कॉन्टेक्स्ट विंडो: यह क्या है और रोज़मर्रा के AI इस्तेमाल पर इसका क्या असर पड़ता है

AI मॉडलों में कॉन्टेक्स्ट विंडो पर एक गाइड, जिसमें बताया गया है कि इसे टोकन में कैसे मापा जाता है, बातचीत के दौरान इसमें क्या-क्या भरता है, मौजूदा मॉडलों में यह कितनी बड़ी है, बातचीत के सीमा पार करने पर क्या होता है, और इसकी सीमा में काम करने की रोज़मर्रा की आदतें क्या हैं।

Diagram of a conversation growing over five messages: each new message resends all earlier messages and replies, so the total moves closer to the context window limit.

कॉन्टेक्स्ट विंडो टेक्स्ट की वह मात्रा है जिस पर कोई AI मॉडल एक समय में काम कर सकता है। यह गाइड बताती है कि इसमें क्या-क्या भरता है, मौजूदा मॉडलों में यह कितनी बड़ी होती है, और रोज़मर्रा के काम में इसकी सीमा के भीतर कैसे काम करें।

कॉन्टेक्स्ट विंडो क्या है

कॉन्टेक्स्ट विंडो वह सीमा है जो तय करती है कि कोई AI मॉडल एक समय में कितना टेक्स्ट संभाल सकता है। इस सीमा में अंदर जाने वाला टेक्स्ट, जैसे कोई सवाल और उसके साथ अटैच किया गया कोई दस्तावेज़, और बाहर आने वाला जवाब, दोनों शामिल होते हैं। अगर कोई चीज़ विंडो में फ़िट नहीं होती, तो मॉडल जवाब देते समय न उसे देख सकता है, न उसका इस्तेमाल कर सकता है।

कॉन्टेक्स्ट विंडो उस चीज़ से अलग है जो मॉडल ने ट्रेनिंग के दौरान सीखी है। ट्रेनिंग मॉडल के रिलीज़ होने से पहले, टेक्स्ट के एक बहुत बड़े भंडार पर होती है, और इसी से मॉडल को उसका सामान्य ज्ञान और भाषा कौशल मिलता है। कॉन्टेक्स्ट विंडो में सिर्फ़ उस काम से जुड़ी सामग्री होती है जो उस समय मॉडल के सामने है।

AI मॉडल खुद पिछले मैसेज याद नहीं रखता। जिस ऐप में वह चलता है, जैसे Perplexity या ChatGPT, वह बातचीत को सहेजता है। हर नए मैसेज के साथ, ऐप मॉडल को सिर्फ़ ताज़ा मैसेज नहीं, बल्कि अब तक की पूरी बातचीत भेजता है। जवाब देने से पहले मॉडल यह सब फिर से पढ़ता है, और वह जवाब भी अगली बार भेजी जाने वाली सामग्री का हिस्सा बन जाता है। हर आदान-प्रदान के साथ विंडो में बातचीत की जगह बढ़ती जाती है, इसलिए छोटे-छोटे मैसेज वाली लंबी चैट भी काफ़ी जगह घेर सकती है।

कॉन्टेक्स्ट विंडो को कैसे मापा जाता है

बातचीत का हर मैसेज, दस्तावेज़ और जवाब विंडो में जगह घेरता है। उपलब्ध जगह को शब्दों या पेजों की किसी तय संख्या के बजाय टोकन में मापा जाता है।

टोकन टेक्स्ट का एक टुकड़ा होता है जिसे मॉडल एक इकाई के रूप में संभालता है। यह कोई छोटा शब्द, किसी लंबे शब्द का हिस्सा, कोई विराम चिह्न, या अपने आगे की स्पेस के साथ कोई शब्द हो सकता है। OpenAI के अनुसार, 100 टोकन लगभग 75 शब्दों के बराबर होते हैं। अंग्रेज़ी भाषा के इस अनुमानित आकलन के हिसाब से, 3,000 शब्दों की रिपोर्ट लगभग 4,000 टोकन की होगी।

मॉडल के कुछ भी पढ़ने से पहले, टोकनाइज़र नाम का एक टूल टेक्स्ट को टोकन में बाँटता है और हर टोकन को एक संख्या में बदल देता है। मॉडल उन संख्याओं को प्रोसेस करता है, अपना जवाब टोकन के एक क्रम के रूप में जनरेट करता है, और फिर वह टूल उन्हें वापस टेक्स्ट में बदल देता है।

टोकन की गिनती का कोई मानक नहीं है। गिनती भाषा और सामग्री पर निर्भर करती है। अलग-अलग मॉडलों के टोकनाइज़र अलग हो सकते हैं, इसलिए एक ही पैराग्राफ़ से अलग-अलग मॉडलों में टोकन की अलग-अलग संख्या बन सकती है।

कॉन्टेक्स्ट विंडो बनाम सहेजी गई मेमोरी

कॉन्टेक्स्ट विंडो में वह सब होता है जिसका इस्तेमाल मॉडल मौजूदा सवाल का जवाब देने के लिए कर सकता है। उदाहरण के लिए, जब कोई AI किसी रिपोर्ट को एडिट करता है, तो रिपोर्ट, एडिटिंग के निर्देश, और उस पर काम करते समय भेजे और पाए गए मैसेज विंडो में जगह घेरते हैं।

सहेजी गई मेमोरी अलग-अलग बातचीतों के बीच चुनी हुई जानकारियाँ बनाए रखती है। Perplexity में, ऐप अपने आप तय करता है कि क्या सहेजना है: वह पसंद और ज़रूरी जानकारी ढूँढता है और बार-बार सामने आने वाली जानकारियों को ज़्यादा महत्व देता है। “मेरी सारी राइटिंग के लिए ब्रिटिश अंग्रेज़ी इस्तेमाल करें” जैसा स्थायी निर्देश उस तरह की जानकारी का उदाहरण है जिसे बनाए रखना फ़ायदेमंद है, जबकि “इस पैराग्राफ़ को छोटा करें” सिर्फ़ मौजूदा काम पर लागू होता है।

जब ऐप उनमें से किसी जानकारी को नई बातचीत में लाता है, तो वह मॉडल के कॉन्टेक्स्ट का हिस्सा बन जाती है और विंडो में जगह घेरती है। Perplexity में, मेमोरी कंट्रोल सेटिंग्स → मेमोरी में मिलते हैं। मेमोरी बंद करने से आगे के जवाबों में उसका इस्तेमाल रुक जाता है, लेकिन पहले से सहेजी गई जानकारियाँ डिलीट नहीं होतीं।

बातचीत के दौरान कॉन्टेक्स्ट विंडो में क्या-क्या भरता है

कॉन्टेक्स्ट विंडो में किसी व्यक्ति के टाइप किए गए शब्दों से कहीं ज़्यादा चीज़ें होती हैं। आम बातचीत में, चार तरह का टेक्स्ट यह जगह साझा करता है: ऐप के निर्देश, बातचीत का इतिहास, फ़ाइलों या वेब से लाई गई सामग्री, और मॉडल का जवाब। इसका ज़्यादातर हिस्सा कभी स्क्रीन पर दिखाई नहीं देता।

ऐप के निर्देश

किसी व्यक्ति का मैसेज मॉडल तक पहुँचने से पहले, ऐप उसमें अपने निर्देश जोड़ देता है (जिन्हें अक्सर सिस्टम प्रॉम्प्ट कहा जाता है)। ये मॉडल को बताते हैं कि उसे कैसे व्यवहार करना है: जवाबों को कैसे फ़ॉर्मैट करना है, कौन-सा लहजा अपनाना है, वह कौन-से टूल इस्तेमाल कर सकता है, और आज की तारीख जैसी जानकारियाँ। इस सामग्री का कुछ हिस्सा, जैसे ऐप के आंतरिक निर्देश, आम तौर पर यूज़र को नहीं दिखाया जाता।

बातचीत का इतिहास

इसमें मौजूदा जवाब के लिए व्यक्ति के सभी मैसेज के साथ-साथ मॉडल के पिछले जवाब भी शामिल होते हैं। अक्सर AI के जवाब यूज़र के सवालों से काफ़ी लंबे होते हैं।

अपलोड की गई फ़ाइलें, वेब पेज और सर्च नतीजे

फ़ाइलों से लाया गया टेक्स्ट बातचीत के साथ-साथ कॉन्टेक्स्ट की जगह इस्तेमाल करता है, लेकिन कोई ऐप पूरी फ़ाइल दे सकता है या उसके प्रासंगिक अंश चुन सकता है। उदाहरण के लिए, सवाल का जवाब देने के लिए Perplexity छोटी फ़ाइलों का पूरा विश्लेषण कर सकता है और लंबी फ़ाइलों से ज़रूरी हिस्से निकाल सकता है।

सर्च नतीजे भी जगह घेरते हैं। उदाहरण के लिए, किसी सवाल का जवाब देने के लिए Perplexity वेब पर सर्च करके नतीजे मॉडल को पढ़ने के लिए दे सकता है।

मॉडल का जवाब और रीज़निंग

जवाब भी उसी विंडो में लिखा जाता है, इसलिए ऐप को उसके लिए जगह छोड़नी पड़ती है। कुछ मॉडल जवाब पर काम करते समय आंतरिक रीज़निंग भी जनरेट करते हैं, जिसे व्यक्ति शायद कभी न देखे। रीज़निंग टेक्स्ट मॉडल का चरण-दर-चरण काम होता है, जैसे किसी सवाल को हिस्सों में बाँटना या अपने आँकड़ों की जाँच करना, जिसे अंतिम जवाब से पहले लिखा जाता है। आम तौर पर इसे भी विंडो की सीमा में गिना जाता है।

मौजूदा AI मॉडलों में कॉन्टेक्स्ट विंडो का आकार

बड़ी कॉन्टेक्स्ट विंडो का मतलब है कि मॉडल लंबे दस्तावेज़, ज़्यादा स्रोत और लंबी बातचीत संभाल सकता है। OpenAI, Anthropic और Google के प्रमुख मॉडल अब हर एक लगभग 10 लाख टोकन की विंडो देते हैं। यह मोटे तौर पर टेक्स्ट के 1,500 पेजों के बराबर है।

मॉडल

प्रदाता

कॉन्टेक्स्ट विंडो (टोकन)

GPT-6 Astra

OpenAI

10.5 लाख

Claude Opus 5.5

Anthropic

10 लाख

Gemini 4 Argon

Google

10,48,576

प्रदाताओं के API स्पेसिफ़िकेशन, 5 नवंबर, 2026 को जाँचे गए। किसी ऐप के भीतर उपलब्ध सीमाएँ अलग हो सकती हैं।

बड़ी विंडो का मतलब यह नहीं है कि मॉडल उसके हर हिस्से का एक जैसा अच्छा इस्तेमाल करता है। शोध में पाया गया है कि इनपुट की लंबाई बढ़ने के साथ परफ़ॉर्मेंस कम भरोसेमंद हो सकती है, और इस पैटर्न को कॉन्टेक्स्ट रॉट (context rot) कहा जाता है।

इनपुट सीमाएँ और आउटपुट सीमाएँ

कॉन्टेक्स्ट विंडो उन सभी चीज़ों का साझा बजट है जिन्हें मॉडल पढ़ता और लिखता है। मॉडल एक जवाब में जितना लिख सकता है, उससे कहीं ज़्यादा पढ़ सकता है।

इनपुट प्रोसेस करते समय, मॉडल कई टोकन पर एक साथ काम कर सकता है। जवाब जनरेट करते समय, वह आम तौर पर टोकन क्रम से बनाता है और पहले आई चीज़ों के आधार पर तय करता है कि आगे क्या आएगा। जब तक उसे वाक्य के पहले चार शब्द पता न हों, वह पाँचवाँ शब्द नहीं चुन सकता, इसलिए उसे जवाब एक-एक टोकन करके बनाना पड़ता है।

इसी वजह से लंबे जवाब बनाना, लंबे इनपुट पढ़ने की तुलना में कहीं ज़्यादा धीमा और महँगा होता है। यही कारण है कि किसी बहुत लंबे दस्तावेज़ को दोबारा लिखने या अनुवाद करने का अनुरोध बीच में ही रुक सकता है, और नतीजा हिस्सों में माँगना बेहतर काम करता है।

जब बातचीत सीमा पार कर जाती है तो क्या होता है

जब कोई बातचीत कॉन्टेक्स्ट विंडो के लिए बहुत बड़ी हो जाती है, तो मॉडल के जवाब देने से पहले ऐप को जगह बनानी पड़ती है। ऐप यह काम कुछ अलग-अलग तरीकों से करते हैं, और हर तरीका यह बदल देता है कि मॉडल अब भी क्या देख सकता है।

एक तरीका है सबसे पुराने मैसेज पहले हटाना। मॉडल बातचीत के हाल के हिस्से के साथ काम करता रहता है। यूज़र के शुरुआती निर्देश, फ़ैसले या दस्तावेज़ के अंश विंडो से बाहर हो सकते हैं। मॉडल उस टेक्स्ट का हवाला नहीं दे सकता जो अब उसके पास नहीं है, लेकिन ज़रूरी नहीं कि वह यूज़र को बताए कि कुछ छूट गया है।

दूसरा तरीका है बातचीत के पहले वाले हिस्से का सारांश बनाना और पूरे टेक्स्ट की जगह वह सारांश रखना। यह कॉन्टेक्स्ट कॉम्पैक्शन (context compaction) कहलाने वाली प्रक्रिया का एक रूप है। सारांश बहुत कम जगह घेरता है, इसलिए बातचीत काफ़ी लंबी चल सकती है। हालाँकि, इसमें सटीक आँकड़े, नाम या शब्दों का चुनाव जैसी बारीकियाँ छूट सकती हैं।

जब मॉडल अपना कॉन्टेक्स्ट हटा या कॉम्पैक्ट कर चुका होता है, तो वह ऐसी जानकारी माँगना शुरू कर सकता है जो उसे पहले से पता होनी चाहिए। वह शुरुआत में दिए गए निर्देशों, जैसे कोई फ़ॉर्मैट या पसंदीदा लहजा, का पालन अचानक बंद कर सकता है। वह यूज़र के पहले के किसी फ़ैसले के उलट बात कह सकता है, या पहले साझा किए गए दस्तावेज़ों के बारे में अस्पष्ट हो सकता है।

कुछ ऐप इसके बजाय बातचीत रोक देते हैं और व्यक्ति से नई बातचीत शुरू करने को कहते हैं, या ऐसे मैसेज या फ़ाइल को अस्वीकार कर देते हैं जो विंडो में समाने के लिहाज़ से बहुत लंबी हो।

कॉन्टेक्स्ट विंडो की सीमा में काम करने की रोज़मर्रा की आदतें

  • हर नए काम के लिए नया थ्रेड शुरू करें: उदाहरण के लिए, किसी रिपोर्ट की समीक्षा उसकी अपनी अलग बातचीत में करें, न कि किसी इवेंट की योजना से जुड़े मौजूदा थ्रेड में उसे जोड़ें।
  • सिर्फ़ ज़रूरी चीज़ें आगे ले जाएँ: जब कोई काम पिछले काम पर आधारित हो, तो मॉडल से कहें कि वह अगले काम के लिए ज़रूरी पुष्टि की गई जानकारियाँ और स्वीकृत शब्दावली अलग से निकाल दे।
  • सिर्फ़ प्रासंगिक जानकारी साझा करें: उदाहरण के लिए, सर्वे के प्रतिभागियों को कैसे चुना गया, इस सवाल के लिए पूरी रिपोर्ट के बजाय कार्यप्रणाली वाला सेक्शन और उससे जुड़े नोट्स दें।
  • लंबा दस्तावेज़ साझा करने से पहले प्रासंगिक सेक्शन ढूँढें: अगर किसी रिपोर्ट या हैंडबुक में विषय-सूची है, तो पहले उसे साझा करें। मॉडल से पूछें कि किन सेक्शनों में सवाल का जवाब मिलने की संभावना है, फिर उन सेक्शनों को कॉपी करके बातचीत में डालें।
  • लंबे दस्तावेज़ों की समीक्षा हिस्सों में करें: किसी हैंडबुक या रिपोर्ट को नीति, अध्याय या विषय के हिसाब से बाँटें। अलग-अलग स्वतंत्र समीक्षाओं के लिए अलग थ्रेड इस्तेमाल करें, और हर एक के लिए एक जैसे निर्देश दें।
  • लंबे आउटपुट चरणों में माँगें: किसी लंबे रीराइट या अनुवाद के लिए, उसी थ्रेड में एक बार में एक सेक्शन माँगें। सेक्शन या पेजों की रेंज बताएँ, और मॉडल से आगे बढ़ने को कहने से पहले नतीजा जाँच लें।
  • जवाब की उपयोगी लंबाई तय करें: पाँच निष्कर्ष, एक छोटी व्याख्या, या खास कॉलम वाली टेबल माँगें। जब छोटे जवाब से काम चल जाए, तो विस्तृत विश्लेषण माँगने से बचें।
  • लक्षित बदलाव माँगें: किसी ड्राफ़्ट में एक पैराग्राफ़ बदलने के लिए, मॉडल से सिर्फ़ उसी पैराग्राफ़ को दोबारा लिखने को कहें। पूरा ड्राफ़्ट दोबारा बनाने को कहने के बजाय साफ़ बताएँ कि क्या बदलना है।

Perplexity कॉन्टेक्स्ट को कैसे मैनेज करता है

Perplexity के कॉन्टेक्स्ट में बातचीत से ज़्यादा चीज़ें शामिल होती हैं। यह लाइव सर्च से मिली जानकारी, सहेजी गई पसंद, और किसी काम के लिए दी गई फ़ाइलों का भी इस्तेमाल कर सकता है।

किसी शोध से जुड़े सवाल के लिए, लाइव सर्च ऐसी स्रोत सामग्री देता है जिसका इस्तेमाल मॉडल अपना जवाब तैयार करने में कर सकता है, और साथ में उद्धरण बताते हैं कि जानकारी कहाँ से आई। उदाहरण के लिए, किसी नए नियम के बारे में पूछने पर, पहले लेख इकट्ठा करके उन्हें चैट में पेस्ट किए बिना ही, वेब की प्रासंगिक जानकारी काम में शामिल हो सकती है।

सहेजी गई मेमोरी एक अलग तरह का कॉन्टेक्स्ट देती है: पिछली बातचीतों की प्रासंगिक जानकारियाँ, जैसे लिखने से जुड़ी पसंद या किसी चल रहे प्रोजेक्ट की पृष्ठभूमि। Perplexity जवाब देते समय उन जानकारियों को निकालकर इस्तेमाल करता है, और मेमोरी उसके सभी उपलब्ध मॉडलों में काम करती है। इसलिए Perplexity में मॉडल बदलने पर भी सहेजी गई पसंद उपलब्ध रह सकती है।

कई बातचीतों में फैले काम के लिए, प्रोजेक्ट फ़ाइलों और निर्देशों को एक साथ रखते हैं, और प्रोजेक्ट के निर्देश हर सवाल पर लागू होते हैं। किसी रिपोर्ट के पाठक, उद्देश्य और लेखन से जुड़ी ज़रूरतें प्रोजेक्ट में बनी रह सकती हैं, जबकि शोध और ड्राफ़्टिंग अलग-अलग थ्रेड में होते हैं।

सवाल पूछने, फ़ाइलों के साथ काम करने और फ़ॉलो-अप सवालों के ज़रिए जवाबों को आगे बढ़ाने के बारे में मार्गदर्शन के लिए Perplexity के साथ शुरुआत करना देखें।

अक्सर पूछे जाने वाले सवाल

क्या इमेज भी कॉन्टेक्स्ट विंडो में गिनी जाती हैं?

हाँ। इमेज को टोकन में बदला जाता है, जो टेक्स्ट के साथ-साथ जगह घेरते हैं। टोकन की संख्या इस बात पर निर्भर करती है कि मॉडल उन्हें कैसे प्रोसेस करता है। कोई स्क्रीनशॉट या स्कैन किया गया पेज कॉन्टेक्स्ट की जगह घेरता है, भले ही उसका टेक्स्ट चैट में कॉपी न किया गया हो।

क्या बड़ी कॉन्टेक्स्ट विंडो की लागत ज़्यादा होती है?

ज़रूरी नहीं। बड़ी विंडो यह बताती है कि मॉडल कितना संभाल सकता है, यह नहीं कि कोई काम उस क्षमता का कितना हिस्सा इस्तेमाल करता है।

क्या यह देखने का कोई तरीका है कि किसी बातचीत ने कॉन्टेक्स्ट विंडो का कितना हिस्सा इस्तेमाल किया है?

कभी-कभी। कुछ ऐप एक कॉन्टेक्स्ट मीटर दिखाते हैं, जो बताता है कि विंडो कितनी भरी है। “बचे हुए मैसेज” दिखाने वाले काउंटर का मतलब कुछ और होता है: अकाउंट कितने और अनुरोध कर सकता है, न कि मॉडल बातचीत में कितनी और जानकारी समा सकता है। खास तौर पर कॉन्टेक्स्ट मीटर ही देखें।

क्या कोई व्यक्ति अपने साथ साझा की गई बातचीत को आगे जारी रख सकता है?

हाँ। Perplexity में, कोई भी व्यक्ति साझा की गई बातचीत पढ़ सकता है और फ़ॉलो-अप सवाल पूछ सकता है। वह सवाल उसके अकाउंट में एक नई बातचीत शुरू करता है, और मूल बातचीत में कोई बदलाव नहीं होता।