Kontextové okno: čo to je a ako ovplyvňuje každodenné používanie AI

Sprievodca kontextovým oknom v modeloch AI: ako sa meria v tokenoch, čo ho počas konverzácie napĺňa, aké veľké je v súčasných modeloch, čo sa stane, keď konverzácia prekročí limit, a každodenné návyky pri práci v jeho rámci.

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.

Kontextové okno je množstvo textu, s ktorým dokáže model AI naraz pracovať. Tento sprievodca vysvetľuje, čo ho napĺňa, aké veľké je v súčasných modeloch a ako s ním pracovať v každodennom používaní.

Čo je kontextové okno

Kontextové okno je limit, koľko textu dokáže model AI naraz spracovať. Tento limit zahŕňa text na vstupe, napríklad otázku a akýkoľvek k nej priložený dokument, aj odpoveď na výstupe. Ak sa niečo do okna nezmestí, model to nevidí a nemôže to pri odpovedi použiť.

Kontextové okno je oddelené od toho, čo sa model naučil počas trénovania. Trénovanie prebieha pred vydaním modelu na veľmi rozsiahlom súbore textov a dáva modelu všeobecné znalosti a jazykové zručnosti. Kontextové okno obsahuje iba materiál k aktuálnej úlohe.

Samotný model AI si predchádzajúce správy nepamätá. Konverzáciu ukladá aplikácia, v ktorej beží, napríklad Perplexity alebo ChatGPT. S každou novou správou aplikácia pošle modelu celú doterajšiu konverzáciu, nielen poslednú správu. Model si ju pred odpoveďou celú znova prečíta a táto odpoveď sa stane súčasťou toho, čo sa odošle nabudúce. Objem, ktorý konverzácia v okne zaberá, rastie s každou výmenou, takže aj dlhý chat zložený z krátkych správ môže zaberať veľa miesta.

Ako sa meria kontextové okno

Každá správa, dokument a odpoveď v konverzácii zaberá v okne miesto. Dostupné miesto sa nemeria určitým počtom slov alebo strán, ale v tokenoch.

Token je časť textu, ktorú model spracúva ako jeden celok. Môže to byť krátke slovo, časť dlhšieho slova, interpunkčné znamienko alebo slovo s medzerou pred ním. Podľa OpenAI 100 tokenov zodpovedá približne 75 slovám. Podľa tohto približného odhadu pre angličtinu by mala správa s 3 000 slovami asi 4 000 tokenov.

Skôr než model čokoľvek prečíta, nástroj nazývaný tokenizér rozdelí text na tokeny a každý z nich prevedie na číslo. Model tieto čísla spracuje, vygeneruje odpoveď ako postupnosť tokenov a nástroj ich prevedie späť na text.

Počty tokenov nie sú štandardizované. Počet závisí od jazyka a obsahu. Tokenizéry sa môžu medzi modelmi líšiť, takže rovnaký odsek môže v rôznych modeloch vytvoriť rozdielny počet tokenov.

Kontextové okno vs. uložené spomienky

Kontextové okno obsahuje to, čo model môže použiť na zodpovedanie aktuálnej otázky. Keď napríklad AI upravuje správu, miesto v okne zaberá táto správa, pokyny na úpravu aj správy vymenené v konverzácii počas práce na nej.

Uložené spomienky uchovávajú vybrané podrobnosti medzi konverzáciami. V Perplexity aplikácia sama vyberá, čo uložiť – hľadá preferencie a dôležité informácie a väčšiu váhu dáva podrobnostiam, ktoré sa často opakujú. Trvalý pokyn, napríklad „Vo všetkých mojich textoch používaj britskú angličtinu“, ilustruje druh podrobnosti, ktorú sa oplatí uchovať, zatiaľ čo „Skráť tento odsek“ sa týka aktuálnej úlohy.

Keď aplikácia prenesie niektorú z týchto podrobností do novej konverzácie, stane sa súčasťou kontextu modelu a zaberá miesto v okne. V Perplexity nájdete ovládacie prvky pamäte v časti Nastavenia → Pamäť. Vypnutím pamäte sa prestane používať v budúcich odpovediach, ale už uložené podrobnosti sa tým neodstránia.

Čo napĺňa kontextové okno počas konverzácie

Kontextové okno obsahuje oveľa viac než slová, ktoré človek napíše. V bežnej konverzácii sa o miesto delia štyri druhy textu: pokyny od aplikácie, história konverzácie, materiály zo súborov alebo z webu a odpoveď modelu. Väčšina z toho sa nikdy nezobrazí na obrazovke.

Pokyny od aplikácie

Skôr než sa správa používateľa dostane k modelu, aplikácia pridá vlastné pokyny (často nazývané systémový prompt). Tie modelu hovoria, ako sa má správať: ako formátovať odpovede, aký tón použiť, ktoré nástroje môže používať, a tiež podrobnosti, ako je dnešný dátum. Časť tohto materiálu, napríklad interné pokyny aplikácie, sa používateľovi bežne nezobrazuje.

História konverzácie

Patria sem predchádzajúce odpovede modelu, ako aj všetky správy používateľa pre aktuálnu odpoveď. Odpovede AI sú často oveľa dlhšie než otázky používateľa.

Nahrané súbory, webové stránky a výsledky vyhľadávania

Text prenesený zo súborov zaberá miesto v kontexte spolu s konverzáciou, ale aplikácia môže poskytnúť celý súbor alebo vybrať relevantné pasáže. Perplexity napríklad dokáže analyzovať krátke súbory celé a z dlhších súborov extrahovať dôležité časti na zodpovedanie dopytu.

Miesto zaberajú aj výsledky vyhľadávania. Perplexity môže napríklad na zodpovedanie dopytu vyhľadávať na webe a výsledky poskytnúť modelu na prečítanie.

Odpoveď a uvažovanie modelu

Odpoveď sa zapisuje do rovnakého okna, takže aplikácia pre ňu musí nechať miesto. Niektoré modely pri práci na odpovedi generujú aj interné uvažovanie, ktoré používateľ nemusí nikdy vidieť. Text uvažovania predstavuje postup modelu krok za krokom, napríklad rozdelenie otázky na časti alebo kontrolu vlastných čísel, ktorý sa zapíše pred konečnou odpoveďou. Zvyčajne sa tiež započítava do limitu okna.

Veľkosti kontextového okna v súčasných modeloch AI

Väčšie kontextové okno znamená, že model zvládne dlhšie dokumenty, viac zdrojov a dlhšie konverzácie. Popredné modely od spoločností OpenAI, Anthropic a Google teraz ponúkajú okno s veľkosťou približne 1 milión tokenov. To je zhruba 1 500 strán textu.

Model

Poskytovateľ

Kontextové okno (tokeny)

GPT-6 Astra

OpenAI

1,05 milióna

Claude Opus 5.5

Anthropic

1 milión

Gemini 4 Argon

Google

1 048 576

Špecifikácie API poskytovateľov, overené 5. novembra 2026. Limity dostupné v aplikácii sa môžu líšiť.

Väčšie okno neznamená, že ho model využíva celé rovnako dobre. Výskum zistil, že s rastúcou dĺžkou vstupu môže výkon strácať spoľahlivosť – tento jav sa označuje ako „context rot“ (degradácia kontextu).

Limity vstupu a výstupu

Kontextové okno je spoločný rozpočet na všetko, čo model číta a píše. Model dokáže prečítať oveľa viac, než dokáže napísať v jednej odpovedi.

Pri spracúvaní vstupu dokáže model pracovať na mnohých tokenoch paralelne. Pri generovaní odpovede zvyčajne vytvára tokeny postupne a na základe predchádzajúcich vyberá, čo bude nasledovať. Nemôže zvoliť piate slovo vety, kým nepozná prvé štyri, preto musí odpoveď vytvárať po jednom tokene.

Vytváranie dlhých odpovedí je preto oveľa pomalšie a drahšie než čítanie dlhých vstupov. Preto sa požiadavka na prepísanie alebo preklad veľmi dlhého dokumentu môže zastaviť v polovici a preto funguje lepšie, keď o výsledok požiadate po častiach.

Čo sa stane, keď konverzácia prekročí limit

Keď je konverzácia na kontextové okno príliš veľká, aplikácia musí uvoľniť miesto, skôr než model môže odpovedať. Aplikácie to robia niekoľkými rôznymi spôsobmi a každý z nich mení, čo model ešte vidí.

Jedným z prístupov je odstrániť najskôr najstaršie správy. Model ďalej pracuje s nedávnou časťou konverzácie. Skoršie pokyny používateľa, rozhodnutia alebo pasáže dokumentov môžu z okna vypadnúť. Model sa nemôže odvolávať na text, ktorý už nemá, no nemusí používateľovi oznámiť, že niečo chýba.

Ďalším prístupom je zhrnúť skoršiu časť konverzácie a namiesto celého textu uchovať zhrnutie. Ide o jednu z foriem tzv. kompakcie kontextu. Zhrnutie zaberá oveľa menej miesta, takže konverzácia môže pokračovať oveľa dlhšie. Môžu sa v ňom však vynechať podrobnosti, ako sú presné čísla, mená alebo formulácie.

Keď model odstránil alebo zhutnil svoj kontext, môže sa začať pýtať na informácie, ktoré by už mal poznať. Môže náhle prestať dodržiavať pokyny zadané na začiatku, napríklad formát alebo preferovaný tón. Môže protirečiť skoršiemu rozhodnutiu používateľa alebo byť nejasný v súvislosti s dokumentáciou zdieľanou skôr.

Niektoré aplikácie namiesto toho konverzáciu ukončia a požiadajú používateľa, aby začal novú, alebo odmietnu správu či súbor, ktorý je príliš dlhý na to, aby sa zmestil.

Každodenné návyky pri práci v rámci kontextového okna

  • Pre každú novú úlohu začnite nové vlákno: Správu napríklad posúďte v samostatnej konverzácii, namiesto toho, aby ste ju pridali do existujúceho vlákna o plánovaní podujatia.
  • Prenášajte iba to, čo je potrebné: Keď úloha nadväzuje na predchádzajúcu prácu, požiadajte model, aby vytiahol potvrdené podrobnosti a schválené formulácie potrebné pre ďalšiu úlohu.
  • Zdieľajte iba relevantné informácie: Pri otázke, ako boli vybraní účastníci prieskumu, napríklad poskytnite časť o metodike a podporné poznámky namiesto celej správy.
  • Pred zdieľaním dlhého dokumentu nájdite relevantnú časť: Ak má správa alebo príručka obsah, zdieľajte najskôr ten. Opýtajte sa modelu, ktoré časti pravdepodobne odpovedajú na otázku, a potom tieto časti skopírujte do konverzácie.
  • Dlhé dokumenty posudzujte po častiach: Rozdeľte príručku alebo správu podľa zásad, kapitol alebo tém. Na nezávislé posúdenia používajte samostatné vlákna s rovnakými pokynmi pre každé z nich.
  • Dlhé výstupy si vyžiadajte po etapách: Pri rozsiahlom prepísaní alebo preklade žiadajte v tom istom vlákne vždy iba jednu časť. Uveďte názov časti alebo rozsah strán a výsledok skontrolujte skôr, než model požiadate, aby pokračoval.
  • Nastavte užitočnú dĺžku odpovede: Požiadajte o päť zistení, krátke vysvetlenie alebo tabuľku s konkrétnymi stĺpcami. Nežiadajte podrobnú analýzu, keď by stačila stručná odpoveď.
  • Žiadajte cielené úpravy: Ak chcete v koncepte zmeniť jeden odsek, požiadajte model, aby prepísal iba tento odsek. Uveďte, čo treba zmeniť, namiesto toho, aby ste ho žiadali o reprodukciu celého konceptu.

Ako Perplexity spravuje kontext

Kontext v Perplexity zahŕňa viac než len konverzáciu. Môže čerpať aj z informácií nájdených prostredníctvom živého vyhľadávania, z uložených preferencií a zo súborov poskytnutých k úlohe.

Pri výskumnej otázke poskytuje živé vyhľadávanie zdrojový materiál, ktorý model môže použiť na zostavenie odpovede, s citáciami, ktoré ukazujú, odkiaľ informácie pochádzajú. Napríklad otázka o novom predpise môže priniesť do úlohy relevantné informácie z webu bez toho, aby ste museli najprv zbierať články a vkladať ich do chatu.

Uložené spomienky poskytujú iný druh kontextu: relevantné podrobnosti z predchádzajúcich konverzácií, napríklad preferencie písania alebo informácie o prebiehajúcom projekte. Perplexity tieto podrobnosti pri odpovedaní načíta a pamäť funguje naprieč modelmi, ktoré ponúka. Uložená preferencia preto môže zostať dostupná aj po prepnutí modelu v Perplexity.

Pri práci, ktorá sa rozprestiera na niekoľko konverzácií, uchovávajú projekty súbory a pokyny pohromade a pokyny projektu sa uplatňujú na každý dopyt. Cieľová skupina, účel a požiadavky na písanie správy môžu zostať v projekte, zatiaľ čo výskum a písanie konceptov prebiehajú v samostatných vláknach.

Pozrite si článok Začíname s Perplexity, kde nájdete rady, ako klásť otázky, pracovať so súbormi a nadväzovať na odpovede doplňujúcimi otázkami.

Často kladené otázky

Započítavajú sa obrázky do kontextového okna?

Áno. Obrázky sa prevádzajú na tokeny, ktoré zaberajú miesto spolu s textom. Počet tokenov závisí od toho, ako ich model spracúva. Snímka obrazovky alebo naskenovaná strana zaberá miesto v kontexte, aj keď jej text nebol skopírovaný do chatu.

Stojí väčšie kontextové okno viac?

Nie nevyhnutne. Väčšie okno opisuje, koľko toho model zvládne, nie to, akú časť tejto kapacity úloha využije.

Dá sa zistiť, akú časť kontextového okna konverzácia využila?

Niekedy. Niektoré aplikácie zobrazujú ukazovateľ kontextu, ktorý signalizuje, nakoľko je okno zaplnené. Počítadlo „zostávajúce správy“ znamená niečo iné: koľko ďalších požiadaviek môže účet odoslať, nie koľko informácií sa modelu ešte zmestí do konverzácie. Hľadajte konkrétne ukazovateľ kontextu.

Môže niekto pokračovať v konverzácii, ktorú s ním niekto zdieľal?

Áno. V Perplexity si príjemca môže prečítať zdieľanú konverzáciu a položiť doplňujúcu otázku. Táto otázka začne novú konverzáciu v jeho účte a pôvodná konverzácia zostane nezmenená.