Una ventana de contexto es el número máximo de tokens que un modelo de lenguaje puede manejar en una sola solicitud, contando todo lo que lee (instrucciones, historial de conversaciones, documentos y definiciones de herramientas) más los tokens que escribe. Una solicitud que no encaja debe acortarse o dividirse.
La ventana de contexto se mide en fichas. Todo lo que el modelo lee en una sola solicitud cuenta para él:
Los tokens que genera el modelo comparten la misma ventana, incluidos los tokens de razonamiento de un Modelo de razonamiento. Cada solicitud de chat lleva la conversación hasta cierto punto mensajes, de modo que una conversación larga envía todo su historial en cada turno y se acerca al límite a medida que crece. Por ejemplo, 20 turnos de unos 500 tokens cada uno suman aproximadamente 10.000 tokens de historial a la siguiente petición, antes del nuevo mensaje y la respuesta.
Un modelo tiene dos límites separados. La ventana de contexto cubre la entrada y la salida juntas. La salida máxima es la mayor cantidad de tokens que el modelo puede escribir en una sola respuesta, y suele ser más pequeña que la ventana. ¡VE /v1/models informa ambos, como context_window (también context_length) y max_output_tokens.
Puedes establecer tu propio límite de salida para cada solicitud. max_tokens limita los tokens generados, y max_completion_tokens limita el razonamiento y la respuesta juntos; cuando envías ambos, se aplica el más pequeño. Una respuesta que alcanza el límite se detiene antes de tiempo con finish_reason Establecido a Longitud, así que sube el límite si las respuestas terminan a mitad de frase. En /v1/responses El mismo límite es max_output_tokens, y una respuesta interrumpida por ésta termina con el estado incompleto.
Cuando la entrada, junto con max_tokens si lo configuras, es más largo que la ventana contextual del modelo, EmpirioLabs AI devuelve 400 con el código context_length_exceeded antes de que comience cualquier generación y la solicitud no se facture. Acortar la entrada o reducir max_tokens, y luego enviarlo de nuevo. Los frameworks de agentes que compactan conversaciones usan este código como su señal para hacerlo. El Referencia de errores muestra la respuesta completa.
Para comprobar una solicitud antes de enviarla, POST /v1/messages/count_tokens devuelve una estimación de sus tokens de entrada y no se factura. El Uso objeto en cada respuesta informa del recuento exacto.
max_tokens a la tarea. El control de longitud cuenta max_tokens junto con la entrada, un valor sobredimensionado puede rechazar una solicitud cuya entrada de otro modo cabría.Una ventana más grande no siempre es mejor. Un modelo puede pasar por alto detalles en una entrada muy larga, por lo que un contexto corto y relevante suele dar respuestas más precisas que uno largo. Compara ventanas de contexto a lo largo de la Modelos de texto, o probar indicaciones largas en el Playground.
96 modelos indican una ventana de contexto. La página de cada modelo tiene todas sus especificaciones y límites.
| Modelo | Ventana de contexto | Salida máxima |
|---|---|---|
| Step 5 Preview StepFun | 1.02M tokens | 128K tokens |
| Qwen3.8 Omni Flash Alibaba Cloud | 1.01M tokens | 128K tokens |
| Aplomb 1 EmpirioLabs | 1M tokens | - |
| DeepSeek V4 Flash 0731 DeepSeek | 1M tokens | 384K tokens |
| DeepSeek V4 Pro DeepSeek | 1M tokens | 384K tokens |
| DeepSeek V4 Pro 0813 DeepSeek | 1M tokens | 384K tokens |
| DeepSeek V4.1 Flash 1017 DeepSeek | 1M tokens | 384K tokens |
| Fugu Max Sakana AI | 1M tokens | 128K tokens |
| Modelo | Ventana de contexto | Salida máxima |
|---|---|---|
| Fugu Ultra v1.0 Sakana AI | 1M tokens | 128K tokens |
| Fugu Ultra v1.1 Sakana AI | 1M tokens | 128K tokens |
| Fugu Ultra v2.0 Sakana AI | 1M tokens | 128K tokens |
| GLM 5.2 Z.ai | 1M tokens | 128K tokens |
| GLM 5.3 Z.ai | 1M tokens | 128K tokens |
| GLM 5.3 Flash Z.ai | 1M tokens | 128K tokens |
| Kimi K3 Moonshot AI | 1M tokens | 128K tokens |
| Kimi K3.1 Pro Moonshot AI | 1M tokens | 128K tokens |
| MiMo V2.6 Flash Xiaomi | 1M tokens | 128K tokens |
| MiMo V2.6 Pro Xiaomi | 1M tokens | 128K tokens |
| MiMo V2.6 Pro UltraSpeed Xiaomi | 1M tokens | 128K tokens |
| MiniMax M3 MiniMax | 1M tokens | 512K tokens |
| MiniMax M3.1 Flash MiniMax | 1M tokens | 512K tokens |
| Muse Spark 1.1 Meta AI | 1M tokens | 128K tokens |
| Muse Spark 1.2 Meta AI | 1M tokens | 128K tokens |
| Muse Spark 1.3 Meta AI | 1M tokens | 128K tokens |
| Nova Lite 2 Amazon | 1M tokens | 128K tokens |
| Qwen3.5 Flash Alibaba Cloud | 995.9K tokens | 32K tokens |
| Qwen3.5 Plus Alibaba Cloud | 983.6K tokens | 64K tokens |
| Qwen3.6 Flash Alibaba Cloud | 983.6K tokens | 64K tokens |
| Qwen3.6 Plus Alibaba Cloud | 983.6K tokens | 64K tokens |
| Qwen3.7 Flash Alibaba Cloud | 983.6K tokens | 64K tokens |
| Qwen3.7 Max Alibaba Cloud | 983.6K tokens | 64K tokens |
| Qwen3.7 Plus Alibaba Cloud | 983.6K tokens | 64K tokens |
| Qwen3.8 Flash Alibaba Cloud | 983.6K tokens | 128K tokens |
| Qwen3.8 Max Alibaba Cloud | 983.6K tokens | 128K tokens |
| Qwen3.8 Max 0902 Alibaba Cloud | 983.6K tokens | 128K tokens |
| Qwen4 Max Alibaba Cloud | 983.6K tokens | 256K tokens |
| Perplexity Deep Research Perplexity | 919.3K tokens | - |
| Perplexity Sonar Perplexity | 919.3K tokens | - |
| Perplexity Sonar Pro Perplexity | 919.3K tokens | 32K tokens |
| Perplexity Sonar Reasoning Pro Perplexity | 919.3K tokens | 128K tokens |
| Nova Lite 1.0 Amazon | 317.4K tokens | 10K tokens |
| Nova Pro 1.0 Amazon | 317.3K tokens | 10K tokens |
| Qwen3.5 122B-A10B Alibaba Cloud | 258K tokens | 64K tokens |
| Qwen3.5 27B Alibaba Cloud | 258K tokens | 64K tokens |
| Qwen3.5 35B-A3B Alibaba Cloud | 258K tokens | 64K tokens |
| Qwen3.5 397B-A17B Alibaba Cloud | 258K tokens | 64K tokens |
| Gemma 4 26B-A4B Google | 256K tokens | 32K tokens |
| Kimi K2.6 Moonshot AI | 256K tokens | 16K tokens |
| Kimi K2.7 Code Moonshot AI | 256K tokens | 128K tokens |
| Kimi K2.7 Code Highspeed Moonshot AI | 256K tokens | 128K tokens |
| Mistral Small 4 Mistral AI | 256K tokens | 64K tokens |
| Qwen3.5 4B Alibaba Cloud | 256K tokens | 32K tokens |
| Qwen3.5 9B Alibaba Cloud | 256K tokens | 32K tokens |
| Qwen3.8 27B Alibaba Cloud | 256K tokens | 32K tokens |
| Step 3.5 Flash StepFun | 256K tokens | 128K tokens |
| Step 3.5 Flash 2603 StepFun | 256K tokens | 128K tokens |
| Step 3.7 Flash StepFun | 256K tokens | 128K tokens |
| StepAudio 2.5 Chat StepFun | 256K tokens | 128K tokens |
| StepAudio 2.5 Realtime StepFun | 256K tokens | 128K tokens |
| StepAudio 3 Chat StepFun | 256K tokens | 128K tokens |
| StepAudio 3 Realtime StepFun | 256K tokens | 128K tokens |
| Qwen Audio 3.1 Realtime Flash Alibaba Cloud | 240K tokens | 16K tokens |
| Qwen Audio 3.1 Realtime Plus Alibaba Cloud | 240K tokens | 16K tokens |
| Seed 2.0 Mini ByteDance | 229.2K tokens | 128K tokens |
| Seed 2.0 Code ByteDance | 229.1K tokens | 128K tokens |
| Seed 2.0 Lite ByteDance | 229.1K tokens | 128K tokens |
| Seed 2.0 Pro ByteDance | 229.1K tokens | 128K tokens |
| Seed 2.1 Turbo ByteDance | 229.1K tokens | 64K tokens |
| Qwen3.6 27B Alibaba Cloud | 224K tokens | 64K tokens |
| GLM 4.7 Flash Z.ai | 202.8K tokens | 128K tokens |
| GLM 4.7 FlashX Z.ai | 202.8K tokens | 128K tokens |
| GLM 5.1 Z.ai | 202.7K tokens | 128K tokens |
| Qwen3.5 Omni Flash Alibaba Cloud | 192K tokens | 32K tokens |
| Qwen3.5 Omni Flash Realtime Alibaba Cloud | 192K tokens | 64K tokens |
| Qwen3.5 Omni Plus Alibaba Cloud | 192K tokens | 32K tokens |
| Qwen3.5 Omni Plus Realtime Alibaba Cloud | 192K tokens | 64K tokens |
| Qwen3.8 Omni Flash Realtime Alibaba Cloud | 192K tokens | 64K tokens |
| DeepReasoning WinFunc | 160K tokens | 32K tokens |
| Nova Micro 1.0 Amazon | 133K tokens | 10K tokens |
| GLM 4.5 Flash Z.ai | 128K tokens | 96K tokens |
| GLM 4.6V Flash Z.ai | 128K tokens | 32K tokens |
| GLM 4.6V FlashX Z.ai | 128K tokens | 32K tokens |
| Gemini 3.8 Live Google | 128K tokens | 64K tokens |
| Gemini 3.8 Live Extended Thinking Google | 128K tokens | 64K tokens |
| Gemma 3 27B Google | 128K tokens | 16K tokens |
| Muse Glimmer 30B Meta AI | 128K tokens | 32K tokens |
| Qwen3.6 35B A3B Alibaba Cloud | 128K tokens | 16K tokens |
| Mistral Small 3.1 Mistral AI | 89.6K tokens | 32K tokens |
| Qwen3.8 LiveTranslate Flash Realtime Alibaba Cloud | 48K tokens | 4K tokens |
| Qwen Audio 3.0 Realtime Flash Alibaba Cloud | 16K tokens | 8K tokens |
| Qwen Audio 3.0 Realtime Plus Alibaba Cloud | 16K tokens | 8K tokens |
| Skylark Embedding Vision ByteDance | 8K tokens | - |
| Text Embedding v4 Alibaba Cloud | 8K tokens | - |
| Qwen3 Rerank Alibaba Cloud | 4K tokens | - |
| Tongyi Embedding Vision Flash Alibaba Cloud | 1K tokens | - |
| Tongyi Embedding Vision Plus Alibaba Cloud | 1K tokens | - |
Sí. Entrada y salida comparten la ventana, así que un prompt largo deja menos espacio para la respuesta. La API comprueba la entrada más max_tokens, cuando lo configuras, contra la ventana antes de ejecutar la solicitud.
La API devuelve un error 400 con el código context_length_exceeded antes de cualquier generación, y la solicitud no se factura. Acorta la entrada o reduce la max_tokens y luego envíala de nuevo.
No. La ventana de contexto cubre la entrada y la salida conjuntamente, mientras que la salida máxima limita cuántos tokens escribe el modelo en una sola respuesta. Ambos se listan para cada modelo.
Envía el cuerpo de la solicitud a POST /v1/messages/count_tokens para obtener una estimación de sus tokens de entrada, que no se factura. El objeto de uso en cada respuesta informa del recuento exacto.
Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.