Który model AI ma największe okno kontekstu?
Największe okno kontekstu w katalogu z sierpnia 2026 to 1M tokenów, należące do DeepSeek V4 Flash 0731 od DeepSeek. Jako przybliżoną intuicję fizyczną: jeden token to mniej więcej trzy czwarte angielskiego słowa, a strona maszynopisu to około 400 słów, więc poniższa tabela przelicza każde okno na strony.
Po jednym wierszu na głównego dostawcę, z jego modelem o największym kontekście:
| Dostawca | Model z największym kontekstem | Okno kontekstu | Mieści z grubsza |
|---|---|---|---|
| DeepSeek | DeepSeek V4 Flash 0731 | 1M tokenów | około 2500 stron |
| OpenAI | GPT-5.4 | 1M tokenów | około 2000 stron |
| Gemini 2.5 Flash | 1M tokenów | około 2000 stron | |
| Meta | Llama 4 Maverick | 1M tokenów | około 2000 stron |
| Qwen | Qwen3.8 2.4T A95B | 1M tokenów | około 2000 stron |
| Moonshot | Kimi K3 | 1M tokenów | około 2000 stron |
| Z.ai | GLM 5.2 | 1M tokenów | około 2000 stron |
| MiniMax | MiniMax M3 | 1M tokenów | około 2000 stron |
| Anthropic | Claude Fable 5 | 1M tokenów | około 1900 stron |
| xAI | Grok 4.3 | 1M tokenów | około 1900 stron |
| Mistral | Mistral Large 3 2512 | 262K tokenów | około 492 strony |
Jeśli pytanie, które stoi za twoim wyszukiwaniem, brzmi "czym w ogóle jest okno kontekstu", zacznij od prostego wyjaśnienia w Czym jest okno kontekstu? i wróć tu po liczby.
Jak wszystkie 100 modeli plasuje się pod względem okna kontekstu?
Pełny katalog, posortowany według okna kontekstu. Dane pochodzą z tego samego źródła co Indeks kosztów modeli AI i zostały pobrane 2026-08-20; to zrzut z tej daty, a nie żywy strumień danych, więc sprawdź datę przed zacytowaniem liczby. Kolumna kredytów pokazuje, ile kosztuje każdy model za wiadomość w Whizi, tam gdzie obejmuje go dany plan.
| Model | Dostawca | Okno kontekstu | Mieści z grubsza | Kredyty w Whizi |
|---|---|---|---|---|
| DeepSeek V4 Flash 0731 | DeepSeek | 1M | około 2500 stron | 1 |
| GPT-5.4 | OpenAI | 1M | około 2000 stron | 15 |
| GPT-5.5 | OpenAI | 1M | około 2000 stron | 20 |
| GPT-5.6 Luna | OpenAI | 1M | około 2000 stron | 1 |
| GPT-5.6 Luna Pro | OpenAI | 1M | około 2000 stron | Nierozliczane |
| GPT-5.6 Sol | OpenAI | 1M | około 2000 stron | 20 |
| GPT-5.6 Sol Pro | OpenAI | 1M | około 2000 stron | Nierozliczane |
| GPT-5.6 Terra | OpenAI | 1M | około 2000 stron | 4 |
| GPT-5.6 Terra Pro | OpenAI | 1M | około 2000 stron | Nierozliczane |
| LongCat 2.0 | Meituan | 1M | około 2000 stron | 1 |
| DeepSeek V4 Pro 0813 | DeepSeek | 1M | około 2000 stron | 2 |
| Gemini 2.5 Flash | 1M | około 2000 stron | 2 | |
| Gemini 2.5 Flash Lite | 1M | około 2000 stron | 1 | |
| Gemini 3.1 Flash Lite | 1M | około 2000 stron | 1 | |
| Gemini 3.1 Pro Preview | 1M | około 2000 stron | 10 | |
| Gemini 3.5 Flash | 1M | około 2000 stron | 8 | |
| Gemini 3.5 Flash Lite | 1M | około 2000 stron | 2 | |
| Gemini 3.6 Flash | 1M | około 2000 stron | 3 | |
| Gemini 3.7 Flash | 1M | około 2000 stron | 2 | |
| GLM 5.2 | Z.ai | 1M | około 2000 stron | 3 |
| GLM 5.3 | Z.ai | 1M | około 2000 stron | 5 |
| Inkling | Thinkingmachines | 1M | około 2000 stron | 4 |
| Kimi K3 | Moonshot | 1M | około 2000 stron | 10 |
| Laguna S 2.1 | Poolside | 1M | około 2000 stron | 1 |
| Llama 4 Maverick | Meta | 1M | około 2000 stron | 1 |
| MiniMax M3 | MiniMax | 1M | około 2000 stron | 1 |
| Muse Spark 1.1 | Meta | 1M | około 2000 stron | 5 |
| Muse Spark 1.2 | Meta | 1M | około 2000 stron | 5 |
| Qwen3.8 2.4T A95B | Qwen | 1M | około 2000 stron | 8 |
| Claude Fable 5 | Anthropic | 1M | około 1900 stron | 50 |
| Claude Opus 4.7 (Fast) | Anthropic | 1M | około 1900 stron | Nierozliczane |
| Claude Opus 4.8 | Anthropic | 1M | około 1900 stron | 20 |
| Claude Opus 4.8 (Fast) | Anthropic | 1M | około 1900 stron | Nierozliczane |
| Claude Opus 5 | Anthropic | 1M | około 1900 stron | 20 |
| Claude Opus 5 (Fast) | Anthropic | 1M | około 1900 stron | Nierozliczane |
| Claude Sonnet 4.5 | Anthropic | 1M | około 1900 stron | 10 |
| Claude Sonnet 4.6 | Anthropic | 1M | około 1900 stron | 10 |
| Claude Sonnet 5 | Anthropic | 1M | około 1900 stron | 10 |
| Fugu Ultra | Sakana | 1M | około 1900 stron | 25 |
| Grok 4.3 | xAI | 1M | około 1900 stron | 4 |
| Qwen3.5 Plus 2026-04-20 | Qwen | 1M | około 1900 stron | 1 |
| Qwen3.6 Flash | Qwen | 1M | około 1900 stron | 1 |
| Qwen3.7 Flash | Qwen | 1M | około 1900 stron | 1 |
| Qwen3.7 Max | Qwen | 1M | około 1900 stron | 5 |
| Qwen3.7 Plus | Qwen | 1M | około 1900 stron | 1 |
| Qwen3.8 27B | Qwen | 1M | około 1900 stron | 3 |
| Qwen3.8 Max | Qwen | 1M | około 1900 stron | 6 |
| Inkling Small | Thinkingmachines | 524K | około 983 strony | 1 |
| Solar Pro 4 | Upstage | 524K | około 983 strony | 1 |
| Nemotron 3 Ultra | NVIDIA | 512K | około 961 stron | 3 |
| Grok 4.5 | xAI | 500K | około 938 stron | 6 |
| Grok 4.6 | xAI | 500K | około 938 stron | 6 |
| GPT Chat Latest | OpenAI | 400K | około 750 stron | 25 |
| GPT-5.4 Mini | OpenAI | 400K | około 750 stron | 4 |
| GPT-5.4 Nano | OpenAI | 400K | około 750 stron | 2 |
| Nova Pro 1.0 | Amazon | 300K | około 563 strony | 3 |
| Hy3 | Tencent | 262K | około 492 strony | 1 |
| Kimi K2 Thinking | Moonshot | 262K | około 492 strony | 10 |
| Kimi K2.7 Code | Moonshot | 262K | około 492 strony | 10 |
| Laguna XS 2.1 | Poolside | 262K | około 492 strony | 1 |
| Ling-3.0-flash | inclusionAI | 262K | około 492 strony | 1 |
| Mistral Large 3 2512 | Mistral | 262K | około 492 strony | 2 |
| Mistral Medium 3.5 | Mistral | 262K | około 492 strony | 6 |
| Nemotron 3.5 Lightning | NVIDIA | 262K | około 492 strony | 1 |
| Nex-N2-Mini | Nex Agi | 262K | około 492 strony | 1 |
| Nex-N2-Pro | Nex Agi | 262K | około 492 strony | 1 |
| Qwen3 Coder Next | Qwen | 262K | około 492 strony | 1 |
| Qwen3.6 35B A3B | Qwen | 262K | około 492 strony | 1 |
| Ring-2.6-1T | inclusionAI | 262K | około 492 strony | 1 |
| Sakana Namazu | Sakana | 262K | około 492 strony | 4 |
| Seed 2.1 Turbo | Bytedance Seed | 262K | około 492 strony | 2 |
| Seed-2.0-Code | Bytedance Seed | 262K | około 492 strony | 3 |
| Step 3.7 Flash | Stepfun | 262K | około 492 strony | 1 |
| Codestral 2508 | Mistral | 256K | około 480 stron | 1 |
| Command A | Cohere | 256K | około 480 stron | 10 |
| Grok Build 0.1 | xAI | 256K | około 480 stron | 3 |
| KAT-Coder-Air V2.5 | Kwaipilot | 256K | około 480 stron | 1 |
| KAT-Coder-Pro V2.5 | Kwaipilot | 256K | około 480 stron | 3 |
| GLM 4.6 | Z.ai | 205K | około 384 strony | 1 |
| GLM 4.7 | Z.ai | 205K | około 384 strony | 2 |
| GLM 5 | Z.ai | 205K | około 384 strony | 2 |
| MiniMax M2 | MiniMax | 205K | około 384 strony | 1 |
| Claude Haiku 4.5 | Anthropic | 200K | około 375 stron | 4 |
| DeepSeek V3.1 | DeepSeek | 164K | około 307 stron | 1 |
| DeepSeek V3.2 | DeepSeek | 164K | około 307 stron | 1 |
| Aion-3.0 | Aion Labs | 131K | około 246 stron | 10 |
| Aion-3.0-Mini | Aion Labs | 131K | około 246 stron | 2 |
| Granite 4.1 8B | Ibm Granite | 131K | około 246 stron | 1 |
| Kimi K2 0711 | Moonshot | 131K | około 246 stron | 10 |
| Llama 3.3 70B Instruct | Meta | 131K | około 246 stron | 1 |
| Mistral Medium 3.1 | Mistral | 131K | około 246 stron | 2 |
| Muse Glimmer 30B | Meta | 131K | około 246 stron | 2 |
| Nano Banana 2 (Gemini 3.1 Flash Image) | 131K | około 246 stron | Nierozliczane | |
| Nano Banana Pro (Gemini 3 Pro Image) | 131K | około 246 stron | Nierozliczane | |
| Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image) | 66K | około 123 strony | Nierozliczane | |
| R1 | DeepSeek | 64K | około 120 stron | 2 |
| Perceptron Mk1 | Perceptron | 33K | około 61 stron | 1 |
| Phi 4 | Microsoft | 16K | około 31 stron | 1 |
| Hy-MT2-1.8B | Tencent | 8K | około 15 stron | Nierozliczane |
| Hy-MT2-30B-A3B | Tencent | 8K | około 15 stron | Nierozliczane |
Jak uczciwie czytać te liczby
Okno jest współdzielone. Wszystko liczy się do niego naraz: twój prompt, każda wcześniejsza wiadomość w rozmowie, każdy dołączony dokument i pisana właśnie odpowiedź. Model z oknem 128K, który przeczytał już umowę na 100K tokenów, nie ma 128K zostałego na dyskusję; ma 28K.
Deklarowane nie znaczy skuteczne. Badania nad długim kontekstem wciąż znajdują ten sam wzorzec: modele lepiej pamiętają początek i koniec ogromnego kontekstu niż środek. W eksperymentach Lost in the Middle (Liu i in., 2023) przeniesienie kluczowego dokumentu z krawędzi wejścia na środek kosztowało modele około 20 punktów dokładności, więc model może przyjąć milion tokenów i wciąż pominąć klauzulę zakopaną przy tokenie 400 000. Przy pracy wysokiej stawki na długich dokumentach pytaj konkretnie o środkowe sekcje albo podawaj dokument w oznaczonych częściach.
Większe nie znaczy automatycznie lepsze. Duże okna kosztują więcej w uruchomieniu i mogą rozcieńczać uwagę na nieistotny tekst. Jeśli twoja praca to e-maile i krótkie szkice, rozmiar okna nigdy nie będzie tym, co zauważysz. Zaczyna mieć znaczenie przy całych umowach, bazach kodu, transkrypcjach i książkach.
Tokeny to nie słowa. Reguła trzech czwartych to dobra średnia dla angielskiego, ale kod, liczby i języki inne niż angielski często tokenizują się mniej wydajnie, więc szacunki liczby stron w tabeli są celowo przybliżone.
Dopasuj okno do zadania
Praktyczny wniosek z tabeli jest taki, że okno kontekstu to wybór na zadanie, a nie na subskrypcję. Model z największym oknem rzadko jest najlepszym pisarzem, a najlepszy pisarz rzadko jest najtańszym sposobem na streszczenie 800 stron.
To argument za posiadaniem całego katalogu w jednej przestrzeni. W Whizi możesz przekazać 200-stronicowy PDF modelowi z dużym kontekstem, a potem przełączyć się na Claude albo GPT w tej samej rozmowie, żeby napisać szkic na podstawie tego, co znalazł, bez wynoszenia dokumentu z wątku. Uczciwy kontrargument: jeśli wszystko, czym karmisz model, mieści się wygodnie w oknie 128K, co pokrywa większość poczty, szkiców i pracy z krótkimi dokumentami, cała ta tabela jest bez znaczenia, a subskrypcja jednego dostawcy to prostszy zakup. Przewodnik jak wybrać model AI opisuje tę samą decyzję pod kątem jakości i kosztu.
Do cytowania tej strony: adres URL bez kotwicy jest stabilny, data danych jest wydrukowana nad pełną tabelą, a liczby tokenów pochodzą z katalogu dostawców, a nie ze stron marketingowych.
- Odejmij swoje dokumenty i historię od okna, zanim zaufasz nagłówkowej liczbie
- Przy długich dokumentach testuj pamięć środka, nie tylko początku
- Przelicz tokeny na strony regułą trzech czwartych, zanim cokolwiek zdecydujesz
- Wybieraj okno na zadanie, a nie na subskrypcję
- Sprawdź datę danych nad pełną tabelą, gdy cytujesz jakąś liczbę
Najczęstsze pytania
Który model AI ma największe okno kontekstu?
W katalogu z sierpnia 2026 to DeepSeek V4 Flash 0731 od DeepSeek, z oknem 1M tokenów. Pełna tabela powyżej wymienia wszystkie 100 modeli posortowane według rozmiaru okna, z datą danych wydrukowaną nad nią.
Jakie jest największe okno kontekstu Claude?
Największe okno kontekstu Claude w indeksie to 1M tokenów (Claude Fable 5), które mieści około 1900 stron tekstu. Mniejsze warianty Claude są wymienione w pełnej tabeli powyżej.
Jakie jest największe okno kontekstu GPT?
Największe okno kontekstu GPT w indeksie to 1M tokenów (GPT-5.4), które mieści około 2000 stron tekstu. Mniejsze warianty GPT są wymienione w pełnej tabeli powyżej.
Jakie jest największe okno kontekstu Gemini?
Największe okno kontekstu Gemini w indeksie to 1M tokenów (Gemini 2.5 Flash), które mieści około 2000 stron tekstu. Mniejsze warianty Gemini są wymienione w pełnej tabeli powyżej.
Jakie jest największe okno kontekstu Grok?
Największe okno kontekstu Grok w indeksie to 1M tokenów (Grok 4.3), które mieści około 1900 stron tekstu. Mniejsze warianty Grok są wymienione w pełnej tabeli powyżej.
Czy większe okno kontekstu jest zawsze lepsze?
Nie. Większe okna kosztują więcej, a pamięć słabnie w kierunku środka bardzo dużego kontekstu. Większe okno jest decydujące przy całych książkach, bazach kodu i długich transkrypcjach, a nieistotne przy codziennym czacie. Dopasuj okno do zadania, zamiast płacić za największą liczbę.
Ile stron mieści się w oknie kontekstu?
Podziel liczbę tokenów przez mniej więcej 530, żeby uzyskać strony maszynopisu: jeden token to mniej więcej trzy czwarte angielskiego słowa, a strona to około 400 słów. Czyli 128K tokenów to około 240 stron, a milion tokenów to około 1900 stron. Kod i tekst inny niż angielski zwykle mieści mniej.