Kontekstiaken: mis see on ja kuidas see mõjutab igapäevast tehisintellekti kasutamist
Juhend tehisintellekti mudelite kontekstiakna kohta: kuidas seda tokenites mõõdetakse, mis seda vestluse ajal täidab, kui suur see praegustes mudelites on, mis juhtub, kui vestlus ületab limiidi, ja igapäevased harjumused selle piires töötamiseks.

Kontekstiaken on tekstihulk, millega tehisintellekti mudel saab korraga töötada. See juhend selgitab, mis seda täidab, kui suur see praegustes mudelites on ja kuidas selle piires igapäevaselt töötada.
Mis on kontekstiaken
Kontekstiaken on piirang sellele, kui palju teksti suudab tehisintellekti mudel korraga käsitleda. Piirang hõlmab nii sisendteksti, näiteks küsimust ja sellele lisatud dokumenti, kui ka väljastatavat vastust. Kui midagi aknasse ei mahu, ei näe mudel seda ega saa seda vastamisel kasutada.
Kontekstiaken on eraldi sellest, mida mudel treenimise käigus õppis. Treenimine toimub enne mudeli avaldamist väga suure tekstikogumi põhjal ning annab mudelile üldteadmised ja keeleoskuse. Kontekstiaken sisaldab ainult käesoleva ülesande materjali.
Tehisintellekti mudel ise varasemaid sõnumeid ei mäleta. Vestluse salvestab rakendus, milles mudel töötab, näiteks Perplexity või ChatGPT. Iga uue sõnumiga saadab rakendus mudelile kogu senise vestluse, mitte ainult viimase sõnumi. Mudel loeb enne vastamist kõik uuesti läbi ja see vastus muutub osaks sellest, mis järgmisel korral saadetakse. Vestluse maht aknas kasvab iga sõnumivahetusega, nii et lühikestest sõnumitest koosnev pikk vestlus võib siiski palju ruumi võtta.
Kuidas kontekstiakent mõõdetakse
Iga vestluses olev sõnum, dokument ja vastus võtab aknas ruumi. Saadaolevat ruumi mõõdetakse tokenites, mitte kindlas arvus sõnades või lehekülgedes.
Token on tekstitükk, mida mudel käsitleb ühe üksusena. See võib olla lühike sõna, osa pikemast sõnast, kirjavahemärk või sõna koos sellele eelneva tühikuga. OpenAI andmetel on 100 tokenit umbes 75 sõna. Selle ligikaudse ingliskeelse hinnangu järgi oleks 3000-sõnaline aruanne umbes 4000 tokenit.
Enne kui mudel midagi loeb, jagab tokeniseerijaks nimetatav tööriist teksti tokeniteks ja teisendab igaühe neist arvuks. Mudel töötleb neid arve, genereerib vastuse tokenite jadana ja tööriist teisendab need tagasi tekstiks.
Tokenite arv ei ole standardiseeritud. See sõltub keelest ja sisust. Tokeniseerijad võivad mudeliti erineda, nii et sama lõik võib eri mudelites anda erineva arvu tokeneid.
Kontekstiaken vs. salvestatud mälestus
Kontekstiaken sisaldab seda, mida mudel saab praegusele küsimusele vastamiseks kasutada. Näiteks kui tehisintellekt redigeerib aruannet, võtavad aknas ruumi aruanne, redigeerimisjuhised ja selle kallal töötamise ajal vahetatud sõnumid.
Salvestatud mälestus säilitab valitud üksikasju vestluste vahel. Perplexitys valib rakendus salvestatava automaatselt, otsides eelistusi ja olulist teavet ning andes suurema kaalu sageli esile kerkivatele üksikasjadele. Püsiv juhis, näiteks „Kasuta kõigis minu tekstides briti inglise keelt“, illustreerib säilitamist väärivat üksikasja, samas kui „Tee see lõik lühemaks“ puudutab käesolevat ülesannet.
Kui rakendus toob mõne neist üksikasjadest uude vestlusse, muutub see osaks mudeli kontekstist ja kasutab aknas ruumi. Perplexitys asuvad mälu juhtelemendid jaotises Seaded → Mälu. Mälu väljalülitamine peatab selle kasutamise tulevastes vastustes, kuid ei kustuta juba salvestatud üksikasju.
Mis täidab kontekstiakent vestluse ajal
Kontekstiaken sisaldab palju enamat kui inimese sisestatud sõnad. Tavalises vestluses jagavad ruumi nelja liiki tekst: rakenduse juhised, vestluse ajalugu, failidest või veebist toodud materjal ja mudeli vastus. Suurem osa sellest ei ilmu kunagi ekraanile.
Rakenduse juhised
Enne kui inimese sõnum mudelini jõuab, lisab rakendus oma juhised (mida sageli nimetatakse süsteemiviibaks). Need ütlevad mudelile, kuidas käituda: kuidas vastuseid vormindada, millist tooni kasutada, milliseid tööriistu see saab kasutada, ning üksikasju, nagu tänane kuupäev. Osa sellest materjalist, näiteks rakenduse sisemisi juhiseid, kasutajale tavaliselt ei näidata.
Vestluse ajalugu
See hõlmab praeguse vastuse jaoks nii mudeli varasemaid vastuseid kui ka kõiki inimese sõnumeid. Sageli on tehisintellekti vastused kasutaja küsimustest palju pikemad.
Üleslaaditud failid, veebilehed ja otsingutulemused
Failidest toodud tekst kasutab kontekstiruumi koos vestlusega, kuid rakendus võib esitada kogu faili või valida asjakohased lõigud. Näiteks saab Perplexity päringule vastamiseks lühikesi faile tervikuna analüüsida ja pikematest failidest olulisi osi välja võtta.
Ka otsingutulemused võtavad ruumi. Näiteks võib Perplexity päringule vastamiseks veebist otsida ja anda tulemused mudelile lugemiseks.
Mudeli vastus ja arutlus
Vastus kirjutatakse samasse aknasse, nii et rakendus peab selle jaoks ruumi jätma. Mõned mudelid genereerivad vastuse kallal töötades ka sisemist arutlust, mida inimene ei pruugi kunagi näha. Arutlustekst on mudeli samm-sammuline töökäik, näiteks küsimuse osadeks jagamine või oma arvude kontrollimine, mis kirjutatakse välja enne lõplikku vastust. Tavaliselt arvestatakse ka see akna limiidi hulka.
Kontekstiakende suurused praegustes tehisintellekti mudelites
Suurem kontekstiaken tähendab, et mudel suudab käsitleda pikemaid dokumente, rohkem allikaid ja pikemaid vestlusi. Ettevõtete OpenAI, Anthropic ja Google juhtivad mudelid pakuvad nüüd igaüks umbes 1 miljoni tokeni suurust akent. See on ligikaudu 1500 lehekülge teksti.
Mudel | Pakkuja | Kontekstiaken (tokenites) |
GPT-6 Astra | OpenAI | 1,05 miljonit |
Claude Opus 5.5 | Anthropic | 1 miljon |
Gemini 4 Argon | 1 048 576 |
Pakkujate API spetsifikatsioonid, kontrollitud 5. novembril 2026. Rakenduses saadaolevad limiidid võivad erineda.
Suurem aken ei tähenda, et mudel kasutab seda kogu ulatuses võrdselt hästi. Uuringud on näidanud, et sisendi pikkuse kasvades võib jõudlus muutuda vähem usaldusväärseks – seda nähtust nimetatakse kontekstimädanikuks (context rot).
Sisendi- ja väljundlimiidid
Kontekstiaken on ühine eelarve kõigele, mida mudel loeb ja kirjutab. Mudel suudab lugeda palju rohkem, kui suudab ühes vastuses kirjutada.
Sisendi töötlemisel saab mudel paljude tokenitega paralleelselt töötada. Vastuse genereerimisel loob see tokeneid tavaliselt järjest, kasutades eelnevat selleks, et valida, mis tuleb järgmiseks. See ei saa valida lause viiendat sõna enne, kui teab esimest nelja, seega peab see vastust looma üks token korraga.
Seetõttu on pikkade vastuste loomine palju aeglasem ja kulukam kui pikkade sisendite lugemine. Sellepärast võib väga pika dokumendi ümberkirjutamise või tõlkimise päring pooleli jääda ja sellepärast toimib paremini, kui tulemust küsida osade kaupa.
Mis juhtub, kui vestlus ületab limiidi
Kui vestlus muutub kontekstiakna jaoks liiga suureks, peab rakendus enne mudeli vastamist ruumi tegema. Rakendused teevad seda mitmel eri viisil ja igaüks neist muudab seda, mida mudel veel näeb.
Üks võimalus on eemaldada kõigepealt vanimad sõnumid. Mudel jätkab tööd vestluse hiljutise osaga. Kasutaja varased juhised, otsused või dokumendilõigud võivad aknast välja langeda. Mudel ei saa viidata tekstile, mida tal enam pole, kuid see ei pruugi kasutajale öelda, et midagi on puudu.
Teine võimalus on teha vestluse varasemast osast kokkuvõte ja hoida täisteksti asemel alles kokkuvõte. See on üks konteksti tihendamiseks nimetatava protsessi vorme. Kokkuvõte võtab palju vähem ruumi, nii et vestlus võib kesta palju kauem. See võib aga välja jätta üksikasju, nagu täpsed arvud, nimed või sõnastus.
Kui mudel on oma konteksti eemaldanud või tihendanud, võib see hakata küsima teavet, mida see peaks juba teadma. See võib äkki lõpetada alguses antud juhiste järgimise, näiteks vormingu või eelistatud tooni osas. See võib minna vastuollu kasutaja varasema otsusega või muutuda ebamääraseks varem jagatud dokumentatsiooni suhtes.
Mõned rakendused hoopis peatavad vestluse ja paluvad inimesel alustada uut või lükkavad tagasi sõnumi või faili, mis on mahtumiseks liiga pikk.
Igapäevased harjumused kontekstiakna piires töötamiseks
- Alusta iga uue ülesande jaoks uut lõime: näiteks vaata aruanne üle eraldi vestluses, selle asemel et lisada see olemasolevasse lõime, mis käsitleb ürituse planeerimist.
- Too üle ainult see, mida on vaja: kui ülesanne tugineb varasemale tööle, palu mudelil välja tuua kinnitatud üksikasjad ja heakskiidetud sõnastus, mida järgmise ülesande jaoks vaja on.
- Jaga ainult asjakohast teavet: näiteks küsimuse puhul, kuidas küsitlusel osalejad valiti, esita kogu aruande asemel metoodika jaotis ja seda toetavad märkmed.
- Leia enne pika dokumendi jagamist asjakohane jaotis: kui aruandel või käsiraamatul on sisukord, jaga kõigepealt seda. Küsi mudelilt, millised jaotised vastavad tõenäoliselt küsimusele, ja kopeeri need jaotised seejärel vestlusesse.
- Vaata pikad dokumendid üle osade kaupa: jaga käsiraamat või aruanne eeskirjade, peatükkide või teemade kaupa. Kasuta sõltumatute ülevaatuste jaoks eraldi lõimi, igaühe jaoks samade juhistega.
- Küsi pikki väljundeid etapiviisiliselt: pika ümberkirjutuse või tõlke puhul küsi samas lõimes üks jaotis korraga. Nimeta jaotis või lehekülgede vahemik ja kontrolli tulemust, enne kui palud mudelil jätkata.
- Määra kasulik vastuse pikkus: küsi viit järeldust, lühikest selgitust või kindlate veergudega tabelit. Ära küsi üksikasjalikku analüüsi, kui piisaks lühikesest vastusest.
- Küsi sihipäraseid muudatusi: mustandi ühe lõigu muutmiseks palu mudelil ümber kirjutada ainult see lõik. Täpsusta, mida on vaja muuta, selle asemel et paluda kogu mustand uuesti esitada.
Kuidas Perplexity konteksti haldab
Perplexity kontekst hõlmab enamat kui vestlust. See võib kasutada ka reaalajas otsingu kaudu leitud teavet, salvestatud eelistusi ja ülesande jaoks esitatud faile.
Uurimisküsimuse puhul annab reaalajas otsing lähtematerjali, mida mudel saab vastuse koostamiseks kasutada, koos viidetega, mis näitavad, kust teave pärineb. Näiteks uue määruse kohta küsimine võib tuua ülesandesse asjakohast veebiteavet, ilma et peaks esmalt artikleid koguma ja neid vestlusesse kleepima.
Salvestatud mälestus pakub teistsugust konteksti: asjakohaseid üksikasju varasematest vestlustest, näiteks kirjutamiseelistusi või taustteavet käimasoleva projekti kohta. Perplexity hangib need üksikasjad vastamisel ja mälu toimib kõigi pakutavate mudelite puhul. Seetõttu võib salvestatud eelistus jääda kättesaadavaks ka siis, kui Perplexitys mudelit vahetada.
Mitut vestlust hõlmava töö puhul hoiavad projektid faile ja juhiseid koos ning projekti juhised kehtivad iga päringu kohta. Aruande sihtrühm, eesmärk ja kirjutamisnõuded võivad jääda projekti juurde, samas kui uurimine ja mustandi koostamine toimuvad eraldi lõimedes.
Tutvu juhendiga Perplexityga alustamine, et saada nõu küsimuste esitamise, failidega töötamise ja vastuste edasiarendamise kohta jätkupäringute abil.
Korduma kippuvad küsimused
Kas pildid arvestatakse kontekstiakna hulka?
Jah. Pildid teisendatakse tokeniteks, mis võtavad ruumi koos tekstiga. Tokenite arv sõltub sellest, kuidas mudel neid töötleb. Kuvatõmmis või skannitud lehekülg kasutab kontekstiruumi ka siis, kui selle teksti pole vestlusesse kopeeritud.
Kas suurem kontekstiaken maksab rohkem?
Mitte tingimata. Suurem aken kirjeldab, kui palju mudel suudab käsitleda, mitte seda, kui suure osa sellest mahust ülesanne kasutab.
Kas on võimalik näha, kui suure osa kontekstiaknast vestlus on kasutanud?
Mõnikord. Mõned rakendused kuvavad kontekstimõõdikut, mis näitab, kui täis aken on. Loendur, mis näitab „järelejäänud sõnumeid“, tähendab midagi muud: kui palju päringuid saab konto veel teha, mitte seda, kui palju teavet mudel saab vestlusesse veel mahutada. Otsi just kontekstimõõdikut.
Kas keegi saab jätkata vestlust, mida on temaga jagatud?
Jah. Perplexitys saab keegi jagatud vestlust lugeda ja esitada jätkuküsimuse. See küsimus alustab tema kontol uue vestluse ning algne vestlus jääb muutmata.