Что такое окно в 1M токенов? Зачем нужен длинный контекст и сравнение GPT, Claude и Gemini

Сразу к делу: к сентябрю 2026 года GPT-5.5, Claude Opus 4.8 / Sonnet 4.6 и Gemini 3.7 Flash все рекламируют окно примерно в миллион токенов. «1M токенов» — это не «миллион китайских иероглифов», и заполнить окно — не значит уметь им пользоваться. Рекламные лимиты близки. Эффективный поиск, максимальный вывод и ценовые ступени — нет. Если вы работаете с JSON, правильный ход: обрезать, проверить, затем решить, сколько класть — а не вставлять весь дамп целиком.

Статья написана по состоянию на 5 сентября 2026 года. Цифры — по публичной документации: API OpenAI gpt-5.5 — около 1,050,000 токенов суммарно и 128K вывода; у Anthropic Opus 4.8 / Sonnet 4.6 — 1M по умолчанию и 128K вывода без надбавки за длинный контекст; у Google gemini-3.7-flash — 1,048,576 ввода / 65,536 вывода. Продуктовые поверхности (ChatGPT, Codex, claude.ai) часто уже. Не принимайте маркетинговую страницу за лимит API.

Что значит 1M токенов

Токен — наименьший фрагмент, который модель считает и тарифицирует, — не символ и не слово. В английском примерно 1 токен ≈ 0.75 слова, или около 4 символов. В китайском один токен часто покрывает 1–2 иероглифа, в зависимости от токенизатора и пунктуации. JSON дороже: скобки, кавычки, повторяющиеся ключи и отступы — всё расходует бюджет.

1M токенов = контекстное окно примерно в миллион токенов. Грубая оценка: ~750,000 английских слов, или ~500,000–800,000 китайских иероглифов, или одна толстая книга до нескольких средних, или репозиторий среднего размера плюс документация. Это не «роман на миллион знаков» и не «миллион строк кода». Один и тот же 1M вмещает очень разный объём сигнала в прозе, таблицах и сжатом JSON.

Контекстное окно — общий бюджет одного запроса: системный промпт + история + определения инструментов + результаты инструментов + вывод этого хода. Модели класса GPT-5 также считают токены reasoning. Ввод на 900K токенов плюс высокое усилие рассуждения упрётся в context_length_exceeded раньше, чем модель «дочитает». Бюджет уже исчерпан.

В 2023 году мейнстрим был 4K–32K. В 2024 Gemini 1.5 сделал 1M заголовком. К 2025 году 200K стал стандартом среднего уровня. На сентябрь 2026 года флагманские API выровняли рекламную цифру на 1M. Гонка уже не «кто длиннее», а кто всё ещё находит иголки после 200K и чей кэш достаточно дёшев для ежедневной работы.

Зачем нужно длинное окно контекста

Длинное окно решает задачу увидеть много материалов в одном выводе. Оно не заменяет базу данных и не является бесплатной бесконечной памятью. Задачи ниже при 128K обычно требуют нарезки или RAG. При 1M иногда можно превратить «сначала найти, потом спросить» в «сначала загрузить, потом спросить» — если то, что вы загружаете, уже отфильтровано.

• Целый репозиторий / многофайловое кодирование: держите связанные модули, тесты и определения интерфейсов в одном ходе, чтобы модель реже «не видела» файл. Узкое место агентного кодирования по-прежнему в циклах инструментов и фидбеке тестов, а не в рекламе окна — мы писали об этом в Gemini 3.8 Flash и AI coding.
• Ревью длинных документов: контракты, отчётность, спецификации, несколько PDF рядом. Подходит для «найдите конфликт между §47 и приложением B». Плохо для «вставьте год почты и попросите саммари».
• Длинный мультимодальный ввод: Gemini считает видео, аудио, изображения и текст в одном окне. Час видео сжигает токены быстро. 1M — это квота, а не приглашение загружать без сжатия.
• Многошаговые агенты: JSON инструментов, стеки ошибок и последний патч могут какое-то время оставаться в треде. Большее окно — не повод снова заливать сырые стеки — см. поток данных Agent JSON.
• Выравнивание большого JSON: OpenAPI / JSON Schema, образцы payload и продакшен-логи ошибок в одном ходе. Это то применение 1M, которое большинству читателей этого сайта важнее всего, и самый лёгкий способ пробить счёт.
• Пропустить один слой RAG: когда корпус стабилен, ограничен и каждый раз нужны дословные цитаты, загрузить целиком может быть проще, чем векторное хранилище. Когда корпус меняется каждый день или запросы повторяются, поиск по-прежнему дешевле и свежее.

Обратное: чат, одноклассовая классификация, короткая JSON-экстракция. Окно 1M — это растрата. Задержка, prefill и тарификация за токен вас накажут. Коротким задачам — короткая модель или короткий бюджет.

GPT vs Claude vs Gemini

Таблица ниже — то, что можно записать в документ на 5 сентября 2026 года. Цены — официальные прайс-листы за миллион токенов; лимиты продуктовых поверхностей считаются отдельно. Gemini 3.8 Flash на момент статьи всё ещё не GA — в продакшене оставляйте 3.7.

Как читать таблицу: все три флагмана могут принять около 1M. Разница — в запасе на вывод, съедает ли reasoning окно, дороже ли токены после 200K и стоит ли кэш того.

• Нужен длинный структурированный результат за один проход (большой JSON, длинный патч, многофайловый diff): 128K вывода у GPT-5.5 и Claude 4.6/4.8 примерно в 2 раза шире ~64K у Gemini. Gemini лучше в «прочитать много, написать одну таблицу».
• Один и тот же системный промпт + схема инструментов на каждый вызов: prompt cache Claude, Context Caching Gemini и cached input OpenAI выгоднее, чем каждый раз платить полный ввод. JSON tools агента должен быть в кэше — см. Tool Calling и JSON Schema.
• Жёсткий бюджет, много материала, короткий вывод: intro-цена Gemini 3.7 Flash по-прежнему самый дешёвый уровень 1M из трёх. После 200K измеряйте многоигольный поиск на своих данных; не доверяйте одной цифре окна.
• Продукт ≠ API: GPT-5.5 в ChatGPT / Codex может быть 400K; некоторые облачные маркетплейсы по-прежнему отдают Claude на 200K. Откройте model card той поверхности, на которой вы поставляете продукт, прежде чем писать SLA.

Рекламное окно vs рабочее окно

К 2026 году консенсус уже трудно игнорировать: рекламировать 1M и пользоваться 1M — разные задачи. На многоигольном поиске (в стиле MRCR v2: найти несколько разбросанных фактов в огромном тексте) точность обычно начинает падать после 128K, расходится между 200K и 512K, а около 1M лишь немногие модели всё ещё ведут себя так, будто прочитали весь файл.

Публичные оценки и сторонние сводки (настройки не идентичны — смотрите как на тренд, не как на приёмочный тест) выглядят примерно так:

• GPT-5.5: шаг вперёд относительно предыдущих GPT-5.x в многоигольном рассуждении в диапазоне 512K–1M и один из API, которые чаще всего называют, когда окно реально заполняют. Одноигольное «найди это предложение» у всех трёх внутри 128K в порядке.
• Claude Opus 4.6: многоигольный поиск на 1M сообщали около 76%, кривая более плоская. 4.7 / 4.8 сильнее опираются на калибровку — отказывают или помечают неопределённость, а не выдумывают место. Комплаенс-ревью длинных документов обычно нужно второе.
• Gemini 3.x: по-прежнему силён в поиске и понимании длинных документов внутри 128K; многоигольный поиск падает круче после 200K. Хорош для «прочитать толстую стопку, выдать короткий JSON». Плох для «гарантировать 8-ю иголку в 900K токенов логов».

В продакшене пользуйтесь тремя диапазонами — не прайс-листом:

«Потеря в середине» (lost in the middle) не исчезла, когда окна дошли до 1M. Жёсткие ограничения ставьте в начало системного промпта и в конец пользовательского сообщения; приложения оставляйте посередине. Модели чаще помнят «выведи JSON, который соответствует Schema», чем enum, зарытый на токене 400,000.

JSON: засунуть — не значит проверить

Окно 1M — первый раз, когда «весь OpenAPI, три дня логов ошибок и черновая Schema» помещаются в один запрос. Оно не делает невалидный JSON валидным и не ужесточает свободную схему. Окно — это видимость; контракт — это форма. Мы уже применяли это правило в От промпта к Structured Output и OpenAI vs Gemini Structured Output: блокируйте недопустимые токены на этапе декодирования через Schema, затем проверяйте ещё раз после вызова.

Засовывание продакшен-дампа на 800K токенов обычно ломается не потому, что «окно слишком маленькое»: повторяющиеся ключи тратят бюджет, средние поля теряются, длины массивов считаются неверно, вывод обрезается на потолке 64K/128K, и вы платите полный ввод. Порядок: обрезать → проверить → затем кормить.

{
  "name": "longContextPack",
  "description": "Пакет для окна 1M: только проверенный и обрезанный JSON",
  "parameters": {
    "type": "object",
    "additionalProperties": false,
    "properties": {
      "task": { "type": "string", "enum": ["align_fields", "diff_versions", "extract_errors"] },
      "schemaId": { "type": "string", "description": "Стабильный ID схемы — не вставляйте гигантскую схему целиком" },
      "focusPaths": {
        "type": "array",
        "minItems": 1,
        "maxItems": 32,
        "items": { "type": "string", "description": "JSONPath, например $.paths./v2/orders.post" }
      },
      "payload": { "type": "object", "description": "Уже проверен синтаксис и обрезан размер — не сырая строка лога" },
      "tokenBudget": { "type": "integer", "minimum": 1000, "maximum": 1000000 }
    },
    "required": ["task", "schemaId", "focusPaths", "payload", "tokenBudget"]
  }
}

Бросьте этот пакет в JSON-инструменты для локальной проверки синтаксиса, вытяните focusPaths через JSONPath и сравните две версии payload через Diff. Модель должна видеть обрезанный объект, а не исходник файла .json на 20MB. Меняйте GPT / Claude / Gemini сменой строки модели. Имена полей пакета меняться не должны.

Что делать сейчас

1. Сначала посчитайте токены, потом решайте, сколько класть: оцените системный промпт, инструменты, историю и вложения отдельно. На GPT-5.5 закладывайте reasoning; на Gemini считайте страницы видео / PDF. Если бюджет превышен — режьте, не ставьте на «должно ещё влезть».
2. Кэшируйте повторяющиеся префиксы: system + tools почти одинаковы на каждый вызов — им место в prompt cache / Context Caching. Первый счёт за окно 1M — это счёт за ввод; после попаданий в кэш длинное окно становится повседневным.
3. Ограничивайте вывод Structured Output, а не фразой «пожалуйста, верни JSON»: у OpenAI response_format.json_schema, у Gemini responseMimeType + responseJsonSchema, у Claude — инструменты или prefills. Более длинное окно всё равно придумает поле и потеряет required, если промпт свободный.
4. За пределами измеренного диапазона — ищите, не запихивайте: если ваш многоигольный поиск не прошёл 256K, не считайте 700K логов полным пониманием текста. JSONPath по кодам ошибок и временным меткам дешевле, чем отпускать модель плавать.
5. Дробите ответы по потолку вывода: ~64K у Gemini, ~128K у GPT/Claude. Отчёт JSON на 200K — это шарды плюс Schema на каждый шард, а не один героический completion.
6. Прогоните локальные фикстуры, прежде чем бить в API: тот же payload через проверку JSON и Diff в браузере. Ничего не загружается. Это та же привычка, что проверить REST-контракт перед запуском.

Частые вопросы

Итоги

1M токенов — это реклама флагманских API 2026 года, которую GPT-5.5, Claude 4.6/4.8 и Gemini 3.7 могут напечатать на странице лимитов. Польза — когда один вывод должен видеть репозиторий, длинный документ или обрезанный JSON-пакет. Это не бесплатная память, и заполнить окно — не значит понять. Рабочие окна часто лежат между 128K и 500K; полный 1M считайте ёмкостью, не пониманием. Потолок вывода, съедает ли reasoning окно и дороже ли токены после 200K — вот настоящие поля выбора.

Задача — не гоняться за следующим слухом про «2M». А упаковать то, что вы отправляете, так, чтобы оно прошло проверку Schema: JSONPath обрезает пути, Diff сравнивает версии, проверка — затем вызов API. Structured Output и Tool Calling этот сайт уже разобрал; эта статья добавляет только чтение стороны контекстного окна.