O que é a janela de contexto, e por que conversas longas pioram?

O que preenche a janela de contexto, de fato

Cada mensagem que você envia e cada resposta do modelo se acumulam dentro da janela ao longo da conversa — os turnos anteriores não somem nem são resumidos sozinhos, ficam preservados por inteiro.

• O system prompt
• Toda mensagem da conversa, incluindo resultados de ferramentas, imagens e documentos
• As definições de cada ferramenta disponibilizada ao modelo
• A saída gerada naquele turno, incluindo o extended thinking

Por que mais contexto não é automaticamente melhor

Essa é a parte que surpreende a maioria das pessoas, e é o motivo desta página existir: uma janela maior não é simplesmente uma vantagem maior.

A consequência prática é que curar o que entra no contexto importa tanto quanto o espaço disponível. Uma janela com sobra de espaço ainda pode estar cheia da coisa errada.

Qual é o tamanho real, e o que conta contra ele

O tamanho depende do modelo. Claude Opus 5, Opus 4.8, Opus 4.7, Opus 4.6, Sonnet 5 e Sonnet 4.6 têm janela de 1M tokens na Claude API, Amazon Bedrock, Google Cloud e Microsoft Foundry — assim como Claude Fable 5 e Mythos 5. Outros modelos, incluindo o Claude Sonnet 4.5, têm 200 mil.

Nos modelos de 1M, uma única requisição pode gerar até 128 mil tokens de saída, e pode incluir até 600 imagens ou páginas de PDF — 100 nos modelos de 200 mil.

Toda resposta reporta exatamente quanto da janela foi usado, num campo usage. Com o cache de prompt ativado, essa contagem de entrada se divide em input_tokens, cache_read_input_tokens e cache_creation_input_tokens — e os três continuam contando para a janela. O cache muda o que esses tokens custam, não se eles ocupam espaço.

O que acontece ao estourar, e o que é gerenciado por você

Se só a entrada já é maior que a janela, a API recusa a requisição de cara, com um erro 400 invalid_request_error dizendo que o prompt é longo demais. Nos modelos Claude 4.5 em diante, é menos direto: se entrada mais o max_tokens pedido ultrapassaria a janela, a requisição é aceita mesmo assim, e a geração só para se realmente bater no limite, terminando com stop_reason: “model_context_window_exceeded”.

Também existe uma token counting API para estimar quanto da janela uma requisição vai usar antes de você enviar. E três coisas acontecem para gerenciar a janela por você, sem precisar pedir:

• A compactação no servidor — em beta para os modelos Claude 4.6 em diante — resume as partes mais antigas de uma conversa longa no servidor da Anthropic, e é a estratégia principal para manter uma conversa indo além do que caberia de outro jeito.
• A edição de contexto oferece a limpeza de resultados de ferramentas e a limpeza de blocos de thinking — remove coisas específicas do contexto em vez de resumir tudo.
• A consciência de contexto, no Claude Sonnet 5, Sonnet 4.6, Sonnet 4.5 e Haiku 4.5, deixa o modelo acompanhar o próprio orçamento restante — a API injeta essa informação automaticamente, então não há nada para ligar.