Kontextusablak magyarul: mennyit lát át egyszerre a Claude

Frissítve: 2026. szeptember 25. Felvettük a szeptemberben megjelent Fable 5.1-et és Opus 5.5-öt, és pontosítottuk a fizetős csomagok kereteit, a hosszú beszélgetések kezelését, a fájlkorlátokat, valamint a kontextusablak és a memória különbségét.

A kontextusablak az a szövegmennyiség, amelyet az AI modell egyetlen beszélgetés során egyszerre lát és fel tud dolgozni. Ide tartozik a beszélgetés eddigi tartalma, a feltöltött dokumentumok halmaza, valamint a modell által adott válasz is. Képzeld el ezt az egészet úgy, mint egy hatalmas fizikai íróasztalt, amire kiteríted a papírjaidat a munkához. Amíg a dokumentumok kényelmesen elférnek az asztalon, a rendszer minden összefüggést egyszerre átlát. Amikor az asztal teljesen betelik, a legrégebbi iratok leeshetnek a széléről, fizetős csomagban pedig a Claude inkább összefoglalja a korábbi részt. Ezeket a leesett információkat a modell az adott pillanatban már nem érzékeli. A fogalom ismerete önmagában is sokkal jobb felhasználóvá tesz. Pontosan érteni fogod a rendszer határait a nagy volumenű feladatoknál. Az asztal mérete alapvetően meghatározza a feldolgozható adatok mennyiségét. Minden egyes feltöltött fájl és minden begépelt mondat helyet foglal ezen a képzeletbeli bútoron. A generált válaszok szintén ebből a rendelkezésre álló keretből vonnak le területet. Amikor egy hosszú beszélgetésben vagy, ez a keret folyamatosan telik. Ezért fontos tisztában lenni a pontos működéssel a komplex projektek tervezésekor.

Mi az a token, és miért ebben mérünk?

A mesterséges intelligencia tokenekben dolgozza fel a bekért adatokat. Ezek az apró szövegdarabkák jelentik a modell számára a tényleges munkaanyagot. Egy token általában rövidebb egy teljes szónál. A fejlesztők azért ebben a mértékegységben határozzák meg a kapacitást, mert a különböző nyelvek és szövegtípusok eltérő sűrűségűek. Emiatt az átváltás a hagyományos szavakra mindig hozzávetőleges marad. Számos tényező befolyásolja a pontos token-igényt, például a dokumentum formázása és a speciális karakterek aránya is. Az eltérő sűrűség miatt a nyelvek között lehetetlen egyetlen univerzális szószámot meghatározni. A rendszer ezt a belső mértékegységet használja a kapacitás mérésére. Háttérben zajlik a szövegek darabolása és kódolása. Ebből a bonyolult folyamatból te felhasználóként jellemzően semmit nem tapasztalsz. Menet közben a tokenek pontos száma folyamatosan változik a beszélgetés előrehaladtával. Amikor feltöltesz egy dokumentumot, a gép azonnal apró darabokra bontja azt. Így tudja a leghatékonyabban értelmezni a kapott információkat. A pontos darabszám emiatt folyamatosan ugrál: egy hosszabb szó feldolgozása akár több tokenből is állhat.

Mekkora a Claude kontextusablaka?

Az Anthropic hivatalos fejlesztői dokumentációja pontos számokat közöl a kapacitásról. A 2026. szeptember 25-én ellenőrzött Anthropic-adatok szerint a szeptember 1-jén megjelent Claude Fable 5.1, a szeptember 22-én érkezett Opus 5.5, valamint a Claude Opus 5 és a Sonnet 5 kontextusablaka egyaránt egymillió token. A szószám nyelvfüggő. Az Anthropic becslése szerint már a 200 ezer tokenes keret is nagyjából 500 oldal szöveg vagy több. Ezzel párhuzamosan a Claude Haiku 4.5 modell kontextusablaka 200 ezer token. A szavak és a tokenek pontos aránya a feldolgozott anyag sűrűségétől és a speciális karakterektől is nagyon függ. A maximális kimenet szintén egy fontos korlát a rendszerben. Ha programozóként API-n keresztül futtatod az egymilliós modelleket, a rendszer egyetlen válaszban legfeljebb 128 ezer tokent képes generálni, a webes chatben ekkora válaszra nincs ígéret. Ez azt jelenti, hogy bár a gép rengeteg adatot képes befogadni, a visszaadott válasz terjedelme szigorúbban szabályozott. Az Anthropic eközben a webes előfizetői csomagok pontos kereteit is nyíltan kommunikálja a felhasználók felé. A chatben a Fable 5.1, az Opus 5.5, az Opus 5 és a Sonnet 5 megkapja a teljes egymilliós keretet, a Fable 5, az Opus 4.6-4.8 és a Sonnet 4.6 félmillióval, a többi modell 200 ezerrel dolgozik. Claude Code-ban és Cowork-ben a legtöbb új modell szintén egymillió tokennel fut. A Fable 5.1 az ingyenes csomagból hiányzik, a Pro fiókban külön használati kredittel működik, a Max csomagban a heti kereted legfeljebb felét fordíthatod rá külön díj nélkül. A fejlesztői számok nagyon jól érzékeltetik a technológia jelenlegi határait. Későbbi tokenizáló frissítésekkel a karakterek és szavak aránya természetesen változhat. Ezek a hatalmas számok teszik lehetővé a komolyabb feladatok elvégzését. A jelenlegi mérőszámok alapján a feldolgozható szövegmennyiség rendkívül nagynak számít.

Mire elég ez a gyakorlatban?

A tágas Claude-kontextus kivételes lehetőségeket biztosít a komplex feladatokhoz. Egy egymillió tokenes ablakba kényelmesen befér egy teljes kódbázis rengeteg fájllal. Gond nélkül feltölthetsz hosszú üzleti levelezéseket teljes szálakkal. Egy több száz oldalas szerződéscsomag vagy kiterjedt dokumentumhalmaz is befér egyetlen beszélgetésbe, ha a fájlkorlátokon belül maradsz. Ilyenkor a gép a teljes jogi szöveget egyben látja. Ez a kutatási projekteknél is ideális megoldást jelent az összes forrásanyag egyidejű áttekintésére. Egy hosszú könyvkéziratot is feldolgozhatsz egyben, ha belefér a feltöltési korlátokba: chatben legfeljebb 20 fájl, fájlonként 500 MB, PDF-ből legfeljebb 1000 oldal. A legnagyobb előnye abban rejlik, hogy a dokumentumokat egyben tudod feldolgoztatni. Az Anthropic szerint viszont a több kontextus nem automatikusan jobb: a tokenszám növekedésével romlik a pontosság és a felidézés, ezért a rejtett összefüggéseket érdemes célzott kérdésekkel ellenőrizni. Így a modell egyszerre látja a teljes képet a feltöltött anyagokban. A régebbi technológiáknál a hosszú szövegeket apró darabokra kellett vágni. A darabolás nagy dokumentumnál ma is hasznos: az Anthropic maga javasolja a kisebb részekre bontást, és 100 oldal fölött a Claude a PDF-ből csak a szöveget dolgozza fel, a képeket és ábrákat nem. Ennek köszönhetően a nagy összefüggések keresése sokkal hatékonyabbá vált. A gép képes összekötni a dokumentum elején lévő információt a legutolsó oldalon található adatokkal. Így a komplex rendszerek átlátása sokkal egyszerűbbé válik a felhasználók számára. A dokumentumok feldolgozása ezáltal egy sokkal gördülékenyebb folyamattá alakult.

Kontextusablak és memória: mi a különbség?

A kontextusablak és a memória-funkció két teljesen különböző dolog. Előbbi az adott munkameneten belüli aktuális látóteret jelenti. Tartalmát a futó beszélgetés szövege, a feltöltött dokumentumok, a rendszerutasítások, az esetleges eszközeredmények és a behúzott memóriarészletek együtt határozzák meg. A memória eközben a beszélgetések közötti tartós emlékezetet biztosítja. A későbbi, teljesen új beszélgetések során a rendszer fel tudja idézni a memóriába elmentett információkat. Ezt a funkciót részletesen bemutatjuk a Claude memóriájáról szóló cikkünkben. Lényegében az ablak a jelenlegi feladat munkaasztala. A memória egy különálló, tartós irattár a későbbi projektekhez. A munkamenet bezárásával az aktuális látótér tartalma lekerül az asztalról, de a beszélgetés megmarad a chatlistádban, amíg te magad nem törlöd. Fiókodban a tartós emlékezet ezzel szemben megmarad. Fontos tisztában lenni ezzel a különbséggel a hatékony munkavégzéshez. A két funkció együttes ismerete segít a projektek jobb strukturálásában. Az aktuális munkamenet során mindig csak az asztalon lévő adatokkal dolgozol. A tartós irattárból származó információk csak akkor kerülnek az asztalra, ha a rendszer behúzza őket.

Miért "felejt" mégis néha a hosszú beszélgetés?

A hosszú munkamenetek során előfordul a korábbi adatok elvesztése. Ilyenkor a beszélgetés hossza egyszerűen túllépi a rendelkezésre álló keretet. Ami kicsúszik az ablakon, azt a modell az adott válasznál már nem érzékeli. Ilyenkor a legelső üzenetek kieshetnek a látótérből: az Anthropic szerint a chatfelületek a kontextust gördülő, „first in, first out" alapon is kezelhetik. Ha például a beszélgetés legelején megadsz egy bonyolult formázási szabályt, majd több tucat oldalt generáltatsz, a gép a végén elkezdheti figyelmen kívül hagyni az eredeti kérést. Ilyenkor a gép önmagában rendben működik, csak az eredeti utasítás esett le közben a képzeletbeli asztalról. A megoldás érdekében a hosszú munkánál érdemes időnként összefoglalni az eddigieket. A beszélgetés későbbi szakaszában a nagyon fontos alapdokumentumokat vagy instrukciókat célszerű újra odaadni a modellnek. Ezzel az egyszerű módszerrel visszahozod a lényegi információkat a látótérbe. A folyamatosan frissített kontextus segít a fonal megtartásában. Fizetős csomagban és bekapcsolt kódfuttatással a rendszer automatikusan összefoglalja a korábbi üzeneteidet, a teljes előzmény megmarad, és a Claude hivatkozhat rá. Ez viszont több keretet fogyaszt. A te felelősséged a fontos adatok ismétlése a hosszú folyamatok végén. A képzeletbeli íróasztalra így újra felkerülnek a legfontosabb papírok. Ezzel a módszerrel biztosítod, hogy a munka végig a megfelelő mederben maradjon.

Hogyan hozd ki belőle a legtöbbet?

A tudatos tervezés sokat segít az erőforrások beosztásában. A kisebb anyagokat lehetőleg egyben töltsd fel, de a fizetős csomagok projektjei okos keresést (RAG) használnak, vagyis a teljes tudásbázis helyett csak a releváns részeket töltik be a kontextusba. Feladatkezdéskor adj nagyon tiszta, egyértelmű kontextust az elvárt eredményről. A hosszú projektek esetén időnként kérj egy átfogó összefoglalót a rendszertől az eddigi eredményekről. Később ezt az elkészült összefoglalót egy teljesen új beszélgetés kiindulópontjaként tudod használni. Ezzel a hasznos technikával kitisztítod a munkaasztalt a felesleges részletektől, miközben a lényeg megmarad. A haladó technikákról bővebben a context engineering cikkünkben olvashatsz. A gyakorlatban érdemes kísérletezni azzal, hogy mennyi szöveget lát át a Claude biztonságosan a te konkrét feladataid során. Friss lappal indított beszélgetések jó eséllyel sokkal fókuszáltabb eredményt hoznak. A felesleges körök elhagyásával rengeteg helyet spórolsz a hasznos adatoknak. Így a modell teljes figyelmét a lényegi feladatokra tudod irányítani. A munkaasztalod így mindig tiszta és átlátható marad. A strukturált megközelítés jelentősen javítja a generált válaszok minőségét.

Gyakran ismételt kérdések

Mi az a kontextusablak?

A kontextusablak az a szövegmennyiség, amelyet az AI modell egyetlen beszélgetés során egyszerre lát. Ide tartozik a beszélgetés eddigi tartalma, a feltöltött dokumentumok és az adott válasz is.

Mennyi szöveg fér a Claude kontextusablakába?

A Claude Fable 5.1, Opus 5.5, Opus 5 és Sonnet 5 modellek kontextusablaka egyaránt egymillió token. A pontos szószám nyelvfüggő. Az Anthropic becslése szerint már a 200 ezer tokenes keret is nagyjából 500 oldal szöveg vagy több. Párhuzamosan a Haiku 4.5 modell 200 ezer tokent kezel.

Mi a különbség a kontextusablak és a memória között?

A kontextusablak az aktuális látóteret takarja, a korábbi chateket változatlanul megtalálod a listában, a Free, Pro és Max csomagban alapból bekapcsolt memória pedig az átívelő, tartós emlékezetért felel. A memória eközben a beszélgetések közötti tartós emlékezet. Rendszeren belül a kettő teljesen eltérő funkciót tölt be.

Miért felejti el a Claude, amit korábban írtam?

Idővel a beszélgetés hossza túllépi a kontextusablak méretét. Ami kicsúszik a látótérből, azt a modell nem érzékeli. Fizetős csomagban, bekapcsolt kódfuttatással a Claude a keret közelében inkább összefoglalja a korábbi üzeneteket, és a teljes előzmény megmarad. Ilyen esetekben érdemes összefoglalót készíteni az eddigiekről és újra megadni a fontos adatokat.

Ez a tudás önmagában is magabiztosabb felhasználóvá tesz. A rendszer határainak pontos megértése segít a hatékonyabb munkavégzésben. Amikor tisztában vagy az íróasztal méretével, sokkal tudatosabban fogod beosztani a rendelkezésre álló helyet. A nagy dokumentumok feldolgozása így már rutinműveletté válik számodra. A technológia korlátainak ismerete felkészít a váratlan helyzetek kezelésére is. Végül a jól felépített beszélgetések sokkal pontosabb és hasznosabb válaszokat eredményeznek.