Varje modellkort bär ett tal som "200K kontext" eller "1M kontext". Det ser ut som en kapacitetsspecifikation, på samma sätt som diskutrymme. Det ligger närmare en budget du gör av med vid varje enskild förfrågan — och det mesta som går åt är inte det du skrev.
Siffrorna kontrollerades senast den 26 augusti 2026.
Vad kontextlängd är
En modell har inget minne. Varje gång du anropar den skickar du hela samtalet på nytt — systemprompt, varje tidigare tur, alla bifogade filer — och den läser allt innan den skriver ett ord.
Kontextlängd är den maximala storleken på det paketet, mätt i tokens. En token är en liten textbit, på engelska ungefär tre fjärdedels ord.
Det är alltså inte lagring. Det är storleken på skrivbordet där modellen kan breda ut dina dokument, avröjt på nytt vid varje förfrågan.
De verkliga gränserna i dag
| Kontextlängd | Modeller av den storleken |
|---|---|
| 32 768 | Qwen 2.5 Coder 32B |
| 200 000 | Claude Haiku 4.5 |
| 262 144 | Kimi K2.7 Code |
| 400 000 | Hela GPT-5-familjen, inklusive varje Codex-variant |
| 1 000 000 | Claude Opus 5, Claude Sonnet 5, Qwen3 Coder Flash och Plus |
| 1 048 576 | Gemini 2.5- och 3.x-familjen, DeepSeek V4 Pro |
Två saker är värda att notera.
En miljon tokens är ungefär 750 000 ord — flera långa romaner. Nästan ingen tillämpning behöver det, och de som gör det har oftast ett sökproblem snarare än ett kontextproblem.
1 048 576 är 2²⁰, inte ett runt marknadsföringstal. Där en leverantör anger exakt 1 000 000 har de avrundat; där de anger 1 048 576 rapporterar de den verkliga buffertstorleken.
Tokenpriser och kontextlängder för varje textmodell finns på sidan med chattmodeller.
Vad som faktiskt fyller den
Det här är den del modellkorten inte berättar. Anthropics dokumentation publicerar exakta tokenantal för några minimala förfrågningar, och de är lärorika:
| Vad som skickades | Indatatokens |
|---|---|
| En systemprompt på fem ord plus ett meddelande på två | 14 |
| En fråga på nio ord plus en verktygsdefinition | 403 |
| En bild plus "Describe this image" | 1 028 |
| En PDF plus "Please summarize this document." | 2 188 |
En verktygsdefinition kostar runt 390 tokens. En agent med tjugo verktyg gör av med omkring 8 000 tokens av sitt fönster innan användaren har skrivit något — och betalar dem vid varje förfrågan.
En bild är ungefär tusen tokens. Tjugo skärmbilder är 20 000.
Och samtalet självt växer. Tur 10 bär med sig tur 1 till 9. En chatt som kändes liten i början är i slutet det största i förfrågan.
En modell med "200K kontext" i en agent med femton verktyg, en lång systemprompt och några skärmbilder börjar alltså inte på 200K. Den börjar en bra bit under, och krymper för varje tur.
Fällan: samma text är inte samma antal tokens
Kontextlängd mäts i tokens, och tokens är ingen stabil enhet mellan modeller.
Anthropics egen dokumentation anger att Claude 4.7 och senare använder en nyare tokenizer där "samma indatatext ger ungefär 30 procent fler tokens än på tidigare modeller."
Vilket betyder: en prompt som mättes till 150 000 tokens på en äldre modell kan vara omkring 195 000 på en nyare — samma ord, trettio procent mer fönster och trettio procent högre kostnad. Om du dimensionerade en dokumentbearbetningskedja mot en modell och sedan bytte: mät om innan du antar att det fortfarande får plats.
Leverantörerna ger dig ett sätt att kontrollera. Anthropics endpoint för tokenräkning är gratis att anropa. Räkna mot exakt den modell du tänker köra.
Vad som händer när det tar slut
Ingen mjuk nedtrappning. Beroende på leverantör får du ett fel, en avkortad indata, eller tyst bortkastad historik — och det tredje är det farliga, eftersom modellen svarar självsäkert utifrån ett samtal den inte längre ser i sin helhet.
Tre vägar ut, i ordning efter hur mycket arbete de är:
Beskär. Släng eller sammanfatta de äldsta turerna. Billigast att bygga, och oftast nog för chatt.
Cacha. Om den stora delen av din kontext är ett fast prefix — en lång systemprompt, ett referensdokument — låter prompt-cachning leverantören spara det och ta en bråkdel för att läsa om det. Det förstorar inte fönstret, men tar bort merparten av kostnaden för att fylla det.
Hämta. Sluta skicka hela korpuset och skicka bara de relevanta delarna. Mer ingenjörsarbete, men det är det enda tillvägagångssättet som inte blir sämre när dina data växer.
Att sträcka sig efter ett större kontextfönster är det fjärde alternativet, och oftast det dyraste — eftersom du betalar för varje token i det fönstret vid varje förfrågan.
Kostar ett större fönster mer?
Inte per token. En modell med 1M kontext debiteras inte till högre taxa än en med 200K för samma förfrågan; Claude Sonnet 5 är $2,00 per miljon indatatokens vare sig du skickar femhundra tokens eller femhundratusen.
Men ett större fönster gör det lätt att göra av med mer, eftersom det tar bort felet som hade stoppat dig. Att fylla ett fönster på en miljon tokens till $2,00 per miljon kostar $2,00 per förfrågan — och om den förfrågan är en chattur som sker femtiotusen gånger i månaden blir räkneövningen snabbt allvarlig.
Disciplinen är densamma hur som helst: skicka så lite du kan, inte så mycket du får.
Kortversionen
- Kontextlängd är den maximala storleken på en förfrågan, i tokens, inte ett minne.
- Dagens gränser går från omkring 33K till omkring 1M; det mesta produktionsarbetet ryms bekvämt i den nedre delen.
- Verktygsdefinitioner (~390 tokens styck), bilder (~1 000), PDF:er (~2 000) och omskickad historik fyller den snabbare än dina prompter.
- Samma text är olika många tokens på olika modeller — mät om när du byter.
- Ett större fönster kostar inte mer per token. Det gör det bara lättare att göra av med fler.
Utforska mer på ElliSekiz
Jämför kontextlängder och tokenpriser sida vid sida. Sidan med chattmodeller listar varje textmodell med dess in- och utdatataxor.
Mät sedan din egen prompt. Varje modellsida har en playground — kör en riktig förfrågan och läs av de verkliga tokenantalen innan du dimensionerar något.
Källor
- OpenRouter models API,
https://openrouter.ai/api/v1/models(kontextlängder, läst 2026-08-26) - Anthropic — Token counting (dokumenterade exempelsiffror, tokenizerbyte, gratis räkne-endpoint)