Uma janela de contexto é o número máximo de tokens que um modelo de linguagem pode lidar em uma única requisição, contando tudo o que ele lê (instruções, histórico de conversas, documentos e definições de ferramentas) mais os tokens que escreve. Uma requisição que não cabe precisa ser encurtada ou dividida.
A janela de contexto é medida em tokens. Tudo o que o modelo lê em uma única solicitação conta para ele:
Os tokens gerados pelo modelo compartilham a mesma janela, incluindo os tokens de raciocínio de um Modelo de raciocínio. Cada pedido de chat leva a conversa tão longe mensagens, então uma conversa longa envia todo o seu histórico a cada turno e se aproxima do limite conforme cresce. Por exemplo, 20 turnos de cerca de 500 tokens cada adicionam aproximadamente 10.000 tokens de histórico à próxima solicitação, antes da nova mensagem e da resposta.
Um modelo tem dois limites separados. A janela de contexto cobre entrada e saída juntos. A saída máxima é o maior número de tokens que o modelo pode escrever em uma única resposta, e geralmente é menor que a janela. VÁ /v1/models Relata ambos, como context_window (também context_length) e max_output_tokens.
Você pode definir seu próprio limite de saída para cada requisição. max_tokens limita os tokens gerados, e max_completion_tokens limita o raciocínio e a resposta juntos; quando você envia ambos, o menor se aplica. Uma resposta que atinge o limite termina cedo com finish_reason definir para Comprimento, então aumente o limite se as respostas terminarem no meio da frase. Em /v1/responses o mesmo limite é max_output_tokens, e uma resposta interrompida por ele termina com o status incompleto.
Quando a entrada, juntamente com max_tokens se você defini-lo for maior que a janela de contexto do modelo, EmpirioLabs AI retorna 400 com o código context_length_exceeded antes que qualquer geração comece e a solicitação não seja cobrada. Encurtar a entrada ou diminuir max_tokens, então envie novamente. Frameworks de agentes que compactam conversas usam esse código como sinal para isso. O Referência de erros mostra a resposta completa.
Para verificar um pedido antes de enviá-lo, POST /v1/messages/count_tokens retorna uma estimativa de seus tokens de entrada e não é faturado. O Uso objeto em cada resposta então reporta a contagem exata.
max_tokens para a tarefa. A contagem de comprimento max_tokens junto com a entrada, então um valor sobredimensionado pode rejeitar uma solicitação cuja entrada de outra forma caberia.Uma janela maior nem sempre é melhor. Um modelo pode ignorar detalhes em uma entrada muito longa, então um contexto curto e relevante frequentemente dá respostas mais precisas do que um longo. Compare janelas de contexto entre Modelos de texto, ou testar prompts longos no Playground.
96 modelos informam uma janela de contexto. A página de cada modelo traz todas as especificações e limites.
| Modelo | Janela de contexto | Saída 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 | Janela de contexto | Saída 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 | - |
Sim. Entrada e saída compartilham a janela, então um prompt longo deixa menos espaço para a resposta. A API verifica a entrada mais max_tokens, quando você configura, contra a janela antes de executar a solicitação.
A API retorna um erro 400 com o código context_length_exceeded antes de qualquer geração, e a solicitação não é cobrada. Encurta a entrada ou reduza a max_tokens, então envie novamente.
Não. A janela de contexto cobre entrada e saída juntas, enquanto a saída máxima limita quantos tokens o modelo escreve em uma única resposta. Ambos são listados para cada modelo.
Envie o corpo da requisição para o POST /v1/messages/count_tokens para obter uma estimativa de seus tokens de entrada, que não é faturada. O objeto de uso em cada resposta reporta a contagem exata.
Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.