के तौर पर, एक टोकन लगभग किसी अंग्रेज़ी शब्द के तीन-चौथाई हिस्से जितना होता है, और एक मैनुस्क्रिप्ट पेज लगभग 400 शब्दों का होता है, इसलिए नीचे दी गई टेबल हर विंडो को पेज में बदल देती है।

हर बड़े प्रोवाइडर की एक पंक्ति, उसके सबसे बड़े संदर्भ वाले मॉडल के साथ:

प्रोवाइडर	सबसे बड़े संदर्भ वाला मॉडल	संदर्भ विंडो	करीब-करीब इतना समाता है
DeepSeek	DeepSeek V4 Flash 0731	1M टोकन	करीब 2,500 पेज
OpenAI	GPT-5.4	1M टोकन	करीब 2,000 पेज
Google	Gemini 2.5 Flash	1M टोकन	करीब 2,000 पेज
Meta	Llama 4 Maverick	1M टोकन	करीब 2,000 पेज
Qwen	Qwen3.8 2.4T A95B	1M टोकन	करीब 2,000 पेज
Moonshot	Kimi K3	1M टोकन	करीब 2,000 पेज
Z.ai	GLM 5.2	1M टोकन	करीब 2,000 पेज
MiniMax	MiniMax M3	1M टोकन	करीब 2,000 पेज
Anthropic	Claude Fable 5	1M टोकन	करीब 1,900 पेज
xAI	Grok 4.3	1M टोकन	करीब 1,900 पेज
Mistral	Mistral Large 3 2512	262K टोकन	करीब 492 पेज

अगर आपकी खोज के पीछे का सवाल यह है कि "कॉन्टेक्स्ट विंडो होती क्या है", तो पहले कॉन्टेक्स्ट विंडो क्या है? वाला सादा समझाने वाला लेख पढ़ें और फिर आंकड़ों के लिए यहां लौटें।

सभी 100 मॉडल कॉन्टेक्स्ट विंडो के हिसाब से कैसे रैंक करते हैं?

पूरा कैटलॉग, कॉन्टेक्स्ट विंडो के हिसाब से क्रमबद्ध। यह डेटा AI मॉडल लागत सूचकांक जैसे ही स्रोत से आता है और 2026-08-20 को लिया गया था; यह उस तारीख का एक स्नैपशॉट है, लाइव फ़ीड नहीं, इसलिए कोई आंकड़ा हवाला देने से पहले तारीख ज़रूर देख लें। क्रेडिट वाला कॉलम दिखाता है कि हर मॉडल Whizi के भीतर प्रति मैसेज कितना लेता है, जहां कोई प्लान उसे शामिल करता है।

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

इन आंकड़ों को ईमानदारी से कैसे पढ़ें

विंडो साझा होती है। हर चीज़ एक साथ इसमें गिनी जाती है: आपका प्रॉम्प्ट, बातचीत का हर पहला संदेश, आपने जो भी दस्तावेज़ जोड़े, और वह जवाब जो लिखा जा रहा है। जिस मॉडल की विंडो 128K है और उसने पहले ही 100K-टोकन का कॉन्ट्रैक्ट पढ़ लिया है, उसके पास बातचीत के लिए बचे 128K नहीं, बल्कि 28K हैं।

विज्ञापित असरदार नहीं होता। लंबे संदर्भ पर शोध बार-बार वही पैटर्न पाता है: मॉडल किसी बड़े संदर्भ की शुरुआत और आख़िर को बीच के हिस्से से बेहतर याद रखते हैं। Lost in the Middle प्रयोगों (Liu et al., 2023) में, ज़रूरी दस्तावेज़ को इनपुट के किनारों से बीच में ले जाने पर मॉडलों की सटीकता में करीब 20 अंकों की गिरावट आई, इसलिए कोई मॉडल दस लाख टोकन स्वीकार कर सकता है और फिर भी टोकन 400,000 पर दबी हुई शर्त को नज़रअंदाज़ कर सकता है। ऊंचे दांव वाले लंबे दस्तावेज़ों के काम के लिए, बीच के हिस्सों के बारे में साफ़ तौर पर पूछें, या दस्तावेज़ को लेबल किए हुए हिस्सों में खिलाएं।

बड़ा होना अपने आप बेहतर होना नहीं है। बड़ी विंडो चलाने में ज़्यादा खर्च होता है और यह ध्यान को असंबंधित टेक्स्ट में बांट सकती है। अगर आपका काम ईमेल और छोटे ड्राफ्ट है, तो विंडो का आकार कभी वह चीज़ नहीं बनेगा जो आप महसूस करेंगे। यह पूरे कॉन्ट्रैक्ट, कोडबेस, ट्रांसक्रिप्ट और किताबों पर मायने रखना शुरू करता है।

टोकन शब्द नहीं होते। तीन-चौथाई वाला नियम अंग्रेज़ी के लिए एक अच्छा औसत है, पर कोड, संख्याएं और गैर-अंग्रेज़ी भाषाएं अक्सर कम कुशलता से टोकनाइज़ होती हैं, इसलिए टेबल में दिए पेज के अंदाज़े जानबूझकर मोटे-मोटे रखे गए हैं।

विंडो को काम के हिसाब से मिलाएं

टेबल से व्यावहारिक निष्कर्ष यह है कि कॉन्टेक्स्ट विंडो हर काम के हिसाब से चुनी जाती है, हर सब्सक्रिप्शन के हिसाब से नहीं। सबसे बड़ी विंडो वाला मॉडल शायद ही कभी सबसे अच्छा लेखक होता है, और सबसे अच्छा लेखक शायद ही कभी 800 पेज का सार बनाने का सबसे सस्ता तरीका होता है।

यही तर्क है पूरे कैटलॉग को एक वर्कस्पेस में रखने का। Whizi में आप 200 पेज की PDF किसी बड़े-संदर्भ वाले मॉडल को सौंप सकते हैं, फिर उसी बातचीत में Claude या GPT पर जाकर जो उसे मिला उससे ड्राफ्ट बना सकते हैं, बिना दस्तावेज़ को थ्रेड से बाहर निकाले। ईमानदार जवाबी दलील यह है: अगर आप किसी मॉडल को जो कुछ भी खिलाते हैं वह आराम से 128K विंडो में समा जाता है, जो ज़्यादातर ईमेल, ड्राफ्टिंग और छोटे दस्तावेज़ के काम को कवर करता है, तो यह पूरी टेबल बेमानी है और एक ही प्रोवाइडर वाला सब्सक्रिप्शन आसान खरीद है। मॉडल कैसे चुनें गाइड गुणवत्ता और कीमत के लिए वही फ़ैसला कवर करती है।

इस पेज का हवाला देने के लिए: बिना एंकर वाला URL स्थिर है, डेटा की तारीख पूरी टेबल के ऊपर छपी है, और टोकन के आंकड़े मार्केटिंग पेजों से नहीं, प्रोवाइडर के कैटलॉग से आते हैं।