Konteksto langas: kas tai ir kaip jis veikia kasdienį DI naudojimą
Konteksto lango DI modeliuose vadovas: kaip jis matuojamas žetonais, kas jį užpildo pokalbio metu, koks jis didelis dabartiniuose modeliuose, kas nutinka, kai pokalbis viršija ribą, ir kasdieniai įpročiai dirbant neviršijant jo ribų.

Konteksto langas – tai teksto kiekis, su kuriuo DI modelis gali dirbti vienu metu. Šiame vadove aptariama, kas jį užpildo, koks jis didelis dabartiniuose modeliuose ir kaip kasdien dirbti neviršijant jo ribų.
Kas yra konteksto langas
Konteksto langas – tai riba, kiek teksto DI modelis gali apdoroti vienu metu. Ši riba apima ir įvedamą tekstą, pavyzdžiui, klausimą ir prie jo pridėtą dokumentą, ir pateikiamą atsakymą. Jei kas nors netelpa į langą, modelis to nemato ir negali panaudoti atsakydamas.
Konteksto langas nėra tas pats, ką modelis išmoko mokymo metu. Mokymas vyksta prieš išleidžiant modelį, naudojant labai didelį tekstų rinkinį, ir suteikia modeliui bendrųjų žinių bei kalbos įgūdžių. Konteksto lange laikoma tik medžiaga, reikalinga atliekamai užduočiai.
Pats DI modelis ankstesnių žinučių neatsimena. Pokalbį išsaugo programėlė, kurioje jis veikia, pavyzdžiui, Perplexity ar ChatGPT. Su kiekviena nauja žinute programėlė modeliui siunčia visą iki tol vykusį pokalbį, o ne tik naujausią žinutę. Prieš atsakydamas modelis visa tai perskaito iš naujo, o jo atsakymas tampa dalimi to, kas bus išsiųsta kitą kartą. Pokalbio užimama vieta lange didėja su kiekvienu apsikeitimu žinutėmis, todėl ilgas pokalbis, sudarytas iš trumpų žinučių, vis tiek gali užimti daug vietos.
Kaip matuojamas konteksto langas
Kiekviena pokalbio žinutė, dokumentas ir atsakymas užima vietos lange. Turima vieta matuojama ne tam tikru žodžių ar puslapių skaičiumi, o žetonais.
Žetonas – tai teksto dalis, kurią modelis apdoroja kaip vieną vienetą. Tai gali būti trumpas žodis, ilgesnio žodžio dalis, skyrybos ženklas arba žodis su prieš jį esančiu tarpu. Pasak OpenAI, 100 žetonų atitinka maždaug 75 žodžius. Remiantis šiuo apytiksliu anglų kalbos įverčiu, 3 000 žodžių ataskaita sudarytų apie 4 000 žetonų.
Prieš modeliui ką nors perskaitant, įrankis, vadinamas žetonų skaidytuvu (angl. tokenizer), suskaido tekstą į žetonus ir kiekvieną jų paverčia skaičiumi. Modelis apdoroja tuos skaičius, sugeneruoja atsakymą kaip žetonų seką, o įrankis juos vėl paverčia tekstu.
Žetonų skaičius nėra standartizuotas. Jis priklauso nuo kalbos ir turinio. Skirtingi modeliai gali naudoti skirtingus žetonų skaidytuvus, todėl ta pati pastraipa skirtinguose modeliuose gali būti suskaidyta į skirtingą žetonų skaičių.
Konteksto langas ir išsaugotas prisiminimas
Konteksto lange laikoma tai, ką modelis gali panaudoti atsakydamas į dabartinį klausimą. Pavyzdžiui, kai DI redaguoja ataskaitą, vietą lange užima pati ataskaita, redagavimo nurodymai ir darbo metu apsikeistos žinutės.
Išsaugotas prisiminimas leidžia išlaikyti atrinktas detales tarp skirtingų pokalbių. Perplexity programėlė pati automatiškai atrenka, ką išsaugoti: ieško pageidavimų ir svarbios informacijos bei teikia daugiau reikšmės dažnai pasikartojančioms detalėms. Ilgalaikis nurodymas, pavyzdžiui, „Visuose mano tekstuose naudok britų anglų kalbą“, iliustruoja, kokią detalę verta išsaugoti, o „Sutrumpink šią pastraipą“ taikoma tik atliekamai užduočiai.
Kai programėlė vieną iš tokių detalių perkelia į naują pokalbį, ji tampa modelio konteksto dalimi ir užima vietos lange. Perplexity atminties valdikliai yra skiltyje Nustatymai → Atmintis. Išjungus atmintį, ji nebenaudojama būsimuose atsakymuose, tačiau jau išsaugotos detalės neištrinamos.
Kas užpildo konteksto langą pokalbio metu
Konteksto lange telpa kur kas daugiau nei žmogaus įvesti žodžiai. Įprasto pokalbio metu šią vietą dalijasi keturios teksto rūšys: programėlės nurodymai, pokalbio istorija, iš failų ar interneto gauta medžiaga ir modelio atsakymas. Didžioji jų dalis ekrane niekada nepasirodo.
Programėlės nurodymai
Prieš žmogaus žinutei pasiekiant modelį, programėlė prideda savo nurodymus (dažnai vadinamus sistemos raginimu). Jie nurodo modeliui, kaip elgtis: kaip formatuoti atsakymus, kokį toną naudoti, kokiais įrankiais jis gali naudotis, taip pat pateikia tokias detales kaip šiandienos data. Dalis šios medžiagos, pavyzdžiui, vidiniai programėlės nurodymai, naudotojui paprastai nerodoma.
Pokalbio istorija
Ją sudaro ankstesni modelio atsakymai ir visos žmogaus žinutės, reikalingos dabartiniam atsakymui. Dažnai DI atsakymai būna daug ilgesni nei naudotojo klausimai.
Įkelti failai, tinklalapiai ir paieškos rezultatai
Iš failų gautas tekstas užima konteksto vietos kartu su pokalbiu, tačiau programėlė gali pateikti visą failą arba atrinkti tik svarbias ištraukas. Pavyzdžiui, Perplexity gali išanalizuoti trumpus failus visus, o iš ilgesnių failų ištraukti svarbias dalis, kad atsakytų į užklausą.
Vietos užima ir paieškos rezultatai. Pavyzdžiui, kad atsakytų į užklausą, Perplexity gali atlikti paiešką internete ir pateikti rezultatus modeliui perskaityti.
Modelio atsakymas ir protavimas
Atsakymas rašomas į tą patį langą, todėl programėlė turi palikti jam vietos. Kai kurie modeliai, rengdami atsakymą, taip pat generuoja vidinį protavimą, kurio žmogus gali niekada nepamatyti. Protavimo tekstas – tai modelio žingsnis po žingsnio atliekamas darbas, pavyzdžiui, klausimo skaidymas į dalis ar savo skaičių tikrinimas, užrašomas prieš galutinį atsakymą. Paprastai jis taip pat įskaičiuojamas į lango ribą.
Konteksto lango dydžiai dabartiniuose DI modeliuose
Didesnis konteksto langas reiškia, kad modelis gali apdoroti ilgesnius dokumentus, daugiau šaltinių ir ilgesnius pokalbius. Pirmaujantys OpenAI, Anthropic ir Google modeliai dabar siūlo maždaug 1 milijono žetonų langą. Tai apytiksliai 1 500 teksto puslapių.
Modelis | Teikėjas | Konteksto langas (žetonais) |
GPT-6 Astra | OpenAI | 1,05 mln. |
Claude Opus 5.5 | Anthropic | 1 mln. |
Gemini 4 Argon | 1 048 576 |
Teikėjų API specifikacijos, patikrinta 2026 m. lapkričio 5 d. Programėlėse pasiekiami limitai gali skirtis.
Didesnis langas nereiškia, kad modelis visą jį išnaudoja vienodai gerai. Tyrimai parodė, kad ilgėjant įvesčiai našumas gali tapti mažiau patikimas – šis reiškinys vadinamas konteksto puvimu (angl. context rot).
Įvesties ir išvesties limitai
Konteksto langas – tai bendras biudžetas viskam, ką modelis skaito ir rašo. Modelis gali perskaityti kur kas daugiau, nei gali parašyti viename atsakyme.
Apdorodamas įvestį, modelis gali dirbti su daugeliu žetonų lygiagrečiai. Generuodamas atsakymą, jis paprastai kuria žetonus paeiliui, remdamasis tuo, kas buvo anksčiau, kad pasirinktų, kas bus toliau. Jis negali pasirinkti penktojo sakinio žodžio, kol nežino pirmųjų keturių, todėl atsakymą turi kurti po vieną žetoną.
Dėl to ilgus atsakymus sukurti yra daug lėčiau ir brangiau nei perskaityti ilgas įvestis. Todėl prašymas perrašyti ar išversti labai ilgą dokumentą gali nutrūkti pusiaukelėje, o rezultato prašyti dalimis yra veiksmingiau.
Kas nutinka, kai pokalbis viršija ribą
Kai pokalbis tampa per didelis konteksto langui, programėlė turi atlaisvinti vietos, kad modelis galėtų atsakyti. Programėlės tai daro keliais skirtingais būdais, ir kiekvienas jų pakeičia tai, ką modelis vis dar gali matyti.
Vienas būdas – pirmiausia pašalinti seniausias žinutes. Modelis toliau dirba su naujesne pokalbio dalimi. Ankstyvieji naudotojo nurodymai, sprendimai ar dokumentų ištraukos gali iškristi iš lango. Modelis negali remtis tekstu, kurio nebeturi, tačiau nebūtinai praneš naudotojui, kad kažko trūksta.
Kitas būdas – apibendrinti ankstesnę pokalbio dalį ir vietoj viso teksto palikti santrauką. Tai viena iš vadinamojo konteksto glaudinimo (angl. context compaction) formų. Santrauka užima daug mažiau vietos, todėl pokalbis gali tęstis daug ilgiau. Tačiau joje gali trūkti tokių detalių kaip tikslūs skaičiai, vardai ar formuluotės.
Kai modelis pašalina ar suglaudina savo kontekstą, jis gali pradėti klausti informacijos, kurią jau turėtų žinoti. Jis gali staiga nustoti laikytis pradžioje pateiktų nurodymų, pavyzdžiui, formato ar pageidaujamo tono. Jis gali prieštarauti ankstesniam naudotojo sprendimui arba pradėti miglotai kalbėti apie anksčiau pateiktus dokumentus.
Kai kurios programėlės vietoj to sustabdo pokalbį ir paprašo žmogaus pradėti naują arba atmeta žinutę ar failą, kurie per ilgi, kad tilptų.
Kasdieniai įpročiai dirbant neviršijant konteksto lango
- Kiekvienai naujai užduočiai pradėkite naują giją: pavyzdžiui, ataskaitą peržiūrėkite atskirame pokalbyje, užuot pridėję ją prie esamos gijos apie renginio planavimą.
- Perkelkite tik tai, ko reikia: kai užduotis remiasi ankstesniu darbu, paprašykite modelio išrinkti patvirtintas detales ir aprobuotas formuluotes, reikalingas kitai užduočiai.
- Pateikite tik svarbią informaciją: pavyzdžiui, jei klausiate, kaip buvo atrinkti apklausos dalyviai, pateikite metodikos skyrių ir pagalbines pastabas, o ne visą ataskaitą.
- Prieš pateikdami ilgą dokumentą, suraskite reikiamą skyrių: jei ataskaitoje ar vadove yra turinys, pirmiausia pateikite jį. Paklauskite modelio, kuriuose skyriuose greičiausiai rasite atsakymą į klausimą, tada nukopijuokite tuos skyrius į pokalbį.
- Ilgus dokumentus peržiūrėkite dalimis: padalykite vadovą ar ataskaitą pagal politiką, skyrių ar temą. Nepriklausomoms peržiūroms naudokite atskiras gijas, kiekvienai pateikdami tuos pačius nurodymus.
- Ilgų rezultatų prašykite etapais: jei reikia ilgo perrašymo ar vertimo, toje pačioje gijoje prašykite po vieną skyrių. Nurodykite skyrių ar puslapių intervalą ir patikrinkite rezultatą, prieš prašydami modelio tęsti.
- Nustatykite tinkamą atsakymo ilgį: paprašykite penkių išvadų, trumpo paaiškinimo arba lentelės su konkrečiais stulpeliais. Neprašykite išsamios analizės, kai pakaktų trumpo atsakymo.
- Prašykite tikslinių pataisymų: norėdami pakeisti vieną juodraščio pastraipą, paprašykite modelio perrašyti tik tą pastraipą. Nurodykite, ką reikia pakeisti, užuot prašę atkurti visą juodraštį.
Kaip Perplexity valdo kontekstą
Perplexity kontekstą sudaro ne tik pokalbis. Jis taip pat gali remtis informacija, rasta atliekant paiešką realiuoju laiku, išsaugotomis nuostatomis ir užduočiai pateiktais failais.
Atsakant į tyrimo klausimą, paieška realiuoju laiku pateikia šaltinių medžiagą, kurią modelis gali panaudoti kurdamas atsakymą, o citatos parodo, iš kur gauta informacija. Pavyzdžiui, paklausus apie naują reglamentą, į užduotį galima įtraukti aktualią informaciją iš interneto, prieš tai nerenkant straipsnių ir neįklijuojant jų į pokalbį.
Išsaugotas prisiminimas suteikia kitokio pobūdžio kontekstą: svarbias detales iš ankstesnių pokalbių, pavyzdžiui, rašymo pageidavimus ar informaciją apie vykdomą projektą. Šias detales Perplexity pasitelkia atsakymams rengti, o atmintis veikia su visais siūlomais modeliais. Todėl išsaugotas pageidavimas gali likti pasiekiamas ir perjungus modelį Perplexity aplinkoje.
Darbui, apimančiam kelis pokalbius, skirti projektai: juose kartu laikomi failai ir nurodymai, o projekto nurodymai taikomi kiekvienai užklausai. Ataskaitos auditorija, tikslas ir rašymo reikalavimai gali likti projekte, o tyrimas ir juodraščių rengimas vyksta atskirose gijose.
Peržiūrėkite vadovą Darbo su Perplexity pradžia, kuriame rasite patarimų, kaip užduoti klausimus, dirbti su failais ir plėtoti atsakymus papildomomis užklausomis.
Dažniausiai užduodami klausimai
Ar vaizdai įskaičiuojami į konteksto langą?
Taip. Vaizdai paverčiami žetonais, kurie užima vietos kartu su tekstu. Žetonų kiekis priklauso nuo to, kaip modelis juos apdoroja. Ekrano kopija ar nuskaitytas puslapis užima konteksto vietos net tada, kai jų tekstas nebuvo nukopijuotas į pokalbį.
Ar didesnis konteksto langas kainuoja daugiau?
Nebūtinai. Didesnis langas nurodo, kiek modelis gali apdoroti, o ne kiek tos talpos išnaudoja konkreti užduotis.
Ar galima pamatyti, kiek konteksto lango išnaudojo pokalbis?
Kartais. Kai kurios programėlės rodo konteksto matuoklį, nurodantį, kiek užpildytas langas. Skaitiklis, rodantis „liko žinučių“, reiškia ką kita: kiek dar užklausų gali pateikti paskyra, o ne kiek informacijos modelis dar gali sutalpinti pokalbyje. Ieškokite būtent konteksto matuoklio.
Ar galima tęsti pokalbį, kuriuo su jumis pasidalyta?
Taip. Perplexity naudotojas gali perskaityti bendrinamą pokalbį ir užduoti papildomą klausimą. Šis klausimas pradeda naują pokalbį jo paskyroje, o pradinis pokalbis lieka nepakeistas.