Hvilken AI-modell har størst context window?
Det største konteksvinduet i augustkatalogen 2026 er 1M tokens, holdt av DeepSeek V4 Flash 0731 fra DeepSeek. Som en grov fysisk tommelfingerregel er ett token omtrent tre firedeler av et engelsk ord, og en manuskriptside er omtrent 400 ord, så tabellen under oversetter hvert vindu til sider.
Én rad per stor leverandør, med modellen som har størst kontekst:
| Leverandør | Modell med størst kontekst | Context window | Rommer omtrent |
|---|---|---|---|
| DeepSeek | DeepSeek V4 Flash 0731 | 1M tokens | omtrent 2 500 sider |
| OpenAI | GPT-5.4 | 1M tokens | omtrent 2 000 sider |
| Gemini 2.5 Flash | 1M tokens | omtrent 2 000 sider | |
| Meta | Llama 4 Maverick | 1M tokens | omtrent 2 000 sider |
| Qwen | Qwen3.8 2.4T A95B | 1M tokens | omtrent 2 000 sider |
| Moonshot | Kimi K3 | 1M tokens | omtrent 2 000 sider |
| Z.ai | GLM 5.2 | 1M tokens | omtrent 2 000 sider |
| MiniMax | MiniMax M3 | 1M tokens | omtrent 2 000 sider |
| Anthropic | Claude Fable 5 | 1M tokens | omtrent 1 900 sider |
| xAI | Grok 4.3 | 1M tokens | omtrent 1 900 sider |
| Mistral | Mistral Large 3 2512 | 262K tokens | omtrent 492 sider |
Hvis spørsmålet bak søket ditt er "hva er egentlig et context window", start med den enkle forklaringen på What is a context window? og kom tilbake for tallene.
Hvordan rangerer alle 100 modellene etter context window?
Hele katalogen, sortert etter context window. Dataene kommer fra samme kilde som AI Model Cost Index og ble hentet 2026-08-20, det er et øyeblikksbilde fra den datoen og ikke en direkteoppdatert kilde, så sjekk datoen før du siterer et tall. Kredittkolonnen viser hva hver modell koster per melding i Whizi, der en plan inkluderer den.
| Modell | Leverandør | Context window | Rommer omtrent | Kreditter i Whizi |
|---|---|---|---|---|
| DeepSeek V4 Flash 0731 | DeepSeek | 1M | omtrent 2 500 sider | 1 |
| GPT-5.4 | OpenAI | 1M | omtrent 2 000 sider | 15 |
| GPT-5.5 | OpenAI | 1M | omtrent 2 000 sider | 20 |
| GPT-5.6 Luna | OpenAI | 1M | omtrent 2 000 sider | 1 |
| GPT-5.6 Luna Pro | OpenAI | 1M | omtrent 2 000 sider | Ikke målt |
| GPT-5.6 Sol | OpenAI | 1M | omtrent 2 000 sider | 20 |
| GPT-5.6 Sol Pro | OpenAI | 1M | omtrent 2 000 sider | Ikke målt |
| GPT-5.6 Terra | OpenAI | 1M | omtrent 2 000 sider | 4 |
| GPT-5.6 Terra Pro | OpenAI | 1M | omtrent 2 000 sider | Ikke målt |
| LongCat 2.0 | Meituan | 1M | omtrent 2 000 sider | 1 |
| DeepSeek V4 Pro 0813 | DeepSeek | 1M | omtrent 2 000 sider | 2 |
| Gemini 2.5 Flash | 1M | omtrent 2 000 sider | 2 | |
| Gemini 2.5 Flash Lite | 1M | omtrent 2 000 sider | 1 | |
| Gemini 3.1 Flash Lite | 1M | omtrent 2 000 sider | 1 | |
| Gemini 3.1 Pro Preview | 1M | omtrent 2 000 sider | 10 | |
| Gemini 3.5 Flash | 1M | omtrent 2 000 sider | 8 | |
| Gemini 3.5 Flash Lite | 1M | omtrent 2 000 sider | 2 | |
| Gemini 3.6 Flash | 1M | omtrent 2 000 sider | 3 | |
| Gemini 3.7 Flash | 1M | omtrent 2 000 sider | 2 | |
| GLM 5.2 | Z.ai | 1M | omtrent 2 000 sider | 3 |
| GLM 5.3 | Z.ai | 1M | omtrent 2 000 sider | 5 |
| Inkling | Thinkingmachines | 1M | omtrent 2 000 sider | 4 |
| Kimi K3 | Moonshot | 1M | omtrent 2 000 sider | 10 |
| Laguna S 2.1 | Poolside | 1M | omtrent 2 000 sider | 1 |
| Llama 4 Maverick | Meta | 1M | omtrent 2 000 sider | 1 |
| MiniMax M3 | MiniMax | 1M | omtrent 2 000 sider | 1 |
| Muse Spark 1.1 | Meta | 1M | omtrent 2 000 sider | 5 |
| Muse Spark 1.2 | Meta | 1M | omtrent 2 000 sider | 5 |
| Qwen3.8 2.4T A95B | Qwen | 1M | omtrent 2 000 sider | 8 |
| Claude Fable 5 | Anthropic | 1M | omtrent 1 900 sider | 50 |
| Claude Opus 4.7 (Fast) | Anthropic | 1M | omtrent 1 900 sider | Ikke målt |
| Claude Opus 4.8 | Anthropic | 1M | omtrent 1 900 sider | 20 |
| Claude Opus 4.8 (Fast) | Anthropic | 1M | omtrent 1 900 sider | Ikke målt |
| Claude Opus 5 | Anthropic | 1M | omtrent 1 900 sider | 20 |
| Claude Opus 5 (Fast) | Anthropic | 1M | omtrent 1 900 sider | Ikke målt |
| Claude Sonnet 4.5 | Anthropic | 1M | omtrent 1 900 sider | 10 |
| Claude Sonnet 4.6 | Anthropic | 1M | omtrent 1 900 sider | 10 |
| Claude Sonnet 5 | Anthropic | 1M | omtrent 1 900 sider | 10 |
| Fugu Ultra | Sakana | 1M | omtrent 1 900 sider | 25 |
| Grok 4.3 | xAI | 1M | omtrent 1 900 sider | 4 |
| Qwen3.5 Plus 2026-04-20 | Qwen | 1M | omtrent 1 900 sider | 1 |
| Qwen3.6 Flash | Qwen | 1M | omtrent 1 900 sider | 1 |
| Qwen3.7 Flash | Qwen | 1M | omtrent 1 900 sider | 1 |
| Qwen3.7 Max | Qwen | 1M | omtrent 1 900 sider | 5 |
| Qwen3.7 Plus | Qwen | 1M | omtrent 1 900 sider | 1 |
| Qwen3.8 27B | Qwen | 1M | omtrent 1 900 sider | 3 |
| Qwen3.8 Max | Qwen | 1M | omtrent 1 900 sider | 6 |
| Inkling Small | Thinkingmachines | 524K | omtrent 983 sider | 1 |
| Solar Pro 4 | Upstage | 524K | omtrent 983 sider | 1 |
| Nemotron 3 Ultra | NVIDIA | 512K | omtrent 961 sider | 3 |
| Grok 4.5 | xAI | 500K | omtrent 938 sider | 6 |
| Grok 4.6 | xAI | 500K | omtrent 938 sider | 6 |
| GPT Chat Latest | OpenAI | 400K | omtrent 750 sider | 25 |
| GPT-5.4 Mini | OpenAI | 400K | omtrent 750 sider | 4 |
| GPT-5.4 Nano | OpenAI | 400K | omtrent 750 sider | 2 |
| Nova Pro 1.0 | Amazon | 300K | omtrent 563 sider | 3 |
| Hy3 | Tencent | 262K | omtrent 492 sider | 1 |
| Kimi K2 Thinking | Moonshot | 262K | omtrent 492 sider | 10 |
| Kimi K2.7 Code | Moonshot | 262K | omtrent 492 sider | 10 |
| Laguna XS 2.1 | Poolside | 262K | omtrent 492 sider | 1 |
| Ling-3.0-flash | inclusionAI | 262K | omtrent 492 sider | 1 |
| Mistral Large 3 2512 | Mistral | 262K | omtrent 492 sider | 2 |
| Mistral Medium 3.5 | Mistral | 262K | omtrent 492 sider | 6 |
| Nemotron 3.5 Lightning | NVIDIA | 262K | omtrent 492 sider | 1 |
| Nex-N2-Mini | Nex Agi | 262K | omtrent 492 sider | 1 |
| Nex-N2-Pro | Nex Agi | 262K | omtrent 492 sider | 1 |
| Qwen3 Coder Next | Qwen | 262K | omtrent 492 sider | 1 |
| Qwen3.6 35B A3B | Qwen | 262K | omtrent 492 sider | 1 |
| Ring-2.6-1T | inclusionAI | 262K | omtrent 492 sider | 1 |
| Sakana Namazu | Sakana | 262K | omtrent 492 sider | 4 |
| Seed 2.1 Turbo | Bytedance Seed | 262K | omtrent 492 sider | 2 |
| Seed-2.0-Code | Bytedance Seed | 262K | omtrent 492 sider | 3 |
| Step 3.7 Flash | Stepfun | 262K | omtrent 492 sider | 1 |
| Codestral 2508 | Mistral | 256K | omtrent 480 sider | 1 |
| Command A | Cohere | 256K | omtrent 480 sider | 10 |
| Grok Build 0.1 | xAI | 256K | omtrent 480 sider | 3 |
| KAT-Coder-Air V2.5 | Kwaipilot | 256K | omtrent 480 sider | 1 |
| KAT-Coder-Pro V2.5 | Kwaipilot | 256K | omtrent 480 sider | 3 |
| GLM 4.6 | Z.ai | 205K | omtrent 384 sider | 1 |
| GLM 4.7 | Z.ai | 205K | omtrent 384 sider | 2 |
| GLM 5 | Z.ai | 205K | omtrent 384 sider | 2 |
| MiniMax M2 | MiniMax | 205K | omtrent 384 sider | 1 |
| Claude Haiku 4.5 | Anthropic | 200K | omtrent 375 sider | 4 |
| DeepSeek V3.1 | DeepSeek | 164K | omtrent 307 sider | 1 |
| DeepSeek V3.2 | DeepSeek | 164K | omtrent 307 sider | 1 |
| Aion-3.0 | Aion Labs | 131K | omtrent 246 sider | 10 |
| Aion-3.0-Mini | Aion Labs | 131K | omtrent 246 sider | 2 |
| Granite 4.1 8B | Ibm Granite | 131K | omtrent 246 sider | 1 |
| Kimi K2 0711 | Moonshot | 131K | omtrent 246 sider | 10 |
| Llama 3.3 70B Instruct | Meta | 131K | omtrent 246 sider | 1 |
| Mistral Medium 3.1 | Mistral | 131K | omtrent 246 sider | 2 |
| Muse Glimmer 30B | Meta | 131K | omtrent 246 sider | 2 |
| Nano Banana 2 (Gemini 3.1 Flash Image) | 131K | omtrent 246 sider | Ikke målt | |
| Nano Banana Pro (Gemini 3 Pro Image) | 131K | omtrent 246 sider | Ikke målt | |
| Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image) | 66K | omtrent 123 sider | Ikke målt | |
| R1 | DeepSeek | 64K | omtrent 120 sider | 2 |
| Perceptron Mk1 | Perceptron | 33K | omtrent 61 sider | 1 |
| Phi 4 | Microsoft | 16K | omtrent 31 sider | 1 |
| Hy-MT2-1.8B | Tencent | 8K | omtrent 15 sider | Ikke målt |
| Hy-MT2-30B-A3B | Tencent | 8K | omtrent 15 sider | Ikke målt |
Slik leser du disse tallene ærlig
Vinduet deles. Alt teller mot det samtidig: prompten din, hver tidligere melding i samtalen, alle vedlagte dokumenter og svaret som skrives. En modell med et vindu på 128K som allerede har lest en kontrakt på 100K tokens, har ikke 128K igjen til diskusjonen, den har 28K.
Oppgitt er ikke det samme som effektivt. Forskning på lange kontekster finner stadig samme mønster: modeller husker starten og slutten av en stor kontekst bedre enn midten. I Lost in the Middle-eksperimentene (Liu et al., 2023) kostet det modellene omtrent 20 poeng i nøyaktighet å flytte det viktigste dokumentet fra kantene av innholdet til midten, så en modell kan ta imot en million tokens og likevel overse klausulen som ligger begravd ved token 400 000. For arbeid med høy risiko på lange dokumenter, spør spesifikt om de midterste delene, eller mat dokumentet inn i merkede deler.
Større er ikke automatisk bedre. Store vinduer koster mer å kjøre og kan svekke oppmerksomheten på tvers av irrelevant tekst. Hvis arbeidet ditt er e-poster og korte utkast, kommer vindusstørrelsen aldri til å være det du merker. Det begynner å bety noe ved hele kontrakter, kodebaser, transkripsjoner og bøker.
Tokens er ikke ord. Tre firedels-regelen er et godt gjennomsnitt for engelsk, men kode, tall og andre språk enn engelsk blir ofte tokenisert mindre effektivt, så sideanslagene i tabellen er bevisst omtrentlige.
Tilpass vinduet til oppgaven
Den praktiske konklusjonen fra tabellen er at context window er et valg per oppgave, ikke per abonnement. Modellen med størst vindu er sjelden den beste skribenten, og den beste skribenten er sjelden den billigste måten å oppsummere 800 sider på.
Det er argumentet for å ha katalogen i ett arbeidsområde. I Whizi kan du gi den 200-siders PDF-en til en modell med stor kontekst, og deretter bytte til Claude eller GPT i samme samtale for å lage et utkast fra det den fant, uten at dokumentet forlater tråden. Det ærlige motargumentet: hvis alt du mater en modell med enkelt får plass i et vindu på 128K, noe som dekker det meste av e-post, utkast og korte dokumenter, er hele denne tabellen irrelevant, og et abonnement hos én leverandør er det enklere kjøpet. Guiden how to choose a model dekker den samme avgjørelsen for kvalitet og pris.
For å sitere denne siden: URL-en uten anker er stabil, datodataen står oppgitt over hele tabellen, og tokentallene kommer fra leverandørkatalogen, ikke fra markedsføringssider.
- Trekk dokumentene og historikken din fra vinduet før du stoler på hovedtallet
- For lange dokumenter, test hukommelse fra midten, ikke bare fra starten
- Oversett tokens til sider med tre firedels-regelen før du bestemmer deg for noe
- Velg vinduet per oppgave i stedet for per abonnement
- Sjekk datodataen over hele tabellen når du siterer et tall
Vanlige spørsmål
Hvilken AI-modell har størst context window?
Per augustkatalogen 2026 er det DeepSeek V4 Flash 0731 fra DeepSeek med 1M tokens. Hele tabellen over lister alle 100 modellene sortert etter vindusstørrelse, med datodataen oppgitt over den.
Hva er det største context window for Claude?
Det største context window for Claude i indeksen er 1M tokens (Claude Fable 5), som rommer omtrent 1 900 sider tekst. Mindre Claude-varianter er listet i hele tabellen over.
Hva er det største context window for GPT?
Det største context window for GPT i indeksen er 1M tokens (GPT-5.4), som rommer omtrent 2 000 sider tekst. Mindre GPT-varianter er listet i hele tabellen over.
Hva er det største context window for Gemini?
Det største context window for Gemini i indeksen er 1M tokens (Gemini 2.5 Flash), som rommer omtrent 2 000 sider tekst. Mindre Gemini-varianter er listet i hele tabellen over.
Hva er det største context window for Grok?
Det største context window for Grok i indeksen er 1M tokens (Grok 4.3), som rommer omtrent 1 900 sider tekst. Mindre Grok-varianter er listet i hele tabellen over.
Er et større context window alltid bedre?
Nei. Større vinduer koster mer, og hukommelsen svekkes mot midten av en svært stor kontekst. Størrelse avgjør for hele bøker, kodebaser og lange transkripsjoner, og er irrelevant for hverdagslig chat. Tilpass vinduet til oppgaven i stedet for å betale for det største tallet.
Hvor mange sider får plass i et context window?
Del tokenantallet på omtrent 530 for å få manuskriptsider: ett token er omtrent tre firedeler av et engelsk ord, og en side er omtrent 400 ord. Så 128K tokens er omtrent 240 sider, og en million tokens er omtrent 1 900 sider. Kode og tekst på andre språk enn engelsk får vanligvis plass til mindre.