Bağlam penceresi: Nedir ve günlük yapay zeka kullanımını nasıl etkiler?

Yapay zeka modellerinde bağlam penceresine dair bir rehber: token cinsinden nasıl ölçüldüğü, sohbet sırasında onu neyin doldurduğu, güncel modellerde ne kadar büyük olduğu, bir sohbet sınırı aştığında ne olduğu ve bu sınır içinde çalışmak için günlük alışkanlıklar.

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.

Bağlam penceresi, bir yapay zeka modelinin aynı anda üzerinde çalışabileceği metin miktarıdır. Bu rehber, pencereyi neyin doldurduğunu, güncel modellerde ne kadar büyük olduğunu ve günlük kullanımda bu sınır içinde nasıl çalışılacağını ele alıyor.

Bağlam penceresi nedir

Bağlam penceresi, bir yapay zeka modelinin aynı anda işleyebileceği metin miktarının sınırıdır. Bu sınır; bir soru ve ona eklenen belgeler gibi modele giren metni ve modelden çıkan yanıtı kapsar. Pencereye sığmayan bir şeyi model göremez ve yanıt verirken kullanamaz.

Bağlam penceresi, modelin eğitim sırasında öğrendiklerinden ayrıdır. Eğitim, model yayımlanmadan önce çok büyük bir metin derlemi üzerinde gerçekleşir ve modele genel bilgisini ve dil becerilerini kazandırır. Bağlam penceresi ise yalnızca o an önündeki göreve ait malzemeyi barındırır.

Yapay zeka modelinin kendisi önceki mesajları hatırlamaz. Sohbeti, modelin çalıştığı Perplexity veya ChatGPT gibi uygulama kaydeder. Her yeni mesajda uygulama, modele yalnızca son mesajı değil, o ana kadarki sohbetin tamamını gönderir. Model yanıt vermeden önce hepsini yeniden okur ve verdiği yanıt da bir sonraki seferde gönderilenlerin parçası olur. Bir sohbetin pencerede kapladığı alan her mesajlaşmayla büyür; bu nedenle kısa mesajlardan oluşan uzun bir sohbet bile çok yer kaplayabilir.

Bağlam penceresi nasıl ölçülür

Bir sohbetteki her mesaj, belge ve yanıt pencerede yer kaplar. Kullanılabilir alan, belirli sayıda kelime veya sayfa yerine token cinsinden ölçülür.

Token, modelin tek bir birim olarak işlediği metin parçasıdır. Kısa bir kelime, daha uzun bir kelimenin bir kısmı, bir noktalama işareti ya da önündeki boşlukla birlikte bir kelime olabilir. OpenAI'a göre 100 token yaklaşık 75 kelimeye karşılık gelir. İngilizce için yapılan bu yaklaşık tahmine göre 3.000 kelimelik bir rapor yaklaşık 4.000 token eder.

Model herhangi bir şeyi okumadan önce, tokenizer adı verilen bir araç metni token'lara ayırır ve her birini bir sayıya dönüştürür. Model bu sayıları işler, yanıtını bir token dizisi olarak üretir ve araç bunları yeniden metne dönüştürür.

Token sayıları standart değildir. Sayı, dile ve içeriğe göre değişir. Tokenizer'lar modelden modele farklılık gösterebilir; bu yüzden aynı paragraf farklı modellerde farklı sayıda token'a karşılık gelebilir.

Bağlam penceresi ve kaydedilmiş anılar

Bağlam penceresi, modelin mevcut soruyu yanıtlamak için kullanabileceği her şeyi barındırır. Örneğin bir yapay zeka bir raporu düzenlerken raporun kendisi, düzenleme talimatları ve rapor üzerinde çalışılırken yapılan mesajlaşmalar pencerede yer kaplar.

Kaydedilmiş anılar, seçilen ayrıntıları sohbetler arasında korur. Perplexity'de neyin kaydedileceğini uygulama otomatik olarak seçer; tercihleri ve önemli bilgileri arar ve sık geçen ayrıntılara daha fazla ağırlık verir. “Tüm yazılarımda İngiliz İngilizcesi kullan” gibi kalıcı bir talimat, saklanmaya değer ayrıntılara bir örnektir; “Bu paragrafı kısalt” ise yalnızca o anki görevle ilgilidir.

Uygulama bu ayrıntılardan birini yeni bir sohbete getirdiğinde, ayrıntı modelin bağlamının bir parçası olur ve pencerede yer kaplar. Perplexity'de bellek ayarları Ayarlar → Bellek altında bulunur. Belleği kapatmak, belleğin gelecekteki yanıtlarda kullanılmasını durdurur ancak önceden kaydedilmiş ayrıntıları silmez.

Sohbet sırasında bağlam penceresini neler doldurur

Bağlam penceresi, kişinin yazdığı kelimelerden çok daha fazlasını barındırır. Tipik bir sohbette dört tür metin bu alanı paylaşır: uygulamanın talimatları, sohbet geçmişi, dosyalardan veya web'den getirilen malzeme ve modelin yanıtı. Bunların çoğu ekranda hiç görünmez.

Uygulamanın talimatları

Kişinin mesajı modele ulaşmadan önce uygulama kendi talimatlarını ekler (bunlara genellikle sistem istemi denir). Bu talimatlar modele nasıl davranacağını söyler: yanıtları nasıl biçimlendireceğini, hangi üslubu kullanacağını, hangi araçları kullanabileceğini ve bugünün tarihi gibi ayrıntıları. Uygulamanın dahili talimatları gibi bu malzemenin bir kısmı normalde kullanıcıya gösterilmez.

Sohbet geçmişi

Buna, mevcut yanıt için kişinin tüm mesajlarının yanı sıra modelin önceki yanıtları da dahildir. Yapay zekanın yanıtları çoğu zaman kullanıcının sorularından çok daha uzundur.

Yüklenen dosyalar, web sayfaları ve arama sonuçları

Dosyalardan getirilen metin, sohbetle birlikte bağlam alanını kullanır; ancak bir uygulama dosyanın tamamını sağlayabilir ya da ilgili bölümleri seçebilir. Örneğin Perplexity, sorguyu yanıtlamak için kısa dosyaları bütünüyle analiz edebilir, uzun dosyalardan ise önemli kısımları çıkarabilir.

Arama sonuçları da yer kaplar. Örneğin Perplexity bir sorguyu yanıtlamak için web'de arama yapıp sonuçları okuması için modele verebilir.

Modelin yanıtı ve akıl yürütmesi

Yanıt aynı pencereye yazılır, bu yüzden uygulamanın ona yer bırakması gerekir. Bazı modeller bir yanıt üzerinde çalışırken kişinin hiç göremeyebileceği dahili bir akıl yürütme de üretir. Akıl yürütme metni, modelin nihai yanıttan önce yazıya döktüğü adım adım çalışmasıdır; örneğin bir soruyu parçalara ayırmak veya kendi rakamlarını kontrol etmek gibi. Bu metin de genellikle pencere sınırına dahil edilir.

Güncel yapay zeka modellerinde bağlam penceresi boyutları

Daha büyük bir bağlam penceresi, modelin daha uzun belgeleri, daha fazla kaynağı ve daha uzun sohbetleri işleyebilmesi anlamına gelir. OpenAI, Anthropic ve Google'ın önde gelen modellerinin her biri artık yaklaşık 1 milyon token'lık bir pencere sunuyor. Bu, kabaca 1.500 sayfalık metne karşılık gelir.

Model

Sağlayıcı

Bağlam penceresi (token)

GPT-6 Astra

OpenAI

1,05 milyon

Claude Opus 5.5

Anthropic

1 milyon

Gemini 4 Argon

Google

1.048.576

Sağlayıcıların API spesifikasyonları, 5 Kasım 2026'da kontrol edilmiştir. Uygulama içinde sunulan sınırlar farklılık gösterebilir.

Daha büyük bir pencere, modelin pencerenin tamamını eşit derecede iyi kullandığı anlamına gelmez. Araştırmalar, girdi uzunluğu arttıkça performansın daha az güvenilir hâle gelebildiğini ortaya koymuştur; bu örüntü bağlam çürümesi (context rot) olarak bilinir.

Girdi sınırları ve çıktı sınırları

Bağlam penceresi, modelin okuduğu ve yazdığı her şey için ortak bir bütçedir. Bir model, tek bir yanıtta yazabileceğinden çok daha fazlasını okuyabilir.

Model bir girdiyi işlerken birçok token üzerinde paralel olarak çalışabilir. Bir yanıt üretirken ise token'ları genellikle sırayla üretir ve sıradakini seçmek için öncekileri kullanır. Bir cümlenin ilk dört kelimesini bilmeden beşinci kelimesini seçemez; bu yüzden yanıtı token token üretmek zorundadır.

Bu nedenle uzun yanıtları üretmek, uzun girdileri okumaktan çok daha yavaş ve maliyetlidir. Çok uzun bir belgeyi yeniden yazma veya çevirme isteğinin yarıda kesilebilmesinin ve sonucu bölümler hâlinde istemenin daha iyi sonuç vermesinin nedeni de budur.

Sohbet sınırı aştığında ne olur

Bir sohbet bağlam penceresine sığmayacak kadar büyüdüğünde, model yanıt vermeden önce uygulamanın yer açması gerekir. Uygulamalar bunu birkaç farklı şekilde yapar ve her yöntem, modelin hâlâ görebildiği şeyleri değiştirir.

Yöntemlerden biri, önce en eski mesajları çıkarmaktır. Model, sohbetin yakın tarihli kısmıyla çalışmaya devam eder. Kullanıcının baştaki talimatları, kararları veya belge bölümleri pencereden düşebilir. Model artık elinde olmayan metne başvuramaz, ancak kullanıcıya bir şeyin eksik olduğunu her zaman söylemeyebilir.

Diğer bir yöntem, sohbetin önceki kısmını özetleyip tam metin yerine bu özeti saklamaktır. Bu, bağlam sıkıştırma (context compaction) olarak adlandırılan yöntemin bir biçimidir. Özet çok daha az yer kapladığı için sohbet çok daha uzun sürebilir. Ancak özet; kesin rakamlar, adlar veya ifadeler gibi ayrıntıları atlayabilir.

Model bağlamını çıkardığında veya sıkıştırdığında, zaten bilmesi gereken bilgileri sormaya başlayabilir. Başta verilen biçim veya tercih edilen üslup gibi talimatlara aniden uymayı bırakabilir. Kullanıcının daha önce verdiği bir kararla çelişebilir ya da daha önce paylaşılan belgeler hakkında belirsizleşebilir.

Bazı uygulamalar ise bunun yerine sohbeti durdurup kişiden yeni bir sohbet başlatmasını ister ya da sığmayacak kadar uzun bir mesajı veya dosyayı reddeder.

Bağlam penceresi içinde çalışmak için günlük alışkanlıklar

  • Her yeni görev için yeni bir konu başlatın: Örneğin bir raporu, etkinlik planlamayla ilgili mevcut bir konuya eklemek yerine kendi sohbetinde inceleyin.
  • Yalnızca gerekenleri aktarın: Bir görev önceki çalışmaların üzerine kuruluyorsa modelden, sonraki görev için gereken doğrulanmış ayrıntıları ve onaylanmış ifadeleri çıkarmasını isteyin.
  • Yalnızca ilgili bilgileri paylaşın: Örneğin anket katılımcılarının nasıl seçildiğine dair bir soru için raporun tamamı yerine yöntem bölümünü ve destekleyici notları sağlayın.
  • Uzun bir belgeyi paylaşmadan önce ilgili bölümü bulun: Bir raporun veya el kitabının içindekiler tablosu varsa önce onu paylaşın. Modele soruyu hangi bölümlerin yanıtlayabileceğini sorun, ardından bu bölümleri sohbete kopyalayın.
  • Uzun belgeleri parça parça inceleyin: Bir el kitabını veya raporu politikaya, bölüme ya da başlığa göre ayırın. Birbirinden bağımsız incelemeler için, her birinde aynı talimatları kullanarak ayrı konular açın.
  • Uzun çıktıları aşama aşama isteyin: Uzun bir yeniden yazım veya çeviri için aynı konuda her seferinde bir bölüm isteyin. Bölümü veya sayfa aralığını belirtin ve modelden devam etmesini istemeden önce sonucu kontrol edin.
  • Yararlı bir yanıt uzunluğu belirleyin: Beş bulgu, kısa bir açıklama veya belirli sütunlardan oluşan bir tablo isteyin. Kısa bir yanıtın yeteceği durumlarda ayrıntılı analiz istemekten kaçının.
  • Hedefe yönelik düzeltmeler isteyin: Bir taslaktaki tek bir paragrafı değiştirmek için modelden yalnızca o paragrafı yeniden yazmasını isteyin. Taslağın tamamını yeniden üretmesini istemek yerine neyin değişmesi gerektiğini belirtin.

Perplexity bağlamı nasıl yönetir

Perplexity'nin bağlamı sohbetten fazlasını kapsar. Perplexity; canlı arama yoluyla bulunan bilgilerden, kaydedilmiş tercihlerden ve bir görev için sağlanan dosyalardan da yararlanabilir.

Bir araştırma sorusunda canlı arama, modelin yanıtını oluştururken kullanabileceği kaynak malzemeyi sağlar; kaynak gösterimleri de bilginin nereden geldiğini gösterir. Örneğin yeni bir düzenleme hakkında soru sormak, önce makaleleri toplayıp sohbete yapıştırmaya gerek kalmadan ilgili web bilgilerini göreve dahil edebilir.

Kaydedilmiş anılar farklı türde bir bağlam sağlar: önceki sohbetlerden yazım tercihleri veya devam eden bir projeyle ilgili arka plan bilgileri gibi ilgili ayrıntılar. Perplexity bu ayrıntıları yanıt verirken getirir ve bellek, Perplexity'nin sunduğu tüm modellerde çalışır. Bu nedenle kaydedilmiş bir tercih, Perplexity içinde model değiştirildiğinde de kullanılabilir olmaya devam edebilir.

Birden fazla sohbete yayılan çalışmalarda projeler dosyaları ve talimatları bir arada tutar; proje talimatları da her sorguya uygulanır. Bir raporun hedef kitlesi, amacı ve yazım gereksinimleri projede kalırken araştırma ve taslak hazırlama ayrı konularda yürütülebilir.

Soru sorma, dosyalarla çalışma ve takip sorularıyla yanıtları geliştirme konusunda rehberlik için Perplexity'yi kullanmaya başlama yazısına göz atın.

Sıkça sorulan sorular

Görseller bağlam penceresine dahil edilir mi?

Evet. Görseller, metinle birlikte yer kaplayan token'lara dönüştürülür. Token sayısı, modelin görselleri nasıl işlediğine bağlıdır. Bir ekran görüntüsü veya taranmış bir sayfa, metni sohbete kopyalanmamış olsa bile bağlam alanı kullanır.

Daha büyük bir bağlam penceresi daha mı maliyetlidir?

Her zaman değil. Daha büyük bir pencere, bir görevin bu kapasitenin ne kadarını kullandığını değil, modelin ne kadarını işleyebileceğini ifade eder.

Bir sohbetin bağlam penceresinin ne kadarını kullandığını görmenin bir yolu var mı?

Bazen. Bazı uygulamalar, pencerenin ne kadar dolu olduğunu gösteren bir bağlam göstergesi sunar. “Kalan mesaj” sayacı ise farklı bir şey ifade eder: modelin sohbete daha ne kadar bilgi sığdırabileceğini değil, hesabın daha kaç istekte bulunabileceğini gösterir. Özellikle bir bağlam göstergesi olup olmadığına bakın.

Biri kendisiyle paylaşılan bir sohbete devam edebilir mi?

Evet. Perplexity'de biri paylaşılan bir sohbeti okuyup takip sorusu sorabilir. Bu soru, kişinin kendi hesabında yeni bir sohbet başlatır ve orijinal sohbet değişmeden kalır.