コンテキストウィンドウは、LLMが一度のやり取りで参照できる情報量の上限です。
プロンプト、添付文書、会話履歴、検索結果、コード、そして出力に使う分まで含めて、モデルが扱えるトークン数として表されることが多いです。
まず押さえたいポイント
- LLMが一度に扱える情報量の枠
- 単位はトークンで表されることが多い
- 大きいほど長文や大量コードを扱いやすい
- 大きいからといって、全部入れれば精度が上がるわけではない
どんな場面で使うか
長い仕様書を読ませる、複数ファイルのコードを渡す、過去の会話を踏まえて回答させる、検索結果をまとめて渡す、といった場面でコンテキストウィンドウが重要になります。
Claude Opus 4.7のように大きなコンテキストに対応するモデルでは、広い範囲の情報を一度に扱えるため、調査やコードレビューで便利です。
ただし、実務では「入るかどうか」だけでなく「読ませるべきか」を考えます。
古い仕様、関係ないログ、似ているが別物のコードを大量に入れると、モデルが重要な条件を見落としたり、誤った根拠に引っ張られたりします。
よくある誤解
コンテキストウィンドウが大きいモデルほど、常に良い結果になるわけではありません。
大量の情報を渡せることと、必要な情報だけを使って正しく判断できることは別です。
また、長い入力はコストにも関係します。
毎回大きな文書やリポジトリ全体を渡すと、入力トークンが増え、API利用料やレイテンシが大きくなります。モデルが強くても、情報設計を省略すると費用対効果が悪くなります。
実務で見るポイント
コンテキストウィンドウを活かすには、必要な文書を選ぶ、古い情報を除く、優先順位を付ける、要約や検索で絞る、といった設計が必要です。
この考え方はコンテキストエンジニアリングに近く、AIエージェントや社内検索AIでは特に重要です。
目安として、まずは小さな入力で必要な答えが出るかを試し、足りない場合に追加情報を渡します。
最初から全部入れるより、失敗ログを見ながら「何が足りなかったか」を増やす方が、精度とコストのバランスを取りやすいです。