Última actualización: 2026-06-22

Qué es una ventana de contexto

La ventana de contexto es el número máximo de tokens que un modelo de lenguaje puede procesar en una sola llamada, contando tanto la entrada que lee como la salida que genera. Una solicitud cabe cuando la entrada más los tokens reservados para la respuesta se mantiene dentro de este límite. Como la ventana es fija para un modelo dado, planificar una llamada significa presupuestar sus componentes frente a ese techo.

El presupuesto

La entrada de una sola llamada es la suma del mensaje de sistema, el historial previo de la conversación que se reenvía y el mensaje actual del usuario. Reservar espacio para la respuesta da el total que la ventana debe contener:

donde $W$ es la ventana de contexto y $n_{out}$ la salida reservada. El uso es la proporción de la ventana que consume la solicitud:

Un $n_{rem}$ negativo significa que la solicitud desborda la ventana y no puede ejecutarse tal como está compuesta.

Ejemplo resuelto

Considérese una solicitud con un mensaje de sistema de 800 tokens, 6000 tokens de historial y un mensaje de usuario de 1200 tokens, reservando 2000 tokens para la respuesta, frente a una ventana de 128 000 tokens:

La solicitud necesita 10 000 tokens y deja 118 000 libres, usando alrededor del 7,8 % de la ventana. Hay amplio margen: el historial podría crecer muchas veces antes de que la ventana se convirtiera en la restricción que limita.

Comportamiento ante el desbordamiento

Cuando el total supera la ventana, los proveedores no truncan en silencio de una forma que el cliente controle; la llamada se rechaza o se descarta el contexto más antiguo, y cualquiera de las dos opciones degrada el resultado. La salida reservada merece atención particular: si la entrada casi llena la ventana, al modelo le queda poco espacio para responder y la respuesta puede cortarse a mitad de la generación. Reservar la salida de forma explícita evita que una entrada que sí cabe produzca una respuesta truncada.

Aplicación

La ventana es un límite estricto, distinto del coste, que escala con los tokens usados. El historial suele ser el componente más grande y más comprimible, de modo que hacer que una conversación larga quepa implica normalmente resumirla o recortarla, acortar el mensaje de sistema, rebajar la salida reservada o pasar a un modelo con una ventana mayor. Para dimensionar la entrada a partir de una longitud objetivo en palabras, conviértase con Calculadora de tokens a palabras; para ver cómo el historial reenviado eleva tanto la ventana como la factura a lo largo de muchos turnos, véase Calculadora de crecimiento del coste de contexto.