コンテキストウィンドウとは?日常のAI利用への影響
AIモデルのコンテキストウィンドウに関するガイド。トークンによる測り方、会話中に何がウィンドウを占めるのか、現在のモデルでのサイズ、会話が上限を超えるとどうなるか、そしてその範囲内で作業するための日常的な習慣を解説します。

コンテキストウィンドウとは、AIモデルが一度に扱えるテキストの量のことです。このガイドでは、コンテキストウィンドウを何が占めるのか、現在のモデルではどれくらいの大きさなのか、そして日々の利用でその範囲内に収めて作業する方法を解説します。
コンテキストウィンドウとは
コンテキストウィンドウとは、AIモデルが一度に処理できるテキストの量の上限です。この上限には、質問や添付されたドキュメントなどの入力テキストと、出力される回答の両方が含まれます。ウィンドウに収まらないものは、モデルが回答する際に見ることも使うこともできません。
コンテキストウィンドウは、モデルがトレーニングで学習した内容とは別のものです。トレーニングはモデルのリリース前に膨大なテキストを使って行われ、モデルに一般的な知識と言語能力を与えます。コンテキストウィンドウに入るのは、目の前のタスクに関する情報だけです。
AIモデル自体は、以前のメッセージを覚えていません。会話を保存しているのは、PerplexityやChatGPTなど、モデルが動作しているアプリです。新しいメッセージを送るたびに、アプリは最新のメッセージだけでなく、それまでの会話全体をモデルに送信します。モデルは返信する前にそのすべてを読み直し、その返信も次回送信される内容の一部になります。会話がウィンドウ内で占める量はやり取りのたびに増えていくため、短いメッセージで構成された長いチャットでも、多くのスペースを占めることがあります。
コンテキストウィンドウの測り方
会話内のすべてのメッセージ、ドキュメント、返信は、ウィンドウ内のスペースを占めます。使用できるスペースの量は、単語数やページ数ではなく、トークンという単位で測られます。
トークンとは、モデルが1つの単位として扱うテキストのまとまりです。短い単語、長い単語の一部、句読点、または前にスペースが付いた単語などがトークンになります。OpenAIによると、100トークンは約75語に相当します。この英語でのおおよその目安に基づくと、3,000語のレポートは約4,000トークンになります。
モデルが何かを読み込む前に、トークナイザーと呼ばれるツールがテキストをトークンに分割し、それぞれを数値に変換します。モデルはその数値を処理して返信をトークンの列として生成し、ツールがそれをテキストに戻します。
トークン数は標準化されていません。数は言語や内容によって異なります。トークナイザーはモデルごとに異なる場合があるため、同じ段落でもモデルによってトークン数が変わることがあります。
コンテキストウィンドウと保存済みメモリの違い
コンテキストウィンドウには、モデルが現在の質問に答えるために使用できる情報が入ります。たとえばAIがレポートを編集する場合、レポート本体、編集の指示、作業中にやり取りしたメッセージがウィンドウ内のスペースを占めます。
保存済みメモリは、選択された詳細情報を会話をまたいで保持します。Perplexityでは、アプリが保存する内容を自動的に選択し、好みや重要な情報を探して、頻繁に出てくる詳細を重視します。「文章はすべてイギリス英語で書いて」のような継続的な指示は保持する価値のある詳細の一例であり、「この段落を短くして」は目の前のタスクにのみ当てはまる指示です。
アプリがそうした詳細を新しい会話に持ち込むと、それはモデルのコンテキストの一部となり、ウィンドウ内のスペースを使用します。Perplexityでは、メモリの設定は「設定 → メモリ」にあります。メモリをオフにすると今後の回答では使用されなくなりますが、すでに保存された詳細は削除されません。
会話中にコンテキストウィンドウを占めるもの
コンテキストウィンドウには、ユーザーが入力した言葉よりはるかに多くの情報が入ります。一般的な会話では、アプリからの指示、会話履歴、ファイルやウェブから取り込まれた情報、モデルの返信という4種類のテキストがスペースを共有しています。そのほとんどは画面に表示されません。
アプリからの指示
ユーザーのメッセージがモデルに届く前に、アプリは独自の指示(システムプロンプトと呼ばれることが多い)を追加します。これらの指示は、回答の形式、使用するトーン、使用できるツール、今日の日付などの詳細を含め、モデルがどのように振る舞うべきかを伝えるものです。アプリの内部指示など、こうした情報の一部は通常ユーザーには表示されません。
会話履歴
これには、現在の回答に関わるユーザーのすべてのメッセージに加え、モデルの以前の返信も含まれます。多くの場合、AIの返信はユーザーの質問よりもはるかに長くなります。
アップロードされたファイル、ウェブページ、検索結果
ファイルから取り込まれたテキストは会話と並んでコンテキストのスペースを使用しますが、アプリはファイル全体を渡すこともあれば、関連する箇所を選んで渡すこともあります。たとえばPerplexityは、短いファイルは全体を分析し、長いファイルからは重要な部分を抽出して質問に答えることができます。
検索結果もスペースを占めます。たとえばPerplexityは、質問に答えるためにウェブを検索し、その結果をモデルに読ませることがあります。
モデルの返信と推論
返信は同じウィンドウ内に書き込まれるため、アプリはそのためのスペースを残しておく必要があります。また、モデルによっては回答に取り組む過程で内部的な推論を生成するものもあり、ユーザーがそれを目にすることはないかもしれません。推論テキストとは、質問をいくつかの部分に分けたり、自身の数値を確認したりといった、最終的な回答の前に書き出されるモデルの段階的な思考過程です。これも通常、ウィンドウの上限にカウントされます。
現在のAIモデルのコンテキストウィンドウのサイズ
コンテキストウィンドウが大きいほど、モデルはより長いドキュメント、より多くの情報源、より長い会話を扱えます。OpenAI、Anthropic、Googleの主要モデルは現在、いずれも約100万トークンのウィンドウを提供しています。これはテキストにしておよそ1,500ページ分です。
モデル | プロバイダー | コンテキストウィンドウ(トークン) |
GPT-6 Astra | OpenAI | 105万 |
Claude Opus 5.5 | Anthropic | 100万 |
Gemini 4 Argon | 1,048,576 |
各プロバイダーのAPI仕様(2026年11月5日時点で確認)。アプリ内で利用できる上限は異なる場合があります。
ウィンドウが大きいからといって、モデルがそのすべてを同じようにうまく活用できるわけではありません。研究では、入力が長くなるにつれて性能の信頼性が低下する場合があることがわかっており、この傾向はコンテキストロット(context rot)と呼ばれています。
入力の上限と出力の上限
コンテキストウィンドウは、モデルが読み込むものと書き出すものすべてで共有する予算です。モデルは1回の返信で書き出せる量よりも、はるかに多くの量を読み込むことができます。
入力を処理する際、モデルは多数のトークンを並列に処理できます。一方、回答を生成する際は、通常トークンを順番に生成し、それまでの内容をもとに次に来るものを選びます。文の5番目の単語は最初の4つの単語がわかるまで選べないため、返信は1トークンずつ生成する必要があります。
そのため、長い返信を生成するのは、長い入力を読み込むよりもはるかに時間とコストがかかります。非常に長いドキュメントの書き直しや翻訳を依頼すると途中で止まってしまうことがあるのも、結果をセクションごとに依頼するほうがうまくいくのも、これが理由です。
会話が上限を超えるとどうなるか
会話がコンテキストウィンドウに収まらないほど大きくなると、アプリはモデルが返信する前にスペースを空ける必要があります。その方法はアプリによっていくつかあり、どの方法でもモデルが引き続き参照できる内容が変わります。
1つ目の方法は、最も古いメッセージから削除していくことです。モデルは会話の最近の部分で作業を続けます。ユーザーが最初に出した指示、決定事項、ドキュメントの一部がウィンドウから外れることがあります。モデルはもう手元にないテキストを参照できませんが、何かが欠けていることをユーザーに伝えるとは限りません。
もう1つの方法は、会話の前半部分を要約し、全文の代わりにその要約を残すことです。これはコンテキスト圧縮(context compaction)と呼ばれる手法の一種です。要約が占めるスペースははるかに小さいため、会話をずっと長く続けられます。ただし、正確な数値、名前、言い回しなどの詳細が省かれることがあります。
モデルがコンテキストを削除または圧縮すると、すでに知っているはずの情報を尋ね始めることがあります。形式や好みのトーンなど、最初に与えられた指示に突然従わなくなることもあります。ユーザーが以前に下した決定と矛盾したり、以前に共有されたドキュメントについての説明が曖昧になったりすることもあります。
アプリによっては、代わりに会話を終了して新しい会話を始めるよう求めたり、長すぎて収まらないメッセージやファイルを受け付けなかったりします。
コンテキストウィンドウの範囲内で作業するための日常的な習慣
- 新しいタスクごとに新しいスレッドを始める:たとえば、イベントの計画に関する既存のスレッドに追加するのではなく、レポートのレビューは専用の会話で行いましょう。
- 必要なものだけを引き継ぐ:以前の作業をもとにタスクを進める場合は、次のタスクに必要な確定済みの詳細と承認済みの文言を抜き出すようモデルに依頼しましょう。
- 関連する情報だけを共有する:たとえば、調査の参加者がどのように選ばれたかについて質問する場合は、レポート全体ではなく、調査方法のセクションと補足資料を提供しましょう。
- 長いドキュメントを共有する前に関連するセクションを見つける:レポートやハンドブックに目次がある場合は、まずそれを共有します。どのセクションが質問の答えになりそうかをモデルに尋ね、そのセクションを会話にコピーしましょう。
- 長いドキュメントは分割してレビューする:ハンドブックやレポートをポリシー、章、トピックごとに分割します。独立したレビューには別々のスレッドを使い、それぞれに同じ指示を与えましょう。
- 長い出力は段階的に依頼する:長文の書き直しや翻訳では、同じスレッド内で1セクションずつ依頼します。セクション名やページ範囲を指定し、結果を確認してからモデルに続きを依頼しましょう。
- 適切な回答の長さを指定する:5つの調査結果、短い説明、特定の列を持つ表などを依頼します。簡潔な回答で十分な場合は、詳細な分析を求めないようにしましょう。
- 修正箇所を絞って依頼する:下書きの1段落を変更したい場合は、その段落だけを書き直すようモデルに依頼します。下書き全体を書き直させるのではなく、変更が必要な点を具体的に伝えましょう。
Perplexityのコンテキスト管理の仕組み
Perplexityのコンテキストには、会話以外の情報も含まれます。リアルタイム検索で見つかった情報、保存された好み、タスクのために提供されたファイルも活用できます。
リサーチに関する質問では、リアルタイム検索によって、モデルが回答を組み立てるための情報源が提供され、情報の出典を示す引用も付きます。たとえば新しい規制について尋ねると、記事を集めてチャットに貼り付けなくても、関連するウェブ情報をタスクに取り込めます。
保存済みメモリは、別の種類のコンテキストを提供します。文章の好みや進行中のプロジェクトの背景など、以前の会話からの関連する詳細です。Perplexityは回答時にそれらの詳細を取得し、メモリはPerplexityが提供するモデル間で共通して機能します。そのため、Perplexity内でモデルを切り替えても、保存された好みを引き続き利用できます。
複数の会話にまたがる作業では、プロジェクトがファイルと指示をまとめて管理し、プロジェクトの指示は各クエリに適用されます。レポートの対象読者、目的、執筆要件はプロジェクトに保持したまま、リサーチや下書きは別々のスレッドで進められます。
質問の仕方、ファイルの扱い方、フォローアップの質問で回答を掘り下げる方法については、Perplexityを使い始めるをご覧ください。
よくある質問
画像はコンテキストウィンドウにカウントされますか?
はい。画像はトークンに変換され、テキストと並んでスペースを占めます。トークンの量は、モデルが画像をどのように処理するかによって異なります。スクリーンショットやスキャンしたページは、そのテキストがチャットにコピーされていなくても、コンテキストのスペースを使用します。
コンテキストウィンドウが大きいほどコストは高くなりますか?
必ずしもそうではありません。ウィンドウの大きさはモデルが扱える量を示すものであり、タスクがその容量をどれだけ使うかを示すものではありません。
会話でコンテキストウィンドウをどれだけ使ったかを確認する方法はありますか?
場合によっては可能です。一部のアプリには、ウィンドウがどれだけ埋まっているかを示すコンテキストメーターがあります。「残りメッセージ数」を示すカウンターは意味が異なり、モデルが会話にあとどれだけ情報を収められるかではなく、アカウントがあと何回リクエストできるかを示します。確認する際は、コンテキストメーターを探してください。
共有された会話を続けることはできますか?
はい。Perplexityでは、共有された会話を読んでフォローアップの質問をすることができます。その質問は自分のアカウントで新しい会話として始まり、元の会話は変更されません。