Contextvenster: wat het is en hoe het dagelijks AI-gebruik beïnvloedt
Een gids over het contextvenster in AI-modellen: hoe het in tokens wordt gemeten, wat het vult tijdens een gesprek, hoe groot het is in de huidige modellen, wat er gebeurt als een gesprek de limiet overschrijdt en dagelijkse gewoonten om erbinnen te werken.

Een contextvenster is de hoeveelheid tekst waarmee een AI-model tegelijk kan werken. Deze gids behandelt wat het vult, hoe groot het is in de huidige modellen en hoe je er dagelijks binnen werkt.
Wat een contextvenster is
Een contextvenster is de grens aan hoeveel tekst een AI-model tegelijk kan verwerken. Die grens geldt voor de tekst die erin gaat, zoals een vraag en een eventueel bijgevoegd document, en voor het antwoord dat eruit komt. Als iets niet in het venster past, kan het model het niet zien of gebruiken bij het beantwoorden.
Het contextvenster staat los van wat een model tijdens de training heeft geleerd. De training vindt plaats voordat een model wordt uitgebracht, op een zeer grote hoeveelheid tekst, en geeft het model zijn algemene kennis en taalvaardigheid. Het contextvenster bevat alleen het materiaal voor de taak die voorligt.
Het AI-model zelf onthoudt eerdere berichten niet. De app waarin het draait, zoals Perplexity of ChatGPT, slaat het gesprek op. Bij elk nieuw bericht stuurt de app het model het hele gesprek tot dan toe, niet alleen het laatste bericht. Het model leest alles opnieuw voordat het antwoordt, en dat antwoord wordt onderdeel van wat de volgende keer wordt verstuurd. De ruimte die een gesprek in het venster inneemt, groeit met elke uitwisseling, dus een lange chat met korte berichten kan toch veel ruimte innemen.
Hoe een contextvenster wordt gemeten
Elk bericht, document en antwoord in een gesprek neemt ruimte in het venster in. De beschikbare ruimte wordt gemeten in tokens in plaats van in een bepaald aantal woorden of pagina's.
Een token is een stukje tekst dat het model als één eenheid verwerkt. Het kan een kort woord zijn, een deel van een langer woord, een leesteken of een woord met de spatie ervoor. 100 tokens zijn ongeveer 75 woorden, volgens OpenAI. Op basis van die globale schatting voor het Engels zou een rapport van 3000 woorden ongeveer 4000 tokens beslaan.
Voordat een model iets leest, splitst een hulpmiddel dat een tokenizer heet de tekst op in tokens en zet het elk token om in een getal. Het model verwerkt die getallen, genereert zijn antwoord als een reeks tokens, en het hulpmiddel zet die weer om in tekst.
Het aantal tokens is niet gestandaardiseerd. Het aantal hangt af van de taal en de inhoud. Tokenizers kunnen per model verschillen, dus dezelfde alinea kan in verschillende modellen een ander aantal tokens opleveren.
Contextvenster vs. opgeslagen herinnering
Het contextvenster bevat wat het model kan gebruiken om de huidige vraag te beantwoorden. Als een AI bijvoorbeeld een rapport bewerkt, nemen het rapport, de bewerkingsinstructies en de berichten die tijdens het werk worden uitgewisseld ruimte in het venster in.
Opgeslagen herinnering bewaart geselecteerde details tussen gesprekken. In Perplexity selecteert de app automatisch wat er wordt opgeslagen: de app zoekt naar voorkeuren en belangrijke informatie en geeft meer gewicht aan details die vaak terugkomen. Een blijvende instructie zoals “Gebruik Brits Engels voor al mijn teksten” illustreert het soort detail dat het bewaren waard is, terwijl “Maak deze alinea korter” betrekking heeft op de taak van dat moment.
Wanneer de app een van die details in een nieuw gesprek gebruikt, wordt het onderdeel van de context van het model en neemt het ruimte in het venster in. In Perplexity vind je de geheugeninstellingen onder Instellingen → Geheugen. Als je het geheugen uitschakelt, wordt het niet meer gebruikt in toekomstige antwoorden, maar worden details die al zijn opgeslagen niet verwijderd.
Wat een contextvenster vult tijdens een gesprek
Een contextvenster bevat veel meer dan de woorden die iemand typt. In een typisch gesprek delen vier soorten tekst de ruimte: instructies van de app, de gespreksgeschiedenis, materiaal uit bestanden of van het web, en het antwoord van het model. Het meeste daarvan verschijnt nooit op het scherm.
Instructies van de app
Voordat iemands bericht het model bereikt, voegt de app zijn eigen instructies toe (vaak een systeemprompt genoemd). Die vertellen het model hoe het zich moet gedragen: hoe antwoorden moeten worden opgemaakt, welke toon het moet aanslaan, welke tools het kan gebruiken en details zoals de datum van vandaag. Een deel van dit materiaal, zoals de interne instructies van de app, wordt normaal gesproken niet aan de gebruiker getoond.
Gespreksgeschiedenis
Dit omvat zowel de eerdere antwoorden van het model als alle berichten van de persoon voor het huidige antwoord. De antwoorden van de AI zijn vaak veel langer dan de vragen van de gebruiker.
Geüploade bestanden, webpagina's en zoekresultaten
Tekst uit bestanden neemt naast het gesprek contextruimte in, maar een app kan een heel bestand aanleveren of relevante passages selecteren. Perplexity kan bijvoorbeeld korte bestanden volledig analyseren en uit langere bestanden de belangrijke delen halen om de vraag te beantwoorden.
Zoekresultaten nemen ook ruimte in. Om een vraag te beantwoorden kan Perplexity bijvoorbeeld op het web zoeken en het model de resultaten laten lezen.
Het antwoord en de redenering van het model
Het antwoord wordt in hetzelfde venster geschreven, dus de app moet er ruimte voor overlaten. Sommige modellen genereren ook interne redeneringen terwijl ze aan een antwoord werken, die de persoon misschien nooit ziet. Redeneringstekst is het stapsgewijze denkwerk van het model, zoals een vraag opsplitsen in delen of de eigen cijfers controleren, uitgeschreven vóór het uiteindelijke antwoord. Meestal telt die ook mee voor de limiet van het venster.
Grootte van contextvensters in de huidige AI-modellen
Met een groter contextvenster kan een model langere documenten, meer bronnen en langere gesprekken verwerken. De toonaangevende modellen van OpenAI, Anthropic en Google bieden nu elk een venster van ongeveer 1 miljoen tokens. Dat is grofweg 1500 pagina's tekst.
Model | Aanbieder | Contextvenster (tokens) |
GPT-6 Astra | OpenAI | 1,05 miljoen |
Claude Opus 5.5 | Anthropic | 1 miljoen |
Gemini 4 Argon | 1.048.576 |
API-specificaties van de aanbieders, gecontroleerd op 5 november 2026. De limieten binnen een app kunnen afwijken.
Een groter venster betekent niet dat een model het helemaal even goed benut. Onderzoek heeft aangetoond dat de prestaties minder betrouwbaar kunnen worden naarmate de invoer langer wordt, een patroon dat bekendstaat als context rot.
Invoerlimieten en uitvoerlimieten
Het contextvenster is een gedeeld budget voor alles wat het model leest en schrijft. Een model kan veel meer lezen dan het in één antwoord kan schrijven.
Bij het verwerken van invoer kan het model parallel aan veel tokens werken. Bij het genereren van een antwoord produceert het tokens meestal achter elkaar, waarbij het gebruikmaakt van wat ervoor kwam om te kiezen wat er volgt. Het kan het vijfde woord van een zin pas kiezen als het de eerste vier kent, dus moet het het antwoord token voor token produceren.
Daardoor is het veel trager en duurder om lange antwoorden te produceren dan om lange invoer te lezen. Daarom kan een verzoek om een heel lang document te herschrijven of te vertalen halverwege stoppen, en werkt het beter om het resultaat in delen te vragen.
Wat er gebeurt als een gesprek de limiet overschrijdt
Wanneer een gesprek te groot wordt voor het contextvenster, moet de app ruimte maken voordat het model kan antwoorden. Apps doen dit op een paar verschillende manieren, en elke manier verandert wat het model nog kan zien.
Eén aanpak is om eerst de oudste berichten te laten vallen. Het model werkt verder met het recente deel van het gesprek. Vroege instructies van de gebruiker, beslissingen of passages uit documenten kunnen uit het venster verdwijnen. Het model kan niet verwijzen naar tekst die het niet meer heeft, maar het vertelt de gebruiker niet per se dat er iets ontbreekt.
Een andere aanpak is om het eerdere deel van het gesprek samen te vatten en de samenvatting te bewaren in plaats van de volledige tekst. Dit is een vorm van wat contextcompactie wordt genoemd. Een samenvatting neemt veel minder ruimte in, zodat het gesprek veel langer kan doorgaan. Er kunnen echter details in ontbreken, zoals exacte cijfers, namen of formuleringen.
Wanneer het model context heeft laten vallen of gecompacteerd, kan het gaan vragen om informatie die het al zou moeten weten. Het kan plotseling stoppen met het opvolgen van instructies die aan het begin zijn gegeven, zoals een opmaak of een voorkeurstoon. Het kan ingaan tegen een eerdere beslissing van de gebruiker, of vaag worden over documentatie die eerder is gedeeld.
Sommige apps stoppen in plaats daarvan het gesprek en vragen de persoon een nieuw gesprek te beginnen, of weigeren een bericht of bestand dat te lang is om te passen.
Dagelijkse gewoonten om binnen het contextvenster te werken
- Begin voor elke nieuwe taak een nieuwe draad: Bespreek een rapport bijvoorbeeld in een eigen gesprek, in plaats van het toe te voegen aan een bestaande draad over het plannen van een evenement.
- Neem alleen mee wat nodig is: Als een taak voortbouwt op eerder werk, vraag het model dan om de bevestigde details en goedgekeurde formuleringen die nodig zijn voor de volgende taak eruit te halen.
- Deel alleen relevante informatie: Geef bij een vraag over hoe deelnemers aan een enquête zijn geselecteerd bijvoorbeeld de methodologiesectie en ondersteunende aantekeningen in plaats van het hele rapport.
- Zoek de relevante sectie op voordat je een lang document deelt: Als een rapport of handboek een inhoudsopgave heeft, deel die dan eerst. Vraag het model welke secties de vraag waarschijnlijk beantwoorden en kopieer die secties vervolgens naar het gesprek.
- Beoordeel lange documenten in delen: Verdeel een handboek of rapport per beleid, hoofdstuk of onderwerp. Gebruik aparte draden voor onafhankelijke beoordelingen, met dezelfde instructies voor elke beoordeling.
- Vraag lange uitvoer in fasen aan: Vraag bij een uitgebreide herschrijving of vertaling om één sectie tegelijk in dezelfde draad. Noem de sectie of het paginabereik en controleer het resultaat voordat je het model vraagt verder te gaan.
- Bepaal een nuttige lengte voor het antwoord: Vraag om vijf bevindingen, een korte uitleg of een tabel met specifieke kolommen. Vraag niet om een gedetailleerde analyse als een kort antwoord volstaat.
- Vraag om gerichte aanpassingen: Wil je één alinea in een concept wijzigen, vraag het model dan om alleen die alinea te herschrijven. Geef aan wat er moet veranderen in plaats van het model te vragen het hele concept opnieuw te maken.
Hoe Perplexity context beheert
De context van Perplexity omvat meer dan het gesprek. Perplexity kan ook putten uit informatie die via live zoeken is gevonden, opgeslagen voorkeuren en bestanden die voor een taak zijn aangeleverd.
Bij een onderzoeksvraag levert live zoeken bronmateriaal dat het model kan gebruiken om zijn antwoord op te bouwen, met bronvermeldingen die laten zien waar de informatie vandaan komt. Als je bijvoorbeeld vraagt naar een nieuwe regeling, kan relevante informatie van het web in de taak worden opgenomen zonder dat je eerst artikelen hoeft te verzamelen en in de chat te plakken.
Opgeslagen herinnering levert een ander soort context: relevante details uit eerdere gesprekken, zoals schrijfvoorkeuren of achtergrondinformatie over een lopend project. Perplexity haalt die details op bij het beantwoorden, en het geheugen werkt met alle modellen die Perplexity aanbiedt. Een opgeslagen voorkeur kan dus beschikbaar blijven wanneer je binnen Perplexity van model wisselt.
Voor werk dat meerdere gesprekken beslaat, houden projecten bestanden en instructies bij elkaar, en projectinstructies gelden voor elke vraag. De doelgroep, het doel en de schrijfeisen van een rapport kunnen bij het project blijven, terwijl onderzoek en het opstellen van tekst in aparte draden plaatsvinden.
Bekijk Aan de slag met Perplexity voor tips over het stellen van vragen, het werken met bestanden en het voortbouwen op antwoorden met vervolgvragen.
Veelgestelde vragen
Tellen afbeeldingen mee voor een contextvenster?
Ja. Afbeeldingen worden omgezet in tokens die naast tekst ruimte innemen. Het aantal tokens hangt af van hoe het model ze verwerkt. Een screenshot of gescande pagina neemt contextruimte in, ook als de tekst ervan niet in de chat is gekopieerd.
Kost een groter contextvenster meer?
Niet per se. Een groter venster beschrijft hoeveel een model aankan, niet hoeveel van die capaciteit een taak gebruikt.
Kun je zien hoeveel van het contextvenster een gesprek heeft gebruikt?
Soms. Sommige apps tonen een contextmeter die aangeeft hoe vol het venster is. Een teller met “resterende berichten” betekent iets anders: hoeveel verzoeken het account nog kan doen, niet hoeveel informatie het model nog in het gesprek kwijt kan. Zoek specifiek naar een contextmeter.
Kan iemand verdergaan met een gesprek dat met diegene is gedeeld?
Ja. In Perplexity kan iemand een gedeeld gesprek lezen en een vervolgvraag stellen. Die vraag start een nieuw gesprek in diens eigen account, waarbij het oorspronkelijke gesprek ongewijzigd blijft.