# Ventana de contexto: cuánto puede leer una IA de una vez

> Qué es la ventana de contexto de un modelo, qué ocupa espacio en ella, qué tamaño tiene hoy y por qué que un dato quepa no garantiza que el modelo lo use.

*Tags: ia, fundamentos, contexto, diseno-con-ia*

---


> [!info] Definición Rápida
> La **ventana de contexto** es la cantidad máxima de [[tokens|tokens]] que un modelo puede manejar en una sola petición. Incluye las instrucciones, el historial de la conversación, los documentos y herramientas que le pasas, y también la respuesta que genera.


## ¿Qué es la ventana de contexto?

Un modelo de lenguaje no recuerda nada entre una llamada y la siguiente. Todo lo que necesita para responder tiene que viajar en la petición: el mensaje del sistema, los turnos anteriores, los archivos adjuntos y la pregunta actual. La ventana de contexto es el tamaño máximo de ese paquete.

La documentación de Anthropic la describe como la "memoria de trabajo" del modelo. No es lo mismo que los datos de entrenamiento, que son fijos y tienen fecha de corte (ver [[knowledge-cutoff|knowledge cutoff]]).

Cuando un asistente parece "acordarse" de lo que dijiste hace diez mensajes, es porque el producto reenvía todo el historial en cada turno. Por eso la conversación ocupa cada vez más espacio y cada turno cuesta un poco más que el anterior.

## ¿Qué ocupa espacio dentro de la ventana?

Más cosas de las que parece. Según la documentación de Claude, cuentan:

- **El prompt de sistema**, que se repite en cada llamada. Ver [[system-prompt|system prompt]].
- **Todos los mensajes**, incluidos resultados de herramientas, imágenes y documentos.
- **Las definiciones de herramientas.** Un agente con muchas herramientas conectadas gasta tokens antes de que el usuario escriba nada. Ver [[tool-use|tool use]].
- **La respuesta del modelo**, incluidos sus tokens de razonamiento ("thinking"). Si el modelo necesita escribir 4.000 tokens, esos tokens tienen que caber en la misma ventana. Ver [[modelos-de-razonamiento|modelos de razonamiento]].

El [[prompt-caching|prompt caching]] cambia lo que pagas por un bloque repetido, pero no el espacio que ocupa: lo cacheado sigue contando dentro de la ventana.

¿Y si te pasas? En la API de Claude, si la entrada ya supera la ventana, la petición falla con un error 400 ("prompt is too long"). Si la respuesta llega al límite al generarse, en Claude 4.5 y posteriores se corta con el motivo `model_context_window_exceeded`. El usuario ve un error o una respuesta a medias, y el equipo tiene que diseñar qué se muestra en ese caso.

## ¿Qué tamaño tienen las ventanas hoy?

Las cifras cambian con cada generación de modelos. Estas son las que publican los tres proveedores grandes en su documentación oficial, consultada el 18 de octubre de 2026:

| Modelo | Ventana de contexto | Salida máxima por petición |
|---|---|---|
| Claude Fable 5.1, Opus 5.5, Sonnet 5.5 y Haiku 5.5 (Anthropic) | 1.000.000 tokens | 128.000 tokens |
| Claude Sonnet 4.5 y otros modelos anteriores (Anthropic) | 200.000 tokens | Según el modelo |
| GPT-6 Astra (OpenAI) | 1.050.000 tokens | 128.000 tokens |
| Gemini 4 Argon (Google) | 1.048.576 tokens, compartidos entre entrada, razonamiento y salida | 65.536 tokens por defecto |

Según Anthropic, 1 millón de tokens equivale a unas 555.000 palabras con el tokenizador que usa desde Claude Opus 4.7. En español caben menos palabras, porque cada una suele ocupar más tokens.

Tres matices al diseñar:

- **No todos cuentan igual.** En Gemini 4 Argon la entrada y la salida comparten el mismo millón; en Gemini 3 y 2.5 eran presupuestos separados.
- **Hay otros límites.** Claude acepta como máximo 600 imágenes o páginas de PDF por petición, así que un lote grande de archivos puede chocar con eso antes que con los tokens.
- **Tu producto puede usar menos que el modelo.** Lo que importa es el límite de tu integración, no la cifra del anuncio. Consulta la documentación vigente antes de diseñar un flujo que dependa de un tamaño concreto.

## ¿Que algo quepa significa que el modelo lo use?

No. El estudio "Lost in the Middle" (Liu y otros, 2023, publicado en TACL) encontró que los modelos rinden mejor cuando la información relevante está al principio o al final de un contexto largo, y bastante peor cuando está en el medio. Usó modelos de 2023, pero el problema siguió con ventanas más grandes: en julio de 2025, Chroma probó 18 modelos, entre ellos GPT-4.1, Claude 4 y Gemini 2.5, y concluyó en su informe "Context Rot" que el rendimiento se vuelve menos confiable a medida que crece la entrada, incluso en tareas simples. La documentación de Anthropic usa el mismo término: con más tokens, la precisión y el recuerdo se degradan.

Google dice algo parecido: Gemini encuentra muy bien un solo dato en un documento largo (la prueba de la "aguja en un pajar"), pero cuando debe recuperar varios datos a la vez la precisión baja y varía mucho.

Qué hacer con esto:

1. Pon la pregunta al final, después de los documentos, como recomienda Google.
2. Incluye solo lo que la tarea necesita; cada bloque irrelevante compite por la atención del modelo.
3. Prueba con documentos tan largos como los que usarán tus usuarios, y busca a propósito datos que estén a mitad del texto.

## ¿Por qué le importa a un diseñador?

Porque la ventana define qué puede "recordar" tu producto dentro de una sesión, y eso se nota en la interfaz:

- **Conversaciones largas.** Si el usuario trabaja una hora con el asistente, el historial crece. Alguien tiene que decidir qué se resume, qué se descarta y si el usuario se entera. Ver [[historial-de-conversaciones|historial de conversaciones]].
- **Documentos grandes.** Que un contrato de 80 páginas quepa no significa que el modelo atienda igual a todas sus partes.
- **Agentes.** Un agente acumula resultados de herramientas en cada paso y puede llenar la ventana en una sola tarea. Ver [[context-engineering|context engineering]] y [[memoria-en-agentes|memoria en agentes]].
- **Costo y velocidad.** Cada token de la ventana se paga y se procesa en cada turno. Ver [[costo-por-token|costo por token]] y [[latencia-en-llms|latencia en LLMs]].
- **Transparencia.** Si recortas contexto sin avisar, el usuario verá respuestas que ignoran cosas que dijo antes. Eso es un problema de confianza, no solo técnico.

Anthropic ofrece **compactación** en beta: reemplaza los turnos viejos por un resumen que escribe el modelo, para que la conversación siga sin salirse de la ventana. Como esto cambia lo que el modelo "sabe", la interfaz debería indicarlo: un aviso como "Resumí la primera parte de la conversación" explica por qué un detalle viejo ya no aparece.

## ¿Cuándo NO conviene llenar la ventana?

Llenarla por costumbre cuesta más, tarda más y, como vimos, diluye la señal. Para buscar información entre muchos documentos, suele ser mejor [[rag|recuperar solo los fragmentos relevantes]] que pasar todo el corpus. Pasar todo tiene sentido cuando la tarea exige leer el documento completo (resumir un contrato, comparar dos versiones de una especificación).

## Ejemplo

Ejemplo ilustrativo: un asistente responde preguntas sobre un sistema de diseño de 300 componentes cuya documentación ocupa unos 450.000 tokens.

- **Incluir todo el catálogo en cada petición.** Cabe en una ventana de 1 millón, pero no en una de 200.000. Y en cada pregunta casi todo el catálogo es ruido, justo el escenario donde el rendimiento se degrada.
- **Buscar primero y pasar solo lo relacionado.** El producto recupera los 12 componentes más relevantes, unos 15.000 tokens: una petición 30 veces más chica, más barata y más rápida.

La segunda opción exige una decisión de diseño. Una nota como "Se consideraron 12 de 300 componentes", con un enlace para ver cuáles, evita que el usuario crea que la respuesta cubre todo el sistema.

## Errores comunes

- Creer que una ventana grande elimina la necesidad de elegir qué información entra.
- Diseñar con la cifra del anuncio del modelo en lugar del límite real de tu integración.
- Olvidar que la respuesta, el razonamiento y las definiciones de herramientas también ocupan la ventana.
- Recortar o resumir el historial sin avisar al usuario ni conservar las instrucciones clave.
- Poner la pregunta al principio y 100 páginas de documentos detrás.

## Fuentes

- [Context windows (documentación de Claude)](https://platform.claude.com/docs/en/build-with-claude/context-windows)
- [Models overview (documentación de Claude)](https://platform.claude.com/docs/en/about-claude/models/overview)
- [Compaction overview (documentación de Claude)](https://platform.claude.com/docs/en/build-with-claude/compaction)
- [GPT-6 Astra (documentación de OpenAI)](https://developers.openai.com/api/docs/models/gpt-6-astra)
- [Gemini 4 Argon (documentación de Gemini API)](https://ai.google.dev/gemini-api/docs/models/gemini-4-argon)
- [Long context (documentación de Gemini API)](https://ai.google.dev/gemini-api/docs/long-context)
- [Lost in the Middle: How Language Models Use Long Contexts (arXiv:2307.03172)](https://arxiv.org/abs/2307.03172)
- [Context Rot: How Increasing Input Tokens Impacts LLM Performance (Chroma, 2025)](https://www.trychroma.com/research/context-rot)


---

Source: https://www.fernandoux.com/es/wiki/ia/ventana-de-contexto/