Model AI mana yang mempunyai tetingkap konteks terbesar?
Tetingkap konteks terbesar dalam katalog Ogos 2026 ialah 1M token, dimiliki oleh DeepSeek V4 Flash 0731 daripada DeepSeek. Sebagai gambaran fizikal kasar, satu token adalah kira-kira tiga suku perkataan Bahasa Inggeris, dan satu halaman manuskrip adalah kira-kira 400 perkataan, jadi jadual di bawah menterjemah setiap tetingkap kepada halaman.
Satu baris bagi setiap penyedia utama, menunjukkan model konteks terbesarnya:
| Penyedia | Model konteks terbesar | Tetingkap konteks | Muat lebih kurang |
|---|---|---|---|
| DeepSeek | DeepSeek V4 Flash 0731 | 1M token | kira-kira 2,500 halaman |
| OpenAI | GPT-5.4 | 1M token | kira-kira 2,000 halaman |
| Gemini 2.5 Flash | 1M token | kira-kira 2,000 halaman | |
| Meta | Llama 4 Maverick | 1M token | kira-kira 2,000 halaman |
| Qwen | Qwen3.8 2.4T A95B | 1M token | kira-kira 2,000 halaman |
| Moonshot | Kimi K3 | 1M token | kira-kira 2,000 halaman |
| Z.ai | GLM 5.2 | 1M token | kira-kira 2,000 halaman |
| MiniMax | MiniMax M3 | 1M token | kira-kira 2,000 halaman |
| Anthropic | Claude Fable 5 | 1M token | kira-kira 1,900 halaman |
| xAI | Grok 4.3 | 1M token | kira-kira 1,900 halaman |
| Mistral | Mistral Large 3 2512 | 262K token | kira-kira 492 halaman |
Jika soalan di sebalik carian anda ialah "apa itu tetingkap konteks sebenarnya", mulakan dengan penjelasan ringkas di Apakah tetingkap konteks? dan kembali untuk angka-angka itu.
Bagaimana kesemua 100 model itu berperingkat mengikut tetingkap konteks?
Katalog penuh, disusun mengikut tetingkap konteks. Data itu datang daripada sumber yang sama seperti Indeks Kos Model AI dan diambil pada 2026-08-20; ia adalah tangkapan tarikh itu dan bukan suapan langsung, jadi semak tarikh sebelum memetik sesuatu angka. Lajur kredit menunjukkan apa yang setiap model berkos setiap mesej di dalam Whizi, di mana pelan itu meliputinya.
| Model | Penyedia | Tetingkap konteks | Muat lebih kurang | Kredit dalam Whizi |
|---|---|---|---|---|
| DeepSeek V4 Flash 0731 | DeepSeek | 1M | kira-kira 2,500 halaman | 1 |
| GPT-5.4 | OpenAI | 1M | kira-kira 2,000 halaman | 15 |
| GPT-5.5 | OpenAI | 1M | kira-kira 2,000 halaman | 20 |
| GPT-5.6 Luna | OpenAI | 1M | kira-kira 2,000 halaman | 1 |
| GPT-5.6 Luna Pro | OpenAI | 1M | kira-kira 2,000 halaman | Tidak dimeter |
| GPT-5.6 Sol | OpenAI | 1M | kira-kira 2,000 halaman | 20 |
| GPT-5.6 Sol Pro | OpenAI | 1M | kira-kira 2,000 halaman | Tidak dimeter |
| GPT-5.6 Terra | OpenAI | 1M | kira-kira 2,000 halaman | 4 |
| GPT-5.6 Terra Pro | OpenAI | 1M | kira-kira 2,000 halaman | Tidak dimeter |
| LongCat 2.0 | Meituan | 1M | kira-kira 2,000 halaman | 1 |
| DeepSeek V4 Pro 0813 | DeepSeek | 1M | kira-kira 2,000 halaman | 2 |
| Gemini 2.5 Flash | 1M | kira-kira 2,000 halaman | 2 | |
| Gemini 2.5 Flash Lite | 1M | kira-kira 2,000 halaman | 1 | |
| Gemini 3.1 Flash Lite | 1M | kira-kira 2,000 halaman | 1 | |
| Gemini 3.1 Pro Preview | 1M | kira-kira 2,000 halaman | 10 | |
| Gemini 3.5 Flash | 1M | kira-kira 2,000 halaman | 8 | |
| Gemini 3.5 Flash Lite | 1M | kira-kira 2,000 halaman | 2 | |
| Gemini 3.6 Flash | 1M | kira-kira 2,000 halaman | 3 | |
| Gemini 3.7 Flash | 1M | kira-kira 2,000 halaman | 2 | |
| GLM 5.2 | Z.ai | 1M | kira-kira 2,000 halaman | 3 |
| GLM 5.3 | Z.ai | 1M | kira-kira 2,000 halaman | 5 |
| Inkling | Thinkingmachines | 1M | kira-kira 2,000 halaman | 4 |
| Kimi K3 | Moonshot | 1M | kira-kira 2,000 halaman | 10 |
| Laguna S 2.1 | Poolside | 1M | kira-kira 2,000 halaman | 1 |
| Llama 4 Maverick | Meta | 1M | kira-kira 2,000 halaman | 1 |
| MiniMax M3 | MiniMax | 1M | kira-kira 2,000 halaman | 1 |
| Muse Spark 1.1 | Meta | 1M | kira-kira 2,000 halaman | 5 |
| Muse Spark 1.2 | Meta | 1M | kira-kira 2,000 halaman | 5 |
| Qwen3.8 2.4T A95B | Qwen | 1M | kira-kira 2,000 halaman | 8 |
| Claude Fable 5 | Anthropic | 1M | kira-kira 1,900 halaman | 50 |
| Claude Opus 4.7 (Fast) | Anthropic | 1M | kira-kira 1,900 halaman | Tidak dimeter |
| Claude Opus 4.8 | Anthropic | 1M | kira-kira 1,900 halaman | 20 |
| Claude Opus 4.8 (Fast) | Anthropic | 1M | kira-kira 1,900 halaman | Tidak dimeter |
| Claude Opus 5 | Anthropic | 1M | kira-kira 1,900 halaman | 20 |
| Claude Opus 5 (Fast) | Anthropic | 1M | kira-kira 1,900 halaman | Tidak dimeter |
| Claude Sonnet 4.5 | Anthropic | 1M | kira-kira 1,900 halaman | 10 |
| Claude Sonnet 4.6 | Anthropic | 1M | kira-kira 1,900 halaman | 10 |
| Claude Sonnet 5 | Anthropic | 1M | kira-kira 1,900 halaman | 10 |
| Fugu Ultra | Sakana | 1M | kira-kira 1,900 halaman | 25 |
| Grok 4.3 | xAI | 1M | kira-kira 1,900 halaman | 4 |
| Qwen3.5 Plus 2026-04-20 | Qwen | 1M | kira-kira 1,900 halaman | 1 |
| Qwen3.6 Flash | Qwen | 1M | kira-kira 1,900 halaman | 1 |
| Qwen3.7 Flash | Qwen | 1M | kira-kira 1,900 halaman | 1 |
| Qwen3.7 Max | Qwen | 1M | kira-kira 1,900 halaman | 5 |
| Qwen3.7 Plus | Qwen | 1M | kira-kira 1,900 halaman | 1 |
| Qwen3.8 27B | Qwen | 1M | kira-kira 1,900 halaman | 3 |
| Qwen3.8 Max | Qwen | 1M | kira-kira 1,900 halaman | 6 |
| Inkling Small | Thinkingmachines | 524K | kira-kira 983 halaman | 1 |
| Solar Pro 4 | Upstage | 524K | kira-kira 983 halaman | 1 |
| Nemotron 3 Ultra | NVIDIA | 512K | kira-kira 961 halaman | 3 |
| Grok 4.5 | xAI | 500K | kira-kira 938 halaman | 6 |
| Grok 4.6 | xAI | 500K | kira-kira 938 halaman | 6 |
| GPT Chat Latest | OpenAI | 400K | kira-kira 750 halaman | 25 |
| GPT-5.4 Mini | OpenAI | 400K | kira-kira 750 halaman | 4 |
| GPT-5.4 Nano | OpenAI | 400K | kira-kira 750 halaman | 2 |
| Nova Pro 1.0 | Amazon | 300K | kira-kira 563 halaman | 3 |
| Hy3 | Tencent | 262K | kira-kira 492 halaman | 1 |
| Kimi K2 Thinking | Moonshot | 262K | kira-kira 492 halaman | 10 |
| Kimi K2.7 Code | Moonshot | 262K | kira-kira 492 halaman | 10 |
| Laguna XS 2.1 | Poolside | 262K | kira-kira 492 halaman | 1 |
| Ling-3.0-flash | inclusionAI | 262K | kira-kira 492 halaman | 1 |
| Mistral Large 3 2512 | Mistral | 262K | kira-kira 492 halaman | 2 |
| Mistral Medium 3.5 | Mistral | 262K | kira-kira 492 halaman | 6 |
| Nemotron 3.5 Lightning | NVIDIA | 262K | kira-kira 492 halaman | 1 |
| Nex-N2-Mini | Nex Agi | 262K | kira-kira 492 halaman | 1 |
| Nex-N2-Pro | Nex Agi | 262K | kira-kira 492 halaman | 1 |
| Qwen3 Coder Next | Qwen | 262K | kira-kira 492 halaman | 1 |
| Qwen3.6 35B A3B | Qwen | 262K | kira-kira 492 halaman | 1 |
| Ring-2.6-1T | inclusionAI | 262K | kira-kira 492 halaman | 1 |
| Sakana Namazu | Sakana | 262K | kira-kira 492 halaman | 4 |
| Seed 2.1 Turbo | Bytedance Seed | 262K | kira-kira 492 halaman | 2 |
| Seed-2.0-Code | Bytedance Seed | 262K | kira-kira 492 halaman | 3 |
| Step 3.7 Flash | Stepfun | 262K | kira-kira 492 halaman | 1 |
| Codestral 2508 | Mistral | 256K | kira-kira 480 halaman | 1 |
| Command A | Cohere | 256K | kira-kira 480 halaman | 10 |
| Grok Build 0.1 | xAI | 256K | kira-kira 480 halaman | 3 |
| KAT-Coder-Air V2.5 | Kwaipilot | 256K | kira-kira 480 halaman | 1 |
| KAT-Coder-Pro V2.5 | Kwaipilot | 256K | kira-kira 480 halaman | 3 |
| GLM 4.6 | Z.ai | 205K | kira-kira 384 halaman | 1 |
| GLM 4.7 | Z.ai | 205K | kira-kira 384 halaman | 2 |
| GLM 5 | Z.ai | 205K | kira-kira 384 halaman | 2 |
| MiniMax M2 | MiniMax | 205K | kira-kira 384 halaman | 1 |
| Claude Haiku 4.5 | Anthropic | 200K | kira-kira 375 halaman | 4 |
| DeepSeek V3.1 | DeepSeek | 164K | kira-kira 307 halaman | 1 |
| DeepSeek V3.2 | DeepSeek | 164K | kira-kira 307 halaman | 1 |
| Aion-3.0 | Aion Labs | 131K | kira-kira 246 halaman | 10 |
| Aion-3.0-Mini | Aion Labs | 131K | kira-kira 246 halaman | 2 |
| Granite 4.1 8B | Ibm Granite | 131K | kira-kira 246 halaman | 1 |
| Kimi K2 0711 | Moonshot | 131K | kira-kira 246 halaman | 10 |
| Llama 3.3 70B Instruct | Meta | 131K | kira-kira 246 halaman | 1 |
| Mistral Medium 3.1 | Mistral | 131K | kira-kira 246 halaman | 2 |
| Muse Glimmer 30B | Meta | 131K | kira-kira 246 halaman | 2 |
| Nano Banana 2 (Gemini 3.1 Flash Image) | 131K | kira-kira 246 halaman | Tidak dimeter | |
| Nano Banana Pro (Gemini 3 Pro Image) | 131K | kira-kira 246 halaman | Tidak dimeter | |
| Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image) | 66K | kira-kira 123 halaman | Tidak dimeter | |
| R1 | DeepSeek | 64K | kira-kira 120 halaman | 2 |
| Perceptron Mk1 | Perceptron | 33K | kira-kira 61 halaman | 1 |
| Phi 4 | Microsoft | 16K | kira-kira 31 halaman | 1 |
| Hy-MT2-1.8B | Tencent | 8K | kira-kira 15 halaman | Tidak dimeter |
| Hy-MT2-30B-A3B | Tencent | 8K | kira-kira 15 halaman | Tidak dimeter |
Cara membaca angka-angka ini dengan jujur
Tetingkap itu dikongsi. Segala-galanya dikira terhadapnya sekali gus: prompt anda, setiap mesej terdahulu dalam perbualan, sebarang dokumen yang anda lampirkan, dan jawapan yang sedang ditulis. Model dengan tetingkap 128K yang sudah membaca kontrak 100K token tidak mempunyai 128K yang berbaki untuk perbincangan; ia mempunyai 28K.
Yang diiklankan bukan yang berkesan. Penyelidikan konteks panjang terus menemui corak yang sama: model mengingati permulaan dan penghujung konteks besar dengan lebih baik daripada bahagian tengah. Dalam eksperimen Lost in the Middle (Liu et al., 2023), memindahkan dokumen utama daripada tepi input ke tengah menyebabkan model kehilangan lebih kurang 20 mata ketepatan, jadi model boleh menerima sejuta token dan masih terlepas pandang klausa yang tertanam pada token ke-400,000. Untuk kerja bertaruh tinggi pada dokumen panjang, tanya khusus tentang bahagian tengah, atau suap dokumen itu dalam bahagian berlabel.
Lebih besar tidak semestinya lebih baik. Tetingkap besar berkos lebih untuk dijalankan dan boleh mencairkan perhatian merentas teks yang tidak relevan. Jika kerja anda ialah e-mel dan draf pendek, saiz tetingkap tidak akan pernah menjadi perkara yang anda perasan. Ia mula penting pada kontrak penuh, pangkalan kod, transkrip, dan buku.
Token bukan perkataan. Peraturan tiga suku itu adalah purata Bahasa Inggeris yang baik, tetapi kod, nombor, dan bahasa bukan Inggeris selalunya bertoken dengan kurang cekap, jadi anggaran halaman dalam jadual itu memang sengaja kasar.
Padankan tetingkap dengan tugas
Kesimpulan praktikal daripada jadual itu ialah tetingkap konteks adalah pilihan setiap tugas, bukan pilihan setiap langganan. Model dengan tetingkap terbesar jarang menjadi penulis terbaik, dan penulis terbaik jarang menjadi cara paling murah untuk meringkaskan 800 halaman.
Itulah hujah untuk mempunyai katalog itu dalam satu ruang kerja. Dalam Whizi anda boleh menyerahkan PDF 200 halaman kepada model konteks besar, kemudian bertukar kepada Claude atau GPT dalam perbualan yang sama untuk mendraf daripada apa yang ditemuinya, tanpa dokumen itu meninggalkan bebenang. Hujah balas yang jujur: jika segala-galanya yang anda suap kepada model muat dengan selesa dalam tetingkap 128K, yang meliputi kebanyakan e-mel, draf, dan kerja dokumen pendek, keseluruhan jadual ini tidak relevan dan langganan penyedia tunggal adalah pembelian yang lebih mudah. Panduan cara memilih model meliputi keputusan yang sama untuk kualiti dan kos.
Untuk memetik halaman ini: URL bebas sauh adalah stabil, tarikh data dicetak di atas jadual penuh, dan angka token datang daripada katalog penyedia berbanding daripada halaman pemasaran.
- Tolak dokumen dan sejarah anda daripada tetingkap sebelum mempercayai angka utama
- Untuk dokumen panjang, uji ingatan daripada bahagian tengah, bukan hanya permulaan
- Terjemah token kepada halaman dengan peraturan tiga suku sebelum memutuskan apa-apa
- Pilih tetingkap setiap tugas berbanding setiap langganan
- Semak tarikh data di atas jadual penuh apabila memetik sesuatu angka
Soalan Lazim
Model AI mana yang mempunyai tetingkap konteks terbesar?
Dalam katalog Ogos 2026 ia ialah DeepSeek V4 Flash 0731 daripada DeepSeek pada 1M token. Jadual penuh di atas menyenaraikan kesemua 100 model disusun mengikut saiz tetingkap, dengan tarikh data dicetak di atasnya.
Apakah tetingkap konteks Claude terbesar?
Tetingkap konteks Claude terbesar dalam indeks itu ialah 1M token (Claude Fable 5), yang memuatkan kira-kira 1,900 halaman teks. Varian Claude yang lebih kecil disenaraikan dalam jadual penuh di atas.
Apakah tetingkap konteks GPT terbesar?
Tetingkap konteks GPT terbesar dalam indeks itu ialah 1M token (GPT-5.4), yang memuatkan kira-kira 2,000 halaman teks. Varian GPT yang lebih kecil disenaraikan dalam jadual penuh di atas.
Apakah tetingkap konteks Gemini terbesar?
Tetingkap konteks Gemini terbesar dalam indeks itu ialah 1M token (Gemini 2.5 Flash), yang memuatkan kira-kira 2,000 halaman teks. Varian Gemini yang lebih kecil disenaraikan dalam jadual penuh di atas.
Apakah tetingkap konteks Grok terbesar?
Tetingkap konteks Grok terbesar dalam indeks itu ialah 1M token (Grok 4.3), yang memuatkan kira-kira 1,900 halaman teks. Varian Grok yang lebih kecil disenaraikan dalam jadual penuh di atas.
Adakah tetingkap konteks yang lebih besar sentiasa lebih baik?
Tidak. Tetingkap lebih besar berkos lebih, dan ingatan merosot ke arah bahagian tengah konteks yang sangat besar. Lebih besar adalah penentu untuk buku penuh, pangkalan kod, dan transkrip panjang, dan tidak relevan untuk sembang harian. Padankan tetingkap dengan tugas berbanding membayar untuk angka terbesar.
Berapa banyak halaman muat dalam satu tetingkap konteks?
Bahagikan bilangan token dengan lebih kurang 530 untuk mendapat halaman manuskrip: satu token adalah kira-kira tiga suku perkataan Bahasa Inggeris, dan satu halaman adalah kira-kira 400 perkataan. Jadi 128K token adalah kira-kira 240 halaman, dan sejuta token adalah kira-kira 1,900 halaman. Kod dan teks bukan Inggeris biasanya muat kurang.