コンテキストウィンドウ（AIの作業用の記憶）とは？

Anthropic の説明書によると、1回の返事のために送るものは、全部が窓に入ります。AIへの決まりの説明（システムプロンプト）、それまでのやりとりの1つ1つ、AIが検索などの道具を使った結果、画像や資料、使える道具の説明です。そして、AIがその回に書く答えも入ります。窓は、「読む分」と「書く分」を合わせた広さなのです。

そのため、窓が10万トークンのモデルに9万9千トークンの資料を読ませると、答えを書ける分は1000トークンほどしか残りません（このページで作った例）。Anthropic によると、Claude の新しいモデル（Claude 4.5 以降）では、書いている途中で窓の上限に届くと、そこで書くのを止めます。読ませる分だけで上限を超えるときは、初めからエラーになります。

考えてから答えるAI（推論モデル）が、答えの前に考える分（推論のトークン）も、その回の窓に入り、書いた分として数えます。前の返事で考えた分を、次の返事の窓にも残すかは、モデルによってちがいます。Claude の新しいモデルの多くは残し、ほかの入力と同じように窓に数えます（Anthropic の説明。2026年11月）。

一度読んだ分を取っておいて速く読み直す「キャッシュ」を使っても、その分は窓に数えます。キャッシュで変わるのは、その分の料金と読む速さで、窓に数えるかどうかではありません（Anthropic の説明）。

OpenAI の2020年の論文によると、GPT-3 の窓は2048トークンでした。Google の説明書は、前の世代の文章を作るAIは一度に8000トークンしか扱えず、その後のAIが3万2000トークン、さらに12万8000トークンへと広げた、と書いています。

2026年11月の各社の説明書では、Anthropic の Claude の新しいモデル（Claude Opus 5.5 など）と、Google の Gemini 4 Argon が100万トークン、OpenAI の GPT-6 Astra が105万トークンです。Claude が1回の返事で書けるのは、1回ずつ頼むふつうの使い方で、そのうち12万8000トークンまでです。

100万トークンは、どれくらい？ Google の説明書は、「ふつうの長さの英語の小説8冊」「1行80文字のプログラム5万行」「ふつうの長さのポッドキャスト200回分以上の書き起こし」などとたとえています。Anthropic は、Claude の今の区切り方で、約55万5000語、文字にして約250万字としています。ただ、1トークンが何文字にあたるかは、モデルと言葉によって変わります（Anthropic の用語集）。日本語の文の字数は、この数とはちがってきます。

使い方によって、扱いが変わります。Anthropic の API（アプリからAIを使うための窓口）では、読ませる分だけで窓を超えると、「プロンプトが長すぎる」というエラーが返り、返事は作られません。

チャットの画面では、古いものから順に外していくやり方もあります。Anthropic は、claude.ai のようなチャットの画面が、先に入ったものから先に外す形で窓を管理することもある、と書いています。外した分は、AIにはもう見えません。

まとめる、というやり方もあります。Anthropic の「コンパクション」（圧縮）は、古いやりとりを、AIが書いたまとめに置きかえて、会話を窓の上限の先まで続けられるようにする機能です。Anthropic は2025年9月の記事で、プログラムづくりを手伝うAIの道具 Claude Code でも、上限に近づいた会話をAIにまとめさせ、そのまとめと、最近開いた5つのファイルで作業を続ける、と説明しています。ただ、まとめで落ちた細かい所は、あとで要っても見えません。説明書は、まとめが大事な所を落とすときのために、まとめ方の指示を自分で書くやり方も用意しています。

入る量が多いのは便利ですが、Anthropic は、文脈が多ければ自動的によくなるわけではない、と書いています。トークンが増えるほど、正確さと思い出す力が落ちるからです（コンテキスト・ロット）。ある所で急に読めなくなるのではなく、だんだん落ちていく、という説明です。

2023年の、スタンフォード大学などの研究者の論文「Lost in the Middle」（真ん中で迷子）は、AIに質問と20件の資料を渡し、答えの書いてある1件を置く場所を変えて試しました。GPT-3.5-Turbo では、答えの資料が最初にあると75.8%、最後にあると63.2%正しく答えたのに、10番目では53.8%で、資料を渡さずに、学習で身につけた知識だけで答えたときの56.1%より低くなりました。20件の資料を合わせた長さは平均で3000トークンほど（いちばん長くて3920）で、窓（4000トークン）に収まっていました。論文は、窓を広げたモデルが、入れた文章をうまく使えるとは限らない、とも書いています。

Google の説明書も、1つの情報を探すだけなら99%ほど見つけられても、いくつもの情報を探すときは同じ正確さにはならず、場合によって大きく変わる、と書いています。もう1つは料金です。使った量で払うしくみでは、長い資料を送るたびに、読む分の料金がかかります。OpenAI の GPT-6 Astra では、27万2000トークンを超えて読ませると、その1回は、読む分が2倍、書く分が1.5倍の値段になります（2026年11月）。

今のAIの多くが使うしくみ（トランスフォーマー）は、答えを作るとき、窓の中のトークンどうしを見比べて、どれとどれの関係が深いかを計算します（アテンション、注意）。見比べる組み合わせは、トークンが2倍になると約4倍、10倍になると約100倍に増えます（クラスの人数が2倍になると、2人ずつの組み合わせが約4倍になるのと同じです）。2017年の論文も、この計算の量が、文の長さの2乗に比例して増えることを示しています。

Anthropic は、窓が長くなるほど、組み合わせが多すぎて、1つ1つの関係をとらえる力が「薄く引きのばされる」と書いています。また、AIは学習に使った文章から注意の向け方を身につけますが、その文章には短いものが多いので、長い文章全体にまたがる関係を扱った経験が少ない、とも説明しています。窓を大きくすると計算が重くなり、大きくしても、入れた分をうまく使えるとは限らないのです。

Anthropic の説明書は、2万トークンを超えるような長い資料では、資料をプロンプト（AIへの指示の文）の上の方に置き、質問や指示は最後に書くよう勧めています。試験では、質問を最後に置くと、答えの質が最大で30%よくなった、としています（会社の説明）。Google の説明書も、文脈が長いときは、質問を最後に置くと成績がよくなることが多い、と書いています。

ほかにも Anthropic は、資料が何件もあるときは1件ずつ印（XMLのタグ）で囲んで出どころを書くこと、答える前に、資料から関係のある所を引用させることを勧めています。Anthropic のAIエージェントを作る人向けの記事は、ほしい結果に役立つ情報を、できるだけ少なく選んで入れるよう勧めています。窓は大きくても、何を入れるかを選ぶことが大事なのです。

学習した知識とは、別のものです。Anthropic の用語集は、コンテキストウィンドウを、AIが学習に使った大量の文章とは別の、AIの「作業用の記憶」と説明しています。学習に使った文章を、返事を作るときに開いて見返すことはできません。その場で見返せるのは、窓に入っている文章だけです。

Anthropic の「メモリの道具」（memory tool）は、覚えておきたいことを窓の外のファイルに書き残し、次の会話で、要るときに読み込むしくみです。全部を窓に入れておかなくても、知っていることを増やしていける、と説明しています。資料を探して窓に入れる「検索拡張生成（RAG）」も、窓の外にある情報を、要る分だけ窓に運びます。どちらも、最後はAIが窓の中で読みます。