เปรียบเทียบหน้าต่างบริบท: โมเดล AI หลักทุกตัวในตารางเดียว

· ·
ไทย
คำตอบโดยสรุป

หน้าต่างบริบทที่ใหญ่ที่สุดในแคตตาล็อกเดือนสิงหาคม 2026 คือ 1M โทเคน ของ DeepSeek V4 Flash 0731 จาก DeepSeek ตารางด้านล่างเปรียบเทียบโมเดล AI หลักทุกตัว ทั้งในหน่วยโทเคนและหน้ากระดาษจริง จากแคตตาล็อกชุดเดียวกับดัชนีต้นทุนโมเดล AI หนึ่งโทเคนมีค่าประมาณสามในสี่ของคำภาษาอังกฤษหนึ่งคำ

โมเดล AI ตัวไหนมีหน้าต่างบริบทใหญ่ที่สุด

หน้าต่างบริบทที่ใหญ่ที่สุดในแคตตาล็อกเดือนสิงหาคม 2026 คือ 1M โทเคน ของ DeepSeek V4 Flash 0731 จาก DeepSeek ในทางสัญชาตญาณคร่าว ๆ หนึ่งโทเคนมีค่าประมาณสามในสี่ของคำภาษาอังกฤษหนึ่งคำ และหนึ่งหน้าต้นฉบับมีประมาณ 400 คำ ตารางด้านล่างจึงแปลงทุกหน้าต่างให้เป็นหน้ากระดาษ

หนึ่งแถวต่อผู้ให้บริการหลักหนึ่งราย แสดงโมเดลที่มีบริบทใหญ่ที่สุดของแต่ละราย:

ผู้ให้บริการโมเดลที่มีบริบทใหญ่ที่สุดหน้าต่างบริบทรองรับได้ประมาณ
DeepSeekDeepSeek V4 Flash 07311M โทเคนประมาณ 2,500 หน้า
OpenAIGPT-5.41M โทเคนประมาณ 2,000 หน้า
GoogleGemini 2.5 Flash1M โทเคนประมาณ 2,000 หน้า
MetaLlama 4 Maverick1M โทเคนประมาณ 2,000 หน้า
QwenQwen3.8 2.4T A95B1M โทเคนประมาณ 2,000 หน้า
MoonshotKimi K31M โทเคนประมาณ 2,000 หน้า
Z.aiGLM 5.21M โทเคนประมาณ 2,000 หน้า
MiniMaxMiniMax M31M โทเคนประมาณ 2,000 หน้า
AnthropicClaude Fable 51M โทเคนประมาณ 1,900 หน้า
xAIGrok 4.31M โทเคนประมาณ 1,900 หน้า
MistralMistral Large 3 2512262K โทเคนประมาณ 492 หน้า

ถ้าคำถามเบื้องหลังการค้นหาของคุณคือ "หน้าต่างบริบทคืออะไรกันแน่" เริ่มที่คำอธิบายแบบเข้าใจง่ายที่ หน้าต่างบริบทคืออะไร? แล้วค่อยกลับมาดูตัวเลข

โมเดลทั้ง 100 ตัวจัดอันดับตามหน้าต่างบริบทอย่างไร

แคตตาล็อกฉบับเต็ม เรียงตามหน้าต่างบริบท ข้อมูลมาจากแหล่งเดียวกับ ดัชนีต้นทุนโมเดล AI และดึงข้อมูลเมื่อ 2026-08-20 เป็นภาพรวมของวันที่ดังกล่าว ไม่ใช่ฟีดแบบสด ดังนั้นตรวจสอบวันที่ก่อนอ้างอิงตัวเลขใด ๆ คอลัมน์เครดิตแสดงราคาที่แต่ละโมเดลคิดต่อข้อความใน Whizi ในแพ็กเกจที่มีโมเดลนั้นรวมอยู่

โมเดลผู้ให้บริการหน้าต่างบริบทรองรับได้ประมาณเครดิตใน Whizi
DeepSeek V4 Flash 0731DeepSeek1Mประมาณ 2,500 หน้า1
GPT-5.4OpenAI1Mประมาณ 2,000 หน้า15
GPT-5.5OpenAI1Mประมาณ 2,000 หน้า20
GPT-5.6 LunaOpenAI1Mประมาณ 2,000 หน้า1
GPT-5.6 Luna ProOpenAI1Mประมาณ 2,000 หน้าไม่คิดเครดิต
GPT-5.6 SolOpenAI1Mประมาณ 2,000 หน้า20
GPT-5.6 Sol ProOpenAI1Mประมาณ 2,000 หน้าไม่คิดเครดิต
GPT-5.6 TerraOpenAI1Mประมาณ 2,000 หน้า4
GPT-5.6 Terra ProOpenAI1Mประมาณ 2,000 หน้าไม่คิดเครดิต
LongCat 2.0Meituan1Mประมาณ 2,000 หน้า1
DeepSeek V4 Pro 0813DeepSeek1Mประมาณ 2,000 หน้า2
Gemini 2.5 FlashGoogle1Mประมาณ 2,000 หน้า2
Gemini 2.5 Flash LiteGoogle1Mประมาณ 2,000 หน้า1
Gemini 3.1 Flash LiteGoogle1Mประมาณ 2,000 หน้า1
Gemini 3.1 Pro PreviewGoogle1Mประมาณ 2,000 หน้า10
Gemini 3.5 FlashGoogle1Mประมาณ 2,000 หน้า8
Gemini 3.5 Flash LiteGoogle1Mประมาณ 2,000 หน้า2
Gemini 3.6 FlashGoogle1Mประมาณ 2,000 หน้า3
Gemini 3.7 FlashGoogle1Mประมาณ 2,000 หน้า2
GLM 5.2Z.ai1Mประมาณ 2,000 หน้า3
GLM 5.3Z.ai1Mประมาณ 2,000 หน้า5
InklingThinkingmachines1Mประมาณ 2,000 หน้า4
Kimi K3Moonshot1Mประมาณ 2,000 หน้า10
Laguna S 2.1Poolside1Mประมาณ 2,000 หน้า1
Llama 4 MaverickMeta1Mประมาณ 2,000 หน้า1
MiniMax M3MiniMax1Mประมาณ 2,000 หน้า1
Muse Spark 1.1Meta1Mประมาณ 2,000 หน้า5
Muse Spark 1.2Meta1Mประมาณ 2,000 หน้า5
Qwen3.8 2.4T A95BQwen1Mประมาณ 2,000 หน้า8
Claude Fable 5Anthropic1Mประมาณ 1,900 หน้า50
Claude Opus 4.7 (Fast)Anthropic1Mประมาณ 1,900 หน้าไม่คิดเครดิต
Claude Opus 4.8Anthropic1Mประมาณ 1,900 หน้า20
Claude Opus 4.8 (Fast)Anthropic1Mประมาณ 1,900 หน้าไม่คิดเครดิต
Claude Opus 5Anthropic1Mประมาณ 1,900 หน้า20
Claude Opus 5 (Fast)Anthropic1Mประมาณ 1,900 หน้าไม่คิดเครดิต
Claude Sonnet 4.5Anthropic1Mประมาณ 1,900 หน้า10
Claude Sonnet 4.6Anthropic1Mประมาณ 1,900 หน้า10
Claude Sonnet 5Anthropic1Mประมาณ 1,900 หน้า10
Fugu UltraSakana1Mประมาณ 1,900 หน้า25
Grok 4.3xAI1Mประมาณ 1,900 หน้า4
Qwen3.5 Plus 2026-04-20Qwen1Mประมาณ 1,900 หน้า1
Qwen3.6 FlashQwen1Mประมาณ 1,900 หน้า1
Qwen3.7 FlashQwen1Mประมาณ 1,900 หน้า1
Qwen3.7 MaxQwen1Mประมาณ 1,900 หน้า5
Qwen3.7 PlusQwen1Mประมาณ 1,900 หน้า1
Qwen3.8 27BQwen1Mประมาณ 1,900 หน้า3
Qwen3.8 MaxQwen1Mประมาณ 1,900 หน้า6
Inkling SmallThinkingmachines524Kประมาณ 983 หน้า1
Solar Pro 4Upstage524Kประมาณ 983 หน้า1
Nemotron 3 UltraNVIDIA512Kประมาณ 961 หน้า3
Grok 4.5xAI500Kประมาณ 938 หน้า6
Grok 4.6xAI500Kประมาณ 938 หน้า6
GPT Chat LatestOpenAI400Kประมาณ 750 หน้า25
GPT-5.4 MiniOpenAI400Kประมาณ 750 หน้า4
GPT-5.4 NanoOpenAI400Kประมาณ 750 หน้า2
Nova Pro 1.0Amazon300Kประมาณ 563 หน้า3
Hy3Tencent262Kประมาณ 492 หน้า1
Kimi K2 ThinkingMoonshot262Kประมาณ 492 หน้า10
Kimi K2.7 CodeMoonshot262Kประมาณ 492 หน้า10
Laguna XS 2.1Poolside262Kประมาณ 492 หน้า1
Ling-3.0-flashinclusionAI262Kประมาณ 492 หน้า1
Mistral Large 3 2512Mistral262Kประมาณ 492 หน้า2
Mistral Medium 3.5Mistral262Kประมาณ 492 หน้า6
Nemotron 3.5 LightningNVIDIA262Kประมาณ 492 หน้า1
Nex-N2-MiniNex Agi262Kประมาณ 492 หน้า1
Nex-N2-ProNex Agi262Kประมาณ 492 หน้า1
Qwen3 Coder NextQwen262Kประมาณ 492 หน้า1
Qwen3.6 35B A3BQwen262Kประมาณ 492 หน้า1
Ring-2.6-1TinclusionAI262Kประมาณ 492 หน้า1
Sakana NamazuSakana262Kประมาณ 492 หน้า4
Seed 2.1 TurboBytedance Seed262Kประมาณ 492 หน้า2
Seed-2.0-CodeBytedance Seed262Kประมาณ 492 หน้า3
Step 3.7 FlashStepfun262Kประมาณ 492 หน้า1
Codestral 2508Mistral256Kประมาณ 480 หน้า1
Command ACohere256Kประมาณ 480 หน้า10
Grok Build 0.1xAI256Kประมาณ 480 หน้า3
KAT-Coder-Air V2.5Kwaipilot256Kประมาณ 480 หน้า1
KAT-Coder-Pro V2.5Kwaipilot256Kประมาณ 480 หน้า3
GLM 4.6Z.ai205Kประมาณ 384 หน้า1
GLM 4.7Z.ai205Kประมาณ 384 หน้า2
GLM 5Z.ai205Kประมาณ 384 หน้า2
MiniMax M2MiniMax205Kประมาณ 384 หน้า1
Claude Haiku 4.5Anthropic200Kประมาณ 375 หน้า4
DeepSeek V3.1DeepSeek164Kประมาณ 307 หน้า1
DeepSeek V3.2DeepSeek164Kประมาณ 307 หน้า1
Aion-3.0Aion Labs131Kประมาณ 246 หน้า10
Aion-3.0-MiniAion Labs131Kประมาณ 246 หน้า2
Granite 4.1 8BIbm Granite131Kประมาณ 246 หน้า1
Kimi K2 0711Moonshot131Kประมาณ 246 หน้า10
Llama 3.3 70B InstructMeta131Kประมาณ 246 หน้า1
Mistral Medium 3.1Mistral131Kประมาณ 246 หน้า2
Muse Glimmer 30BMeta131Kประมาณ 246 หน้า2
Nano Banana 2 (Gemini 3.1 Flash Image)Google131Kประมาณ 246 หน้าไม่คิดเครดิต
Nano Banana Pro (Gemini 3 Pro Image)Google131Kประมาณ 246 หน้าไม่คิดเครดิต
Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)Google66Kประมาณ 123 หน้าไม่คิดเครดิต
R1DeepSeek64Kประมาณ 120 หน้า2
Perceptron Mk1Perceptron33Kประมาณ 61 หน้า1
Phi 4Microsoft16Kประมาณ 31 หน้า1
Hy-MT2-1.8BTencent8Kประมาณ 15 หน้าไม่คิดเครดิต
Hy-MT2-30B-A3BTencent8Kประมาณ 15 หน้าไม่คิดเครดิต

วิธีอ่านตัวเลขเหล่านี้อย่างตรงไปตรงมา

หน้าต่างนี้ใช้ร่วมกัน ทุกอย่างนับรวมพร้อมกันหมด ทั้งพรอมต์ของคุณ ทุกข้อความก่อนหน้าในบทสนทนา เอกสารที่คุณแนบมา และคำตอบที่กำลังถูกเขียน โมเดลที่มีหน้าต่าง 128K ซึ่งอ่านสัญญา 100K โทเคนไปแล้ว ไม่เหลือ 128K ให้กับบทสนทนาอีกต่อไป แต่เหลือแค่ 28K

ตัวเลขที่โฆษณาไม่ใช่ตัวเลขที่ใช้ได้จริง งานวิจัยเรื่องบริบทยาวพบรูปแบบเดิมซ้ำแล้วซ้ำเล่า โมเดลจำช่วงต้นและช่วงท้ายของบริบทขนาดใหญ่ได้ดีกว่าช่วงกลาง ในการทดลอง Lost in the Middle (Liu et al., 2023) การย้ายเอกสารสำคัญจากขอบของข้อมูลนำเข้าไปไว้ตรงกลาง ทำให้โมเดลเสียความแม่นยำไปราว 20 คะแนน ดังนั้นโมเดลอาจรับได้หนึ่งล้านโทเคนแล้วยังมองข้ามข้อกำหนดที่ฝังอยู่ที่โทเคนที่ 400,000 สำหรับงานเดิมพันสูงกับเอกสารยาว ให้ถามเจาะจงเกี่ยวกับส่วนกลาง หรือป้อนเอกสารเป็นส่วน ๆ ที่ติดป้ายกำกับไว้

ใหญ่กว่าไม่ได้แปลว่าดีกว่าโดยอัตโนมัติ หน้าต่างขนาดใหญ่มีต้นทุนรันสูงกว่าและอาจเจือจางความสนใจไปกับข้อความที่ไม่เกี่ยวข้อง ถ้างานของคุณคืออีเมลและฉบับร่างสั้น ขนาดหน้าต่างจะไม่ใช่สิ่งที่คุณสังเกตเห็นเลย มันเริ่มสำคัญตอนที่เจอสัญญาทั้งฉบับ โค้ดเบสทั้งชุด บทถอดเสียง และหนังสือทั้งเล่ม

โทเคนไม่ใช่คำ กฎสามในสี่ใช้ได้ดีกับค่าเฉลี่ยภาษาอังกฤษ แต่โค้ด ตัวเลข และภาษาที่ไม่ใช่อังกฤษมักถูกแปลงเป็นโทเคนได้ไม่มีประสิทธิภาพเท่า ตัวเลขประมาณหน้าในตารางจึงจงใจให้เป็นค่าคร่าว ๆ

เลือกหน้าต่างให้เหมาะกับงาน

ข้อสรุปเชิงปฏิบัติจากตารางคือหน้าต่างบริบทเป็นตัวเลือกต่อภารกิจ ไม่ใช่ต่อการสมัครสมาชิก โมเดลที่มีหน้าต่างใหญ่ที่สุดแทบไม่เคยเป็นนักเขียนที่ดีที่สุด และนักเขียนที่ดีที่สุดก็แทบไม่เคยเป็นวิธีสรุป 800 หน้าที่ถูกที่สุด

นั่นคือเหตุผลของการมีแคตตาล็อกทั้งหมดอยู่ในพื้นที่ทำงานเดียว ใน Whizi คุณส่ง PDF 200 หน้าให้โมเดลบริบทใหญ่ แล้วสลับไปใช้ Claude หรือ GPT ในบทสนทนาเดียวกันเพื่อร่างจากสิ่งที่มันพบ โดยเอกสารไม่ต้องออกจากเธรดเลย ข้อโต้แย้งที่ตรงไปตรงมา ถ้าทุกอย่างที่คุณป้อนให้โมเดลพอดีกับหน้าต่าง 128K สบาย ๆ ซึ่งครอบคลุมอีเมล การร่างงาน และเอกสารสั้นส่วนใหญ่ ตารางทั้งหมดนี้ก็ไม่มีความหมาย และการสมัครผู้ให้บริการรายเดียวคือทางเลือกที่ง่ายกว่า คู่มือวิธีเลือกโมเดล AI ครอบคลุมการตัดสินใจแบบเดียวกันเรื่องคุณภาพและต้นทุน

สำหรับการอ้างอิงหน้านี้ URL แบบไม่มีแองเคอร์คงที่เสมอ วันที่ของข้อมูลพิมพ์ไว้เหนือตารางฉบับเต็ม และตัวเลขโทเคนมาจากแคตตาล็อกของผู้ให้บริการ ไม่ใช่จากหน้าการตลาด

เช็กลิสต์การทำงาน
  • หักลบเอกสารและประวัติการสนทนาของคุณออกจากหน้าต่างก่อนเชื่อตัวเลขพาดหัว
  • สำหรับเอกสารยาว ทดสอบการจำจากส่วนกลาง ไม่ใช่แค่ช่วงต้น
  • แปลงโทเคนเป็นหน้ากระดาษด้วยกฎสามในสี่ก่อนตัดสินใจอะไรทั้งนั้น
  • เลือกขนาดหน้าต่างตามภารกิจ ไม่ใช่ตามการสมัครสมาชิก
  • ตรวจวันที่ของข้อมูลเหนือตารางฉบับเต็มทุกครั้งที่อ้างอิงตัวเลข

คำถามที่พบบ่อย

โมเดล AI ตัวไหนมีหน้าต่างบริบทใหญ่ที่สุด

ในแคตตาล็อกเดือนสิงหาคม 2026 คือ DeepSeek V4 Flash 0731 จาก DeepSeek ที่ 1M โทเคน ตารางฉบับเต็มด้านบนแสดงโมเดลทั้ง 100 ตัวเรียงตามขนาดหน้าต่าง พร้อมวันที่ของข้อมูลพิมพ์ไว้ด้านบน

หน้าต่างบริบทของ Claude ที่ใหญ่ที่สุดคือเท่าไร

หน้าต่างบริบท Claude ที่ใหญ่ที่สุดในดัชนีคือ 1M โทเคน (Claude Fable 5) ซึ่งจุข้อความได้ประมาณ 1,900 หน้า รุ่นย่อยของ Claude ที่เล็กกว่านี้อยู่ในตารางฉบับเต็มด้านบน

หน้าต่างบริบทของ GPT ที่ใหญ่ที่สุดคือเท่าไร

หน้าต่างบริบท GPT ที่ใหญ่ที่สุดในดัชนีคือ 1M โทเคน (GPT-5.4) ซึ่งจุข้อความได้ประมาณ 2,000 หน้า รุ่นย่อยของ GPT ที่เล็กกว่านี้อยู่ในตารางฉบับเต็มด้านบน

หน้าต่างบริบทของ Gemini ที่ใหญ่ที่สุดคือเท่าไร

หน้าต่างบริบท Gemini ที่ใหญ่ที่สุดในดัชนีคือ 1M โทเคน (Gemini 2.5 Flash) ซึ่งจุข้อความได้ประมาณ 2,000 หน้า รุ่นย่อยของ Gemini ที่เล็กกว่านี้อยู่ในตารางฉบับเต็มด้านบน

หน้าต่างบริบทของ Grok ที่ใหญ่ที่สุดคือเท่าไร

หน้าต่างบริบท Grok ที่ใหญ่ที่สุดในดัชนีคือ 1M โทเคน (Grok 4.3) ซึ่งจุข้อความได้ประมาณ 1,900 หน้า รุ่นย่อยของ Grok ที่เล็กกว่านี้อยู่ในตารางฉบับเต็มด้านบน

หน้าต่างบริบทใหญ่กว่าดีกว่าเสมอไหม

ไม่เสมอไป หน้าต่างที่ใหญ่กว่ามีต้นทุนสูงกว่า และการจำจะแย่ลงตรงส่วนกลางของบริบทที่ใหญ่มาก ขนาดใหญ่ชี้ขาดสำหรับหนังสือทั้งเล่ม โค้ดเบสทั้งชุด และบทถอดเสียงยาว แต่ไม่มีนัยสำคัญสำหรับแชตประจำวัน เลือกขนาดหน้าต่างให้เหมาะกับภารกิจ แทนที่จะจ่ายเพื่อตัวเลขที่ใหญ่ที่สุด

หน้าต่างบริบทหนึ่งจุกี่หน้า

หารจำนวนโทเคนด้วยประมาณ 530 เพื่อได้จำนวนหน้าต้นฉบับ หนึ่งโทเคนมีค่าประมาณสามในสี่ของคำภาษาอังกฤษหนึ่งคำ และหนึ่งหน้ามีประมาณ 400 คำ ดังนั้น 128K โทเคนจึงประมาณ 240 หน้า และหนึ่งล้านโทเคนประมาณ 1,900 หน้า โค้ดและข้อความที่ไม่ใช่ภาษาอังกฤษมักจุได้น้อยกว่านั้น