Qué es la ventana de contexto de un modelo

¿Qué es la ventana de contexto? Es la cantidad de texto, medida en tokens, que un modelo de lenguaje puede tener en cuenta a la vez: tu prompt, la conversación hasta ese momento, los documentos o las definiciones de herramientas que envíes y la respuesta que está escribiendo. La documentación de Google la compara con la memoria a corto plazo. Esta guía explica qué es la ventana de contexto de un modelo, qué tamaño tienen las de los principales modelos a 6 de octubre de 2026, qué pasa cuando la llenas y por qué una ventana mayor no es automáticamente mejor. Si la palabra «token» es nueva para ti, empieza por qué es un token.

¿Qué es la ventana de contexto?

Anthropic define la ventana de contexto como todo el texto al que un modelo de lenguaje puede referirse al generar una respuesta, incluida la propia respuesta. No es lo mismo que el gran conjunto de datos con el que se entrenó el modelo: es la «memoria de trabajo» de una conversación o de una petición. El modelo no recuerda nada que quede fuera de ella, salvo que un producto añada su propia función de memoria.

Todo lo de la petición cuenta para la ventana. En la API de Claude eso incluye el prompt del sistema, cada mensaje con los resultados de las herramientas, las imágenes y los documentos, las definiciones de las herramientas que ofreces y la salida que genera Claude, con su pensamiento ampliado. Los prefijos de prompt guardados en caché también cuentan: la caché cambia lo que pagas por ellos, no si ocupan sitio.

¿Qué tamaño tienen las ventanas de contexto en 2026?

Tabla: ventanas de contexto de modelos y productos populares (6 de octubre de 2026)

La misma empresa puede mostrar cifras distintas para su API y para su aplicación, así que comprueba qué producto usas. Anthropic señala que las interfaces de chat como la web de Claude también pueden gestionar la ventana de forma móvil, con el criterio «el primero que entra es el primero que sale», lo que significa que las partes más antiguas de un chat largo pueden salir de ella. Google pone un millón de tokens en perspectiva: unas 50.000 líneas de código de 80 caracteres por línea, ocho novelas medias en inglés o más de 200 transcripciones de pódcast.

¿Qué pasa cuando llenas la ventana?

Depende del producto. En la API de Claude, si la entrada por sí sola es mayor que la ventana, la petición falla con un error 400 («prompt is too long»). En los modelos más nuevos, si la entrada más la salida máxima que permites supera la ventana, la API acepta la petición y, si la respuesta llega al límite, se detiene con el motivo model_context_window_exceeded. En las aplicaciones de chat, los mensajes antiguos pueden descartarse o resumirse para que la conversación continúe.

Para gestionarlo, Anthropic ofrece la compactación en el servidor, que resume las partes anteriores de una conversación (en beta para Claude 4.6 y modelos posteriores), y la edición de contexto, que borra resultados antiguos de herramientas o bloques de pensamiento. Puedes medir una petición antes de enviarla con la API de recuento de tokens.

¿Una ventana mayor da mejores respuestas?

No, y los propios fabricantes lo dicen. Anthropic escribe que más contexto no es automáticamente mejor: a medida que crece el número de tokens, la precisión y la memoria del modelo se degradan, un fenómeno al que llama «context rot». La guía de contexto largo de Google recomienda poner la pregunta al final del prompt, después de todo el contexto, y avisa de que cuando buscas varios datos concretos en una entrada enorme, el modelo no rinde con la misma precisión.

En la práctica, una ventana mayor te permite pegar un informe entero o un código completo, pero conviene seguir eligiendo lo que entra. Enviar solo las páginas relevantes suele ser más barato y a menudo más fiable que enviarlo todo.

¿Cuánto cuesta un contexto largo?

Pagas por cada token de entrada, así que una ventana llena cuesta más que un prompt corto. Las reglas de precio varían según el proveedor. En los modelos de Claude con ventana de 1M, Anthropic dice que la ventana completa se factura a tarifa estándar: una petición de 900.000 tokens cuesta lo mismo por token que una de 9.000. OpenAI indica que en GPT-6.1 Sol las peticiones de más de 272.000 tokens de entrada pagan el doble en entrada y en entrada en caché y 1,5 veces en salida, por la petición entera. Google recomienda el almacenamiento en caché del contexto para abaratar el contexto repetido. Nuestra guía de precios de las API de modelos y su calculadora muestran el efecto de la caché y de los descuentos por lotes en una carga real.

Ventanas de contexto en tu propio ordenador

Cuando ejecutas un modelo en local, la ventana de contexto la limita la memoria. El modelo guarda una caché de claves y valores que crece en línea recta con el número de tokens: en Llama 3.1 8B con precisión de 16 bits, nuestro cálculo (comprobado con la configuración publicada del modelo) da 1 GiB con 8.192 tokens, 4 GiB con 32.768 y 16 GiB con sus 131.072 tokens completos. Los detalles están en cuánta VRAM necesitas para un modelo en local.

Ollama fija una longitud de contexto por defecto según la memoria que tengas: 4K tokens por debajo de 24 GiB de VRAM, 32K entre 24 y 48 GiB y 256K a partir de 48 GiB. Puedes cambiarla con el control deslizante de la aplicación o con OLLAMA_CONTEXT_LENGTH=64000 ollama serve, y Ollama recomienda al menos 64.000 tokens para herramientas como la búsqueda web y las de programación. Después de subirla, ejecuta ollama ps y comprueba que el modelo sigue mostrando «100% GPU», lo que significa que nada se ha pasado al procesador.

Cómo trabajar con una ventana de contexto limitada

• Quédate con lo útil: pega la sección relevante, no el archivo entero.
• Pon la pregunta al final: Google aconseja colocar la consulta después del contexto.
• Empieza un chat nuevo para una tarea nueva: los mensajes antiguos y sin relación siguen ocupando sitio.
• Resume los hilos largos: pide al modelo un resumen y continúa desde él, o usa la función de compactación de un producto.
• Guarda en caché el contexto repetido: Anthropic y Google documentan la caché para bajar el coste.
• Trae los documentos cuando hagan falta: para bases de conocimiento grandes, la respuesta habitual es un sistema que recupera solo los pasajes necesarios para cada pregunta (RAG, generación aumentada por recuperación), y los agentes hacen algo parecido al llamar a herramientas para traer lo que necesitan.

Lo que la ventana de contexto no es

No son los datos de entrenamiento del modelo ni es una memoria permanente. Tampoco es lo mismo que la longitud máxima de salida: los modelos de Claude con 1M pueden producir hasta 128.000 tokens en una sola respuesta, una cifra mucho menor. Y no es una garantía de calidad: un modelo puede aceptar un millón de tokens y aun así pasar por alto un dato enterrado en medio.