Контекстне вікно: що це таке і як воно впливає на повсякденне використання ШІ
Посібник про контекстне вікно в моделях ШІ: як його вимірюють у токенах, що заповнює його під час розмови, який він завбільшки в сучасних моделях, що відбувається, коли розмова перевищує ліміт, і які повсякденні звички допомагають працювати в його межах.

Контекстне вікно — це обсяг тексту, з яким модель ШІ може працювати одночасно. У цьому посібнику пояснюємо, що його заповнює, який він завбільшки в сучасних моделях і як ураховувати його в повсякденній роботі.
Що таке контекстне вікно
Контекстне вікно — це обмеження на те, скільки тексту модель ШІ може обробити за один раз. Це обмеження охоплює і вхідний текст, як-от запитання та доданий до нього документ, і відповідь, яку генерує модель. Якщо щось не вміщується у вікно, модель не бачить цього й не може використати у відповіді.
Контекстне вікно не пов’язане з тим, чого модель навчилася під час тренування. Тренування відбувається до випуску моделі на дуже великому масиві текстів і дає їй загальні знання та мовні навички. Контекстне вікно містить лише матеріали для поточного завдання.
Сама модель ШІ не пам’ятає попередніх повідомлень. Розмову зберігає застосунок, у якому вона працює, наприклад Perplexity або ChatGPT. З кожним новим повідомленням застосунок надсилає моделі всю розмову на цей момент, а не лише останнє повідомлення. Перед відповіддю модель знову прочитує все це, а її відповідь стає частиною того, що буде надіслано наступного разу. Обсяг, який розмова займає у вікні, зростає з кожним обміном повідомленнями, тому навіть довгий чат із коротких повідомлень може займати багато місця.
Як вимірюють контекстне вікно
Кожне повідомлення, документ і відповідь у розмові займають місце у вікні. Доступний обсяг вимірюють у токенах, а не в певній кількості слів чи сторінок.
Токен — це фрагмент тексту, який модель обробляє як одну одиницю. Це може бути коротке слово, частина довшого слова, розділовий знак або слово з пробілом перед ним. За даними OpenAI, 100 токенів — це приблизно 75 слів. Якщо скористатися цією приблизною оцінкою для англійської мови, звіт на 3000 слів становитиме близько 4000 токенів.
Перш ніж модель щось прочитає, інструмент під назвою токенізатор розбиває текст на токени й перетворює кожен із них на число. Модель обробляє ці числа, генерує відповідь як послідовність токенів, а інструмент перетворює їх назад на текст.
Кількість токенів не стандартизована. Вона залежить від мови та вмісту. Токенізатори в різних моделях можуть відрізнятися, тож той самий абзац може дати різну кількість токенів у різних моделях.
Контекстне вікно і збережені спогади
Контекстне вікно містить те, що модель може використати для відповіді на поточне запитання. Наприклад, коли ШІ редагує звіт, місце у вікні займають сам звіт, інструкції щодо редагування та повідомлення, надіслані під час роботи над ним.
Збережені спогади переносять вибрані деталі з однієї розмови в іншу. У Perplexity застосунок автоматично визначає, що зберегти: він шукає вподобання та важливу інформацію й надає більшої ваги деталям, які трапляються часто. Тривала інструкція на кшталт «Використовуй британську англійську в усіх моїх текстах» — приклад деталі, яку варто зберегти, а от «Скороти цей абзац» стосується лише поточного завдання.
Коли застосунок переносить одну з таких деталей у нову розмову, вона стає частиною контексту моделі й займає місце у вікні. У Perplexity керування пам’яттю розташоване в розділі «Налаштування → Пам’ять». Вимкнення пам’яті припиняє її використання в майбутніх відповідях, але не видаляє вже збережені деталі.
Що заповнює контекстне вікно під час розмови
Контекстне вікно містить набагато більше, ніж слова, які вводить людина. У типовій розмові це місце ділять чотири види тексту: інструкції від застосунку, історія розмови, матеріали з файлів або з вебу та відповідь моделі. Більша частина цього ніколи не з’являється на екрані.
Інструкції від застосунку
Перш ніж повідомлення людини потрапить до моделі, застосунок додає власні інструкції (їх часто називають системним промптом). Вони визначають, як модель має поводитися: як форматувати відповіді, якого тону дотримуватися, які інструменти можна використовувати, а також містять такі деталі, як сьогоднішня дата. Частину цих матеріалів, зокрема внутрішні інструкції застосунку, зазвичай не показують користувачеві.
Історія розмови
Сюди входять попередні відповіді моделі, а також усі повідомлення людини, потрібні для поточної відповіді. Часто відповіді ШІ значно довші за запитання користувача.
Завантажені файли, вебсторінки та результати пошуку
Текст із файлів займає місце в контексті поряд із розмовою, але застосунок може передати весь файл або вибрати з нього релевантні фрагменти. Наприклад, Perplexity може аналізувати короткі файли повністю, а з довших — витягувати важливі частини, щоб відповісти на запит.
Результати пошуку теж займають місце. Наприклад, щоб відповісти на запит, Perplexity може виконати пошук в інтернеті й передати моделі результати для прочитання.
Відповідь і міркування моделі
Відповідь записується в те саме вікно, тож застосунок має залишити для неї місце. Деякі моделі також генерують внутрішні міркування під час роботи над відповіддю, яких людина може так і не побачити. Текст міркувань — це покрокова робота моделі, як-от розбиття запитання на частини чи перевірка власних обчислень, викладена перед остаточною відповіддю. Зазвичай він також зараховується до ліміту вікна.
Розміри контекстного вікна в сучасних моделях ШІ
Більше контекстне вікно означає, що модель може обробляти довші документи, більше джерел і довші розмови. Провідні моделі від OpenAI, Anthropic і Google тепер пропонують вікно приблизно на 1 мільйон токенів. Це близько 1500 сторінок тексту.
Модель | Постачальник | Контекстне вікно (у токенах) |
GPT-6 Astra | OpenAI | 1,05 мільйона |
Claude Opus 5.5 | Anthropic | 1 мільйон |
Gemini 4 Argon | 1 048 576 |
Специфікації API постачальників, перевірено 5 листопада 2026 року. Обмеження, доступні в застосунку, можуть відрізнятися.
Більше вікно не означає, що модель однаково добре використовує його повністю. Дослідження показали, що зі збільшенням обсягу вхідних даних продуктивність може ставати менш надійною; це явище називають деградацією контексту (context rot).
Обмеження на вхідні та вихідні дані
Контекстне вікно — це спільний бюджет для всього, що модель читає й пише. Модель може прочитати набагато більше, ніж здатна написати в одній відповіді.
Обробляючи вхідні дані, модель може працювати з багатьма токенами паралельно. Генеруючи відповідь, вона зазвичай створює токени послідовно, спираючись на попередні, щоб вибрати наступний. Вона не може вибрати п’яте слово речення, доки не знає перших чотирьох, тож мусить створювати відповідь по одному токену.
Тому створювати довгі відповіді значно повільніше й дорожче, ніж читати довгі вхідні дані. Саме через це запит переписати або перекласти дуже довгий документ може зупинитися на півдорозі, і саме тому краще просити результат частинами.
Що відбувається, коли розмова перевищує ліміт
Коли розмова стає завеликою для контекстного вікна, застосунок має звільнити місце, перш ніж модель зможе відповісти. Застосунки роблять це кількома способами, і кожен із них змінює те, що модель усе ще бачить.
Один підхід — спершу відкидати найстаріші повідомлення. Модель продовжує працювати з нещодавньою частиною розмови. Ранні інструкції користувача, ухвалені рішення чи фрагменти документів можуть випасти з вікна. Модель не може посилатися на текст, якого вже не має, але не обов’язково повідомить користувачеві, що чогось бракує.
Інший підхід — підсумувати ранню частину розмови й зберігати підсумок замість повного тексту. Це один із різновидів так званого ущільнення контексту (context compaction). Підсумок займає набагато менше місця, тож розмова може тривати значно довше. Однак у ньому можуть бути пропущені такі деталі, як точні цифри, імена чи формулювання.
Коли модель відкинула або ущільнила свій контекст, вона може почати запитувати інформацію, яку вже мала б знати. Вона може раптово перестати виконувати інструкції, надані на початку, як-от щодо формату чи бажаного тону. Вона може суперечити попередньому рішенню користувача або відповідати розмито щодо документації, наданої раніше.
Натомість деякі застосунки зупиняють розмову й пропонують почати нову або відхиляють повідомлення чи файл, який завеликий, щоб уміститися.
Повсякденні звички для роботи в межах контекстного вікна
- Починайте новий тред для кожного нового завдання: наприклад, переглядайте звіт в окремій розмові, а не додавайте його до наявного треду про планування заходу.
- Переносьте лише те, що потрібно: коли завдання ґрунтується на попередній роботі, попросіть модель виокремити підтверджені деталі й затверджені формулювання, потрібні для наступного завдання.
- Надавайте лише релевантну інформацію: наприклад, якщо запитання стосується того, як відбирали учасників опитування, надайте розділ про методологію та супровідні нотатки, а не весь звіт.
- Перш ніж надавати довгий документ, знайдіть потрібний розділ: якщо звіт або довідник має зміст, спершу надайте його. Запитайте модель, які розділи, імовірно, містять відповідь на запитання, а потім скопіюйте ці розділи в розмову.
- Переглядайте довгі документи частинами: розділіть довідник або звіт за політиками, главами чи темами. Для незалежних переглядів використовуйте окремі треди з однаковими інструкціями для кожного.
- Запитуйте довгі результати поетапно: для об’ємного переписування чи перекладу просіть по одному розділу за раз у тому самому треді. Вкажіть розділ або діапазон сторінок і перевірте результат, перш ніж просити модель продовжити.
- Задавайте доречну довжину відповіді: попросіть п’ять висновків, коротке пояснення або таблицю з конкретними стовпцями. Не просіть детального аналізу, коли достатньо стислої відповіді.
- Просіть точкових правок: щоб змінити один абзац у чернетці, попросіть модель переписати лише цей абзац. Уточніть, що саме потрібно змінити, замість того щоб просити відтворити всю чернетку.
Як Perplexity керує контекстом
Контекст Perplexity охоплює не лише розмову. Він також може спиратися на інформацію, знайдену через пошук у реальному часі, збережені вподобання та файли, надані для завдання.
Для дослідницького запитання пошук у реальному часі надає вихідні матеріали, які модель може використати для побудови відповіді, з цитуваннями, що показують, звідки взято інформацію. Наприклад, запитання про новий нормативний акт може залучити до завдання релевантну інформацію з вебу без потреби спершу збирати статті й вставляти їх у чат.
Збережені спогади дають інший вид контексту: релевантні деталі з попередніх розмов, як-от вподобання щодо стилю письма чи передісторію поточного проєкту. Perplexity отримує ці деталі під час відповіді, а пам’ять працює з усіма моделями, доступними в Perplexity. Тож збережене вподобання може залишатися доступним під час перемикання між моделями в Perplexity.
Для роботи, що охоплює кілька розмов, проєкти тримають файли та інструкції разом, а інструкції проєкту застосовуються до кожного запиту. Аудиторія звіту, його мета та вимоги до тексту можуть зберігатися в проєкті, тоді як дослідження й написання чернеток відбуваються в окремих тредах.
Ознайомтеся з посібником Початок роботи з Perplexity, щоб дізнатися, як ставити запитання, працювати з файлами та розвивати відповіді за допомогою уточнювальних запитів.
Поширені запитання
Чи зараховуються зображення до контекстного вікна?
Так. Зображення перетворюються на токени, які займають місце поряд із текстом. Кількість токенів залежить від того, як модель їх обробляє. Знімок екрана чи відсканована сторінка займає місце в контексті, навіть якщо їхній текст не скопійовано в чат.
Чи дорожче коштує більше контекстне вікно?
Не обов’язково. Більше вікно описує, скільки модель може обробити, а не те, яку частину цієї місткості використовує завдання.
Чи можна побачити, яку частину контекстного вікна вже використала розмова?
Іноді. Деякі застосунки показують індикатор контексту, який відображає, наскільки заповнене вікно. Лічильник «залишилося повідомлень» означає інше: скільки ще запитів може зробити обліковий запис, а не скільки інформації модель ще може вмістити в розмову. Шукайте саме індикатор контексту.
Чи можна продовжити розмову, якою з вами поділилися?
Так. У Perplexity можна прочитати розмову, якою поділилися, і поставити уточнювальне запитання. Це запитання починає нову розмову в обліковому записі цієї людини, а оригінальна розмова залишається без змін.