What is an LLM context window?

The context window is the maximum number of tokens a model can hold in memory at once — your system prompt, the entire conversation history, the new user message, and the model's reply all have to fit inside it. GPT-4o holds about 128,000 tokens, Claude models about 200,000, and Gemini 2.5 and GPT-4.1 up to 1,000,000. When the total exceeds the window the oldest messages must be dropped or the request is rejected.

How many tokens is my conversation using?

Add up the system prompt, every message you resend as history, the new message, and the space you reserve for the reply. A rough rule is 1 token ≈ 0.75 English words, so 1,000 words is about 1,300 tokens. This calculator totals the system prompt plus history turns plus reserved output and shows it as a percentage of each model's window, so you can see how close to the limit you are.

Does a bigger context window cost more?

Indirectly, yes. The window size itself is free, but you pay per input token on every call — and if you resend a long history each turn, that history is re-billed every single time. A near-full 128k context costs far more per call than a short one, even on the same model. Trimming history or using prompt caching for the fixed system prompt is usually cheaper than paying for a giant window you keep refilling.

Kontextfensterrechner

✓ Zuletzt überprüft: 15.07.2026· Quelle: offizielle Preisseite des Anbieters· Automatisch überwacht – Änderung melden →

Es muss alles passen: Ihr Systemaufforderung, das Ganze Chatverlauf Sie senden erneut die neue Nachricht und Platz für die Antwort. Geben Sie die Teile ein, um zu sehen, wie viel vom Fenster jedes Modells Sie verwenden, wie viele Windungen noch passen und was ein Vollkontextaufruf kostet.

Warum sich das Fenster schneller füllt, als Sie denken

Bei einem Kontextfenster geht es nicht nur darum, wie lange ein Dokument eingefügt werden kann. In einer echten Chat-App liest das Model das noch einmal gesamtes Gespräch bei jeder einzelnen Runde, da die API zustandslos ist – sie hat keinen Speicher zwischen den Aufrufen, sodass Sie den Verlauf jedes Mal erneut senden. Eine 200-Token-Systemaufforderung plus zehn Runden mit 250-Token-Nachrichten sind bereits 2.800 Token, bevor der Benutzer überhaupt seine nächste Frage eingegeben hat und der gesamte Block gesendet wird wieder nächste Runde. Fügen Sie reservierten Platz für die Antwort hinzu und Sie können sehen, wie ein „kleiner“ Chat an seine Grenzen stößt und warum Ihre Rechnung steigt, wenn ein Gespräch länger wird.

Dieser Rechner trennt die vier Teile – Systemaufforderung, Verlauf erneut gesendeter Nachrichten, neuer Nachrichtenraum und reservierte Ausgabe – und zeigt die Gesamtsumme im Fenster jedes Modells an. Der Schlagzeilenprozentsatz sagt Ihnen, wie viel Luft zum Atmen noch übrig ist; „Runden, die noch passen“ sagt Ihnen, wie lange das Gespräch dauern kann, bevor Sie ältere Nachrichten kürzen oder zusammenfassen müssen. Da sich die Ausgabe auch innerhalb des Fensters befindet, verschlingt die Reservierung von 4.000 Token für eine lange Antwort den für den Kontext verfügbaren Platz, weshalb sich Aufgaben mit langer Ausgabe selbst bei Modellen mit großem Fenster beengt anfühlen.

Sobald Sie wissen, dass es passt, legen Sie den Preis fest. Der LLM-Token-Kostenrechner wandelt diese Token bei jedem Modell in Kosten pro Anruf um Prompt-Caching-Rechner zeigt, wie viel Sie sparen, indem Sie diese feste Systemaufforderung zwischenspeichern, anstatt sie erneut in Rechnung zu stellen Chatbot-Kostenrechner bindet alles an das monatliche Volumen.

Wie man es benutzt

1. Wählen Sie ein Modell aus – sein Kontextfenster wird automatisch geladen.
2. Geben Sie die Eingabeaufforderungsgröße Ihres Systems, die durchschnittlichen Token pro Nachricht und die Anzahl vergangener Runden ein, die Sie im Verlauf speichern.
3. Reservieren Sie Token für die Antwort des Modells (längere Antworten erfordern mehr).
4. Lesen Sie den verwendeten Prozentsatz, die noch passenden Windungen und die Kosten ab und vergleichen Sie dann die Modelle in der Tabelle.

Häufige Fehler

Das Vergessen der Leistung zählt. Die Antwort teilt das Fenster mit der Eingabe; einen großen reservieren max_tokens verkleinert den Kontext, den Sie übergeben können. Alles für immer erneut verschicken. Der Hauptgrund dafür, dass die Chat-Kosten in die Höhe schießen, ist die ständig neue Abrechnung einer wachsenden Historie – fassen Sie die Historie zusammen oder fenstern Sie sie. Vertrauensvolle Worte zählen. Token sind keine Worte; Code, JSON und nicht-englischer Text verwenden weitaus mehr Token pro Zeichen. Verwirrendes Fenster mit Kosten. Die Nutzung eines 1-Millionen-Fensters ist kostenlos, das Füllen bei jedem Anruf ist jedoch teuer.

FAQ

Was ist der Unterschied zwischen Kontextfenster und maximaler Ausgabe?

Das Fenster zeigt das Gesamtbudget für Input + Output zusammen. max_tokens begrenzt nur die Ausgabe, und diese Ausgabe wird aus demselben Fenster herausgeschnitten – sie tauschen sich also gegeneinander aus.

Wie schätze ich Token ohne Tokenizer?

Ungefähr 1 Token ≈ 0,75 englische Wörter oder ~4 Zeichen. Für genaue Zählungen fügen Sie Ihren Text in das ein Token-Zähler. Code und nicht-englischer Text werden höher angezeigt.

Was passiert, wenn ich das Fenster überschreite?

Abhängig vom Anbieter und Ihrer Einrichtung lehnt die API die Anfrage entweder ab oder schneidet die ältesten Nachrichten stillschweigend ab. So oder so verliert das Modell den Anfang des Gesprächs – schneiden Sie es ab oder fassen Sie es zusammen, bevor Sie das Limit erreichen.

Macht ein größeres Fenster das Modell intelligenter?

Nein – es enthält nur mehr Text. Modelle kümmern sich häufig weniger zuverlässig um die Mitte eines sehr langen Kontexts, sodass eine fokussierte, gekürzte Eingabeaufforderung häufig eine überfüllte Eingabeaufforderung übertrifft.

Nur Schätzung. Token-Anzahl, Kontextfenster und Preise sind Referenzwerte und variieren je nach Modell und Anbieter – überprüfen Sie diese, bevor Sie sich darauf verlassen.

Häufig gestellte Fragen

Was ist ein LLM-Kontextfenster?

Das Kontextfenster ist die maximale Anzahl an Token, die ein Modell gleichzeitig im Speicher halten kann – Ihre Systemaufforderung, der gesamte Konversationsverlauf, die neue Benutzernachricht und die Antwort des Modells müssen alle hineinpassen. GPT-4o fasst etwa 128.000 Token, Claude-Modelle etwa 200.000 und Gemini 2.5 und GPT-4.1 bis zu 1.000.000. Wenn die Gesamtmenge das Fenster überschreitet, müssen die ältesten Nachrichten verworfen werden, andernfalls wird die Anfrage abgelehnt.

Wie viele Token verwendet meine Konversation?

Addieren Sie die Systemaufforderung, jede Nachricht, die Sie erneut senden, als Verlauf, die neue Nachricht und den Platz, den Sie für die Antwort reservieren. Eine grobe Regel lautet: 1 Token ≈ 0,75 englische Wörter, 1.000 Wörter entsprechen also etwa 1.300 Token. Dieser Rechner summiert die Systemeingabe plus Verlaufsrunden plus reservierte Ausgabe und zeigt sie als Prozentsatz des Fensters jedes Modells an, sodass Sie sehen können, wie nah Sie an der Grenze sind.

Kostet ein größeres Kontextfenster mehr?

Indirekt ja. Die Fenstergröße selbst ist kostenlos, Sie zahlen jedoch bei jedem Aufruf pro Eingabe-Token – und wenn Sie in jeder Runde einen langen Verlauf erneut senden, wird dieser Verlauf jedes Mal neu berechnet. Ein nahezu vollständiger 128K-Kontext kostet weitaus mehr pro Anruf als ein kurzer, selbst beim gleichen Modell. Das Kürzen des Verlaufs oder die Verwendung von Prompt-Caching für die feste System-Prompt ist in der Regel günstiger, als für ein riesiges Fenster zu bezahlen, das Sie immer wieder neu füllen.