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.

Calculatrice de fenêtre contextuelle

Calculateur de fenêtre contextuelle

✓ Dernière vérification : 2026-08-15· Source : page officielle des tarifs du fournisseur· Auto-surveillé - signaler un changement →

Tout doit s'adapter : votre invite du système, l'ensemble historique des discussions vous renvoyez, le nouveau message, et place au répondre. Entrez les pièces pour voir quelle quantité de fenêtre de chaque modèle vous utilisez, combien de tours il reste encore et combien coûte un appel en contexte complet.

Pourquoi la fenêtre se remplit plus vite que vous ne le pensez

Une fenêtre contextuelle ne se limite pas à « combien de temps un document puis-je coller ». Dans une vraie application de chat, le modèle relit le conversation entière à chaque tour, car l'API est sans état : elle n'a pas de mémoire entre les appels, vous renvoyez donc l'historique à chaque fois. Une invite système de 200 jetons plus dix tours de messages de 250 jetons représentent déjà 2 800 jetons avant même que l'utilisateur n'ait tapé sa prochaine question, et tout ce bloc est envoyé encore prochain tour. Ajoutez un espace réservé pour la réponse et vous pourrez voir comment une « petite » conversation atteint la limite et pourquoi votre facture augmente à mesure qu'une conversation s'allonge.

Cette calculatrice sépare les quatre éléments (invite système, historique des renvois, nouvelle salle de messages et sortie réservée) et affiche le total dans la fenêtre de chaque modèle. Le pourcentage global vous indique la marge de manœuvre qu’il vous reste ; "Les tours qui conviennent encore" vous indiquent combien de temps la conversation peut durer avant que vous deviez couper ou résumer les messages plus anciens. Étant donné que la sortie réside également à l’intérieur de la fenêtre, réserver 4 000 jetons pour une réponse longue ronge l’espace disponible pour le contexte, ce qui explique pourquoi les tâches à sortie longue semblent à l’étroit, même sur les modèles à grande fenêtre.

Une fois que vous savez que cela vous convient, évaluez-le. Le Calculateur du coût des jetons LLM transforme ces jetons en un coût par appel sur chaque modèle, le calculateur de mise en cache rapide montre combien vous économisez en mettant en cache cette invite système fixe au lieu de la refacturer, et le calculateur de coût de chatbot lie tout cela au volume mensuel.

Comment l'utiliser

1. Choisissez un modèle : sa fenêtre contextuelle se charge automatiquement.
2. Entrez la taille de l'invite de votre système, le nombre moyen de jetons par message et le nombre de tours passés que vous conservez dans l'historique.
3. Réservez des jetons pour la réponse du modèle (les réponses plus longues nécessitent plus).
4. Lisez le % utilisé, les tours qui conviennent encore et le coût, puis comparez les modèles dans le tableau.

Erreurs courantes

Oublier le nombre de sorties. La réponse partage la fenêtre avec l'entrée ; réserver un gros max_tokens réduit le contexte que vous pouvez transmettre. Tout renvoyer pour toujours. La refacturation d'un historique croissant à chaque tour est la principale raison pour laquelle les coûts de chat montent en flèche - résumez ou fenêtrez l'historique. Faire confiance aux mots compte. Les jetons ne sont pas des mots ; le code, le JSON et le texte non anglais utilisent beaucoup plus de jetons par caractère. Confondre fenêtre et coût. Une fenêtre de 1 million est gratuite mais coûteuse à remplir à chaque appel.

Estimation seulement. Le nombre de jetons, les fenêtres contextuelles et les prix sont des chiffres de référence et varient selon le modèle et le fournisseur — vérifiez avant de vous y fier.

Comment fonctionne cette calculatrice

Le Calculateur de fenêtre contextuelle estime la quantité de fenêtre de contexte fixe d'un grand modèle de langage consommée par un seul appel d'API. Vous choisissez un modèle, puis entrez votre invite du système longueur en jetons, le jetons moyens par message, le nombre de messages dans votre historique de discussion et le sortie réservée jetons que vous souhaitez garder gratuits pour la réponse du modèle. L'outil les additionne et compare le total à la limite de fenêtre du modèle choisi, indiquant combien de jetons vous utilisez et combien il en reste. Les principaux facteurs déterminants sont la taille de l'invite système, le nombre de messages passés que vous transportez et si vous renvoyer l'historique complet à chaque appel- puisque le renvoi empile chaque message précédent sur chaque nouvelle demande, c'est généralement le moyen le plus rapide de remplir la fenêtre.

Cela est important car le dépassement de la fenêtre de contexte entraîne l'échec des requêtes ou force le modèle à supprimer silencieusement le contenu antérieur, et sur les API payantes, un contexte gonflé augmente également le coût de chaque appel. Un conseil pratique est de surveiller le renvoyer l'historique complet paramètre : dans les longues conversations, renvoyer tout à chaque tour fait augmenter l'utilisation des jetons avec chaque message, donc réduire les anciens tours, résumer l'historique ou réduire une invite système détaillée libère de la place et réduit les dépenses. Le compromis clé est contexte versus efficacité- plus d'historique donne au modèle une meilleure mémoire de la conversation, mais chaque jeton conservé réduit votre espace restant et ajoute à ce que vous payez.

Questions fréquemment posées

Qu'est-ce qu'une fenêtre contextuelle LLM ?

La fenêtre contextuelle correspond au nombre maximum de jetons qu'un modèle peut conserver en mémoire à la fois : votre invite système, l'historique complet de la conversation, le nouveau message utilisateur et la réponse du modèle doivent tous y tenir. GPT-4o contient environ 128 000 jetons, Claude en modèle environ 200 000 et Gemini 2.5 et GPT-4.1 jusqu'à 1 000 000. Lorsque le total dépasse la fenêtre, les messages les plus anciens doivent être supprimés ou la demande est rejetée.

Combien de jetons ma conversation utilise-t-elle ?

Additionnez l'invite système, chaque message que vous renvoyez en tant qu'historique, le nouveau message et l'espace que vous réservez pour la réponse. Une règle approximative est 1 jeton ≈ 0,75 mots anglais, donc 1 000 mots correspondent à environ 1 300 jetons. Cette calculatrice totalise l'invite du système plus les tours de l'historique plus la sortie réservée et l'affiche sous forme de pourcentage de la fenêtre de chaque modèle, afin que vous puissiez voir à quel point vous êtes proche de la limite.

Une fenêtre contextuelle plus grande coûte-t-elle plus cher ?

Indirectement, oui. La taille de la fenêtre elle-même est gratuite, mais vous payez par jeton d'entrée à chaque appel - et si vous renvoyez un long historique à chaque tour, cet historique est refacturé à chaque fois. Un contexte presque complet de 128 Ko coûte bien plus cher par appel qu'un contexte court, même sur le même modèle. Réduire l'historique ou utiliser la mise en cache des invites pour l'invite système fixe est généralement moins cher que de payer pour une fenêtre géante que vous continuez à remplir.

Même conversation entre les modèles