Auf jeder Modellkarte steht eine Zahl wie „200K Kontext" oder „1M Kontext". Sie sieht aus wie eine Kapazitätsangabe, so wie Speicherplatz. Sie ist eher ein Budget, das du bei jeder einzelnen Anfrage ausgibst — und das meiste davon geht nicht für das drauf, was du getippt hast.
Zahlen zuletzt geprüft: 26. August 2026.
Was Kontextlänge ist
Ein Modell hat kein Gedächtnis. Bei jedem Aufruf schickst du das ganze Gespräch erneut — System-Prompt, jede vorherige Runde, alle angehängten Dateien — und es liest alles, bevor es ein Wort schreibt.
Die Kontextlänge ist die maximale Größe dieses Bündels, gemessen in Tokens. Ein Token ist ein kleines Textstück, im Englischen etwa drei Viertel eines Wortes.
Es ist also kein Speicher. Es ist die Größe des Schreibtischs, auf dem das Modell deine Dokumente ausbreiten kann — bei jeder Anfrage von Neuem abgeräumt.
Die tatsächlichen Grenzen heute
| Kontextlänge | Modelle dieser Größe |
|---|---|
| 32.768 | Qwen 2.5 Coder 32B |
| 200.000 | Claude Haiku 4.5 |
| 262.144 | Kimi K2.7 Code |
| 400.000 | Die ganze GPT-5-Familie, inklusive jeder Codex-Variante |
| 1.000.000 | Claude Opus 5, Claude Sonnet 5, Qwen3 Coder Flash und Plus |
| 1.048.576 | Gemini 2.5 und 3.x, DeepSeek V4 Pro |
Zwei Dinge lohnen die Aufmerksamkeit.
Eine Million Tokens sind rund 750.000 Wörter — mehrere lange Romane. Fast keine Anwendung braucht das, und die, die es brauchen, haben meist ein Retrieval-Problem und kein Kontextproblem.
1.048.576 ist 2²⁰, keine glatte Marketingzahl. Wo ein Anbieter genau 1.000.000 angibt, hat er gerundet; wo er 1.048.576 nennt, meldet er die echte Puffergröße.
Tokenpreise und Kontextlängen für jedes Textmodell stehen auf der Seite der Chatmodelle.
Was es tatsächlich füllt
Das ist der Teil, den Modellkarten dir nicht sagen. Anthropics Dokumentation veröffentlicht exakte Tokenzahlen für ein paar minimale Anfragen, und sie sind lehrreich:
| Was gesendet wurde | Eingabe-Tokens |
|---|---|
| Ein System-Prompt aus fünf Wörtern plus eine Nachricht aus zwei Wörtern | 14 |
| Eine Frage aus neun Wörtern plus eine Tool-Definition | 403 |
| Ein Bild plus „Describe this image" | 1.028 |
| Ein PDF plus „Please summarize this document." | 2.188 |
Eine Tool-Definition kostet rund 390 Tokens. Ein Agent mit zwanzig Tools gibt etwa 8.000 Tokens seines Fensters aus, bevor der Nutzer irgendetwas getippt hat — und bezahlt sie bei jeder Anfrage.
Ein Bild sind etwa tausend Tokens. Zwanzig Screenshots sind 20.000.
Und das Gespräch selbst wächst. Runde 10 trägt die Runden 1 bis 9 mit. Ein Chat, der am Anfang klein wirkte, ist am Ende das Größte in der Anfrage.
Ein Modell mit „200K Kontext" in einem Agenten mit fünfzehn Tools, einem langen System-Prompt und ein paar Screenshots startet also nicht bei 200K. Es startet deutlich darunter und schrumpft mit jeder Runde.
Die Falle: derselbe Text ist nicht dieselbe Tokenzahl
Kontextlänge wird in Tokens gemessen, und Tokens sind über Modelle hinweg keine stabile Einheit.
Anthropics eigene Dokumentation hält fest, dass Claude 4.7 und neuer einen neueren Tokenizer verwenden, bei dem „derselbe Eingabetext etwa 30 Prozent mehr Tokens erzeugt als bei früheren Modellen."
Das heißt: Ein Prompt, der auf einem älteren Modell mit 150.000 Tokens gemessen wurde, kann auf einem neueren rund 195.000 sein — dieselben Wörter, dreißig Prozent mehr Fenster und dreißig Prozent mehr Kosten. Wenn du eine Dokumentenverarbeitung gegen ein Modell dimensioniert und dann gewechselt hast: nachmessen, bevor du annimmst, dass es noch passt.
Die Anbieter geben dir eine Prüfmöglichkeit. Anthropics Endpunkt zum Tokenzählen ist kostenlos. Zähle gegen genau das Modell, das du einsetzen willst.
Was passiert, wenn es nicht mehr reicht
Kein sanftes Nachlassen. Je nach Anbieter bekommst du einen Fehler, eine abgeschnittene Eingabe oder stillschweigend verworfene Historie — und das Dritte ist das gefährliche, weil das Modell selbstbewusst aus einem Gespräch antwortet, das es nicht mehr vollständig sieht.
Drei Auswege, nach Aufwand geordnet:
Kürzen. Die ältesten Runden weglassen oder zusammenfassen. Am billigsten zu bauen und für Chat meist genug.
Cachen. Wenn der große Teil deines Kontexts ein fester Präfix ist — ein langer System-Prompt, ein Referenzdokument —, kann der Anbieter ihn per Prompt-Caching speichern und einen Bruchteil fürs erneute Lesen berechnen. Das vergrößert das Fenster nicht, nimmt aber den größten Teil der Kosten fürs Füllen.
Abrufen. Nicht mehr das ganze Korpus schicken, sondern nur die relevanten Teile. Mehr Engineering, aber der einzige Ansatz, der nicht schlechter wird, wenn deine Daten wachsen.
Nach einem größeren Kontextfenster zu greifen ist die vierte Option und meist die teuerste — weil du jedes Token in diesem Fenster bei jeder Anfrage bezahlst.
Kostet ein größeres Fenster mehr?
Nicht pro Token. Ein Modell mit 1M Kontext wird für dieselbe Anfrage nicht höher abgerechnet als eines mit 200K; Claude Sonnet 5 kostet 2,00 $ pro Million Eingabe-Tokens, ob du fünfhundert Tokens schickst oder fünfhunderttausend.
Aber ein größeres Fenster macht es leicht, mehr auszugeben, weil es den Fehler entfernt, der dich gestoppt hätte. Ein Millionen-Token-Fenster bei 2,00 $ pro Million zu füllen kostet 2,00 $ pro Anfrage — und wenn diese Anfrage eine Chatrunde ist, die fünfzigtausendmal im Monat passiert, wird die Rechnung schnell ernst.
Die Disziplin ist so oder so dieselbe: schicke so wenig, wie du kannst, nicht so viel, wie du darfst.
Kurzfassung
- Kontextlänge ist die maximale Größe einer Anfrage, in Tokens — kein Gedächtnis.
- Die heutigen Grenzen reichen von etwa 33K bis etwa 1M; die meiste Produktionsarbeit passt bequem ans untere Ende.
- Tool-Definitionen (~390 Tokens je), Bilder (~1.000), PDFs (~2.000) und die erneut gesendete Historie füllen es schneller als deine Prompts.
- Derselbe Text ist auf verschiedenen Modellen eine andere Tokenzahl — beim Wechsel nachmessen.
- Ein größeres Fenster kostet nicht mehr pro Token. Es macht es nur leichter, mehr davon auszugeben.
Mehr auf ElliSekiz entdecken
Kontextlängen und Tokenpreise nebeneinander vergleichen. Die Seite der Chatmodelle listet jedes Textmodell mit seinen Eingabe- und Ausgaberaten.
Und dann deinen eigenen Prompt messen. Jede Modellseite hat einen Playground — führe eine echte Anfrage aus und lies die tatsächlichen Tokenzahlen ab, bevor du irgendetwas dimensionierst.
Quellen
- OpenRouter Models API,
https://openrouter.ai/api/v1/models(Kontextlängen, gelesen am 26.08.2026) - Anthropic — Token counting (dokumentierte Beispielzahlen, Tokenizer-Wechsel, kostenloser Zählendpunkt)