どのAIモデルのコンテキストウィンドウが最も大きいか
2026年8月時点のカタログでコンテキストウィンドウが最も大きいのは1Mトークンで、DeepSeekのDeepSeek V4 Flash 0731が保持しています。おおまかな物理的な感覚としては、1トークンは英単語のおよそ4分の3にあたり、原稿1ページはおよそ400語なので、以下の表はすべてのウィンドウをページ数に換算しています。
主要プロバイダーごとに1行、それぞれの最大コンテキストモデルを示します。
| プロバイダー | 最大コンテキストモデル | コンテキストウィンドウ | 目安のページ数 |
|---|---|---|---|
| DeepSeek | DeepSeek V4 Flash 0731 | 1Mトークン | 約2,500ページ |
| OpenAI | GPT-5.4 | 1Mトークン | 約2,000ページ |
| Gemini 2.5 Flash | 1Mトークン | 約2,000ページ | |
| Meta | Llama 4 Maverick | 1Mトークン | 約2,000ページ |
| Qwen | Qwen3.8 2.4T A95B | 1Mトークン | 約2,000ページ |
| Moonshot | Kimi K3 | 1Mトークン | 約2,000ページ |
| Z.ai | GLM 5.2 | 1Mトークン | 約2,000ページ |
| MiniMax | MiniMax M3 | 1Mトークン | 約2,000ページ |
| Anthropic | Claude Fable 5 | 1Mトークン | 約1,900ページ |
| xAI | Grok 4.3 | 1Mトークン | 約1,900ページ |
| Mistral | Mistral Large 3 2512 | 262Kトークン | 約492ページ |
検索の背後にある疑問が「そもそもコンテキストウィンドウとは何か」であれば、まず平易な解説記事コンテキストウィンドウとは？から始めて、数字の話にはまた戻ってきてください。
全100モデルはコンテキストウィンドウでどう順位づけられるか
全カタログをコンテキストウィンドウでソートしたものです。データはAIモデルコスト指数と同じソースから来ており、取得日は2026-08-20です。これはリアルタイムのフィードではなく、その日付時点のスナップショットなので、数字を引用する前に日付を確認してください。クレジット列は、プランに含まれる場合にWhizi内で各モデルが1メッセージあたり何クレジットかかるかを示します。
| モデル | プロバイダー | コンテキストウィンドウ | 目安のページ数 | Whiziでのクレジット |
|---|---|---|---|---|
| DeepSeek V4 Flash 0731 | DeepSeek | 1M | 約2,500ページ | 1 |
| GPT-5.4 | OpenAI | 1M | 約2,000ページ | 15 |
| GPT-5.5 | OpenAI | 1M | 約2,000ページ | 20 |
| GPT-5.6 Luna | OpenAI | 1M | 約2,000ページ | 1 |
| GPT-5.6 Luna Pro | OpenAI | 1M | 約2,000ページ | 計測なし |
| GPT-5.6 Sol | OpenAI | 1M | 約2,000ページ | 20 |
| GPT-5.6 Sol Pro | OpenAI | 1M | 約2,000ページ | 計測なし |
| GPT-5.6 Terra | OpenAI | 1M | 約2,000ページ | 4 |
| GPT-5.6 Terra Pro | OpenAI | 1M | 約2,000ページ | 計測なし |
| LongCat 2.0 | Meituan | 1M | 約2,000ページ | 1 |
| DeepSeek V4 Pro 0813 | DeepSeek | 1M | 約2,000ページ | 2 |
| Gemini 2.5 Flash | 1M | 約2,000ページ | 2 | |
| Gemini 2.5 Flash Lite | 1M | 約2,000ページ | 1 | |
| Gemini 3.1 Flash Lite | 1M | 約2,000ページ | 1 | |
| Gemini 3.1 Pro Preview | 1M | 約2,000ページ | 10 | |
| Gemini 3.5 Flash | 1M | 約2,000ページ | 8 | |
| Gemini 3.5 Flash Lite | 1M | 約2,000ページ | 2 | |
| Gemini 3.6 Flash | 1M | 約2,000ページ | 3 | |
| Gemini 3.7 Flash | 1M | 約2,000ページ | 2 | |
| GLM 5.2 | Z.ai | 1M | 約2,000ページ | 3 |
| GLM 5.3 | Z.ai | 1M | 約2,000ページ | 5 |
| Inkling | Thinkingmachines | 1M | 約2,000ページ | 4 |
| Kimi K3 | Moonshot | 1M | 約2,000ページ | 10 |
| Laguna S 2.1 | Poolside | 1M | 約2,000ページ | 1 |
| Llama 4 Maverick | Meta | 1M | 約2,000ページ | 1 |
| MiniMax M3 | MiniMax | 1M | 約2,000ページ | 1 |
| Muse Spark 1.1 | Meta | 1M | 約2,000ページ | 5 |
| Muse Spark 1.2 | Meta | 1M | 約2,000ページ | 5 |
| Qwen3.8 2.4T A95B | Qwen | 1M | 約2,000ページ | 8 |
| Claude Fable 5 | Anthropic | 1M | 約1,900ページ | 50 |
| Claude Opus 4.7 (Fast) | Anthropic | 1M | 約1,900ページ | 計測なし |
| Claude Opus 4.8 | Anthropic | 1M | 約1,900ページ | 20 |
| Claude Opus 4.8 (Fast) | Anthropic | 1M | 約1,900ページ | 計測なし |
| Claude Opus 5 | Anthropic | 1M | 約1,900ページ | 20 |
| Claude Opus 5 (Fast) | Anthropic | 1M | 約1,900ページ | 計測なし |
| Claude Sonnet 4.5 | Anthropic | 1M | 約1,900ページ | 10 |
| Claude Sonnet 4.6 | Anthropic | 1M | 約1,900ページ | 10 |
| Claude Sonnet 5 | Anthropic | 1M | 約1,900ページ | 10 |
| Fugu Ultra | Sakana | 1M | 約1,900ページ | 25 |
| Grok 4.3 | xAI | 1M | 約1,900ページ | 4 |
| Qwen3.5 Plus 2026-04-20 | Qwen | 1M | 約1,900ページ | 1 |
| Qwen3.6 Flash | Qwen | 1M | 約1,900ページ | 1 |
| Qwen3.7 Flash | Qwen | 1M | 約1,900ページ | 1 |
| Qwen3.7 Max | Qwen | 1M | 約1,900ページ | 5 |
| Qwen3.7 Plus | Qwen | 1M | 約1,900ページ | 1 |
| Qwen3.8 27B | Qwen | 1M | 約1,900ページ | 3 |
| Qwen3.8 Max | Qwen | 1M | 約1,900ページ | 6 |
| Inkling Small | Thinkingmachines | 524K | 約983ページ | 1 |
| Solar Pro 4 | Upstage | 524K | 約983ページ | 1 |
| Nemotron 3 Ultra | NVIDIA | 512K | 約961ページ | 3 |
| Grok 4.5 | xAI | 500K | 約938ページ | 6 |
| Grok 4.6 | xAI | 500K | 約938ページ | 6 |
| GPT Chat Latest | OpenAI | 400K | 約750ページ | 25 |
| GPT-5.4 Mini | OpenAI | 400K | 約750ページ | 4 |
| GPT-5.4 Nano | OpenAI | 400K | 約750ページ | 2 |
| Nova Pro 1.0 | Amazon | 300K | 約563ページ | 3 |
| Hy3 | Tencent | 262K | 約492ページ | 1 |
| Kimi K2 Thinking | Moonshot | 262K | 約492ページ | 10 |
| Kimi K2.7 Code | Moonshot | 262K | 約492ページ | 10 |
| Laguna XS 2.1 | Poolside | 262K | 約492ページ | 1 |
| Ling-3.0-flash | inclusionAI | 262K | 約492ページ | 1 |
| Mistral Large 3 2512 | Mistral | 262K | 約492ページ | 2 |
| Mistral Medium 3.5 | Mistral | 262K | 約492ページ | 6 |
| Nemotron 3.5 Lightning | NVIDIA | 262K | 約492ページ | 1 |
| Nex-N2-Mini | Nex Agi | 262K | 約492ページ | 1 |
| Nex-N2-Pro | Nex Agi | 262K | 約492ページ | 1 |
| Qwen3 Coder Next | Qwen | 262K | 約492ページ | 1 |
| Qwen3.6 35B A3B | Qwen | 262K | 約492ページ | 1 |
| Ring-2.6-1T | inclusionAI | 262K | 約492ページ | 1 |
| Sakana Namazu | Sakana | 262K | 約492ページ | 4 |
| Seed 2.1 Turbo | Bytedance Seed | 262K | 約492ページ | 2 |
| Seed-2.0-Code | Bytedance Seed | 262K | 約492ページ | 3 |
| Step 3.7 Flash | Stepfun | 262K | 約492ページ | 1 |
| Codestral 2508 | Mistral | 256K | 約480ページ | 1 |
| Command A | Cohere | 256K | 約480ページ | 10 |
| Grok Build 0.1 | xAI | 256K | 約480ページ | 3 |
| KAT-Coder-Air V2.5 | Kwaipilot | 256K | 約480ページ | 1 |
| KAT-Coder-Pro V2.5 | Kwaipilot | 256K | 約480ページ | 3 |
| GLM 4.6 | Z.ai | 205K | 約384ページ | 1 |
| GLM 4.7 | Z.ai | 205K | 約384ページ | 2 |
| GLM 5 | Z.ai | 205K | 約384ページ | 2 |
| MiniMax M2 | MiniMax | 205K | 約384ページ | 1 |
| Claude Haiku 4.5 | Anthropic | 200K | 約375ページ | 4 |
| DeepSeek V3.1 | DeepSeek | 164K | 約307ページ | 1 |
| DeepSeek V3.2 | DeepSeek | 164K | 約307ページ | 1 |
| Aion-3.0 | Aion Labs | 131K | 約246ページ | 10 |
| Aion-3.0-Mini | Aion Labs | 131K | 約246ページ | 2 |
| Granite 4.1 8B | Ibm Granite | 131K | 約246ページ | 1 |
| Kimi K2 0711 | Moonshot | 131K | 約246ページ | 10 |
| Llama 3.3 70B Instruct | Meta | 131K | 約246ページ | 1 |
| Mistral Medium 3.1 | Mistral | 131K | 約246ページ | 2 |
| Muse Glimmer 30B | Meta | 131K | 約246ページ | 2 |
| Nano Banana 2 (Gemini 3.1 Flash Image) | 131K | 約246ページ | 計測なし | |
| Nano Banana Pro (Gemini 3 Pro Image) | 131K | 約246ページ | 計測なし | |
| Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image) | 66K | 約123ページ | 計測なし | |
| R1 | DeepSeek | 64K | 約120ページ | 2 |
| Perceptron Mk1 | Perceptron | 33K | 約61ページ | 1 |
| Phi 4 | Microsoft | 16K | 約31ページ | 1 |
| Hy-MT2-1.8B | Tencent | 8K | 約15ページ | 計測なし |
| Hy-MT2-30B-A3B | Tencent | 8K | 約15ページ | 計測なし |
この数字を正直に読む方法
ウィンドウは共有されている。 プロンプト、それまでの会話のすべてのメッセージ、添付したすべての文書、そして今書かれている最中の答えまで、すべてが同時にウィンドウに対してカウントされます。すでに100Kトークンの契約書を読み終えた128Kトークンのウィンドウを持つモデルには、その先の議論のために残っている128Kトークンはありません。残っているのは28Kトークンです。
表示されている数字と、実際に使える数字は違う。 長い文脈に関する研究では同じパターンが繰り返し見つかっています。モデルは巨大な文脈の最初と最後をよく覚えていますが、真ん中は苦手です。Lost in the Middleの実験（Liu et al., 2023）では、重要な文書を入力の端から真ん中に移動させただけで、モデルの正解率がおよそ20ポイント落ちました。つまりモデルは100万トークンを受け取れても、40万トークン目に埋もれた条項は読み飛ばしてしまうことがあります。長い文書での重要な仕事では、真ん中のセクションについて具体的に質問するか、文書をラベル付けした部分に分けて渡してください。
大きければ自動的に良いわけではない。 大きなウィンドウは実行コストが高く、関係のないテキストに注意力を薄めることがあります。仕事がメールや短い下書きなら、ウィンドウの大きさに気づくことは一生ありません。それが重要になり始めるのは、契約書全体、コードベース全体、文字起こし全体、本1冊といった規模になってからです。
トークンは単語ではない。 4分の3という目安は英語の平均としては良い数字ですが、コード、数字、英語以外の言語はしばしばトークン化の効率が落ちるため、表のページ数はあえて大まかにしてあります。
ウィンドウを仕事に合わせる
この表からの実務的な結論は、コンテキストウィンドウはサブスクリプション単位ではなくタスク単位で選ぶものだということです。最大のウィンドウを持つモデルが最良の書き手であることはめったになく、最良の書き手が800ページを要約する最も安い方法であることもめったにありません。
だからこそカタログを1つのワークスペースにまとめておく意味があります。Whiziでは200ページのPDFを大きなコンテキストのモデルに渡し、同じ会話の中でClaudeやGPTに切り替えて、見つかった内容から下書きさせることができます。文書がスレッドを離れることはありません。正直な反論もあります。モデルに与えるものがすべて128Kトークンのウィンドウに楽に収まるなら、つまりほとんどのメール、下書き、短い文書の仕事がそうであるなら、この表はまるごと無意味で、単一プロバイダーのサブスクリプションの方がシンプルな選択です。モデルの選び方ガイドは、品質とコストについて同じ判断を扱っています。
このページを引用する場合、アンカーなしのURLは安定しており、データの日付は表全体の上に印刷されていて、トークンの数値はマーケティングページではなくプロバイダーのカタログから来ています。
- 見出しの数字を信じる前に、自分の文書と履歴をウィンドウから差し引く
- 長い文書では、冒頭だけでなく真ん中からの再現性をテストする
- 何かを決める前に、4分の3のルールでトークンをページ数に変換する
- ウィンドウはサブスクリプション単位ではなくタスク単位で選ぶ
- 数字を引用するときは、全体の表の上にあるデータの日付を確認する
よくある質問
コンテキストウィンドウが最も大きいAIモデルはどれですか？
2026年8月時点のカタログでは、DeepSeekのDeepSeek V4 Flash 0731が1Mトークンで最大です。上の表には全100モデルがウィンドウサイズ順に並んでおり、表の上にデータの日付が記載されています。
Claudeの最大のコンテキストウィンドウはどれくらいですか？
この指数でClaudeの最大のコンテキストウィンドウは1Mトークン（Claude Fable 5）で、テキストにしておよそ1,900ページ分です。より小さいClaudeのバリエーションは上の表に一覧があります。
GPTの最大のコンテキストウィンドウはどれくらいですか？
この指数でGPTの最大のコンテキストウィンドウは1Mトークン（GPT-5.4）で、テキストにしておよそ2,000ページ分です。より小さいGPTのバリエーションは上の表に一覧があります。
Geminiの最大のコンテキストウィンドウはどれくらいですか？
この指数でGeminiの最大のコンテキストウィンドウは1Mトークン（Gemini 2.5 Flash）で、テキストにしておよそ2,000ページ分です。より小さいGeminiのバリエーションは上の表に一覧があります。
Grokの最大のコンテキストウィンドウはどれくらいですか？
この指数でGrokの最大のコンテキストウィンドウは1Mトークン（Grok 4.3）で、テキストにしておよそ1,900ページ分です。より小さいGrokのバリエーションは上の表に一覧があります。
コンテキストウィンドウは大きければ大きいほど良いですか？
いいえ。大きなウィンドウは実行コストが高く、非常に大きな文脈では真ん中に向かって再現性が落ちます。大きさが決定的になるのは本1冊分、コードベース全体、長い文字起こしのときで、普段のチャットでは無関係です。一番大きな数字にお金を払うのではなく、ウィンドウをタスクに合わせてください。
コンテキストウィンドウには何ページ分入りますか？
トークン数をおよそ530で割ると原稿のページ数になります。1トークンは英単語のおよそ4分の3で、1ページはおよそ400語だからです。つまり128Kトークンはおよそ240ページ、100万トークンはおよそ1,900ページです。コードや英語以外のテキストは通常もっと少なくなります。