Uma janela de contexto de cerca de um milhão de tokens comporta uma base de código de médio porte, uma pilha de contratos ou meses de registros de chat em uma única solicitação. Vários modelos no GetVibe API oferecem uma janela desse tamanho, desde modelos topo de linha até modelos flash de baixo custo. Todos rodam em um único endpoint compatível com OpenAI e usam uma única chave.
A lista
Os limites de contexto e de saída vêm do nosso catálogo (caps.contextWindow em https://getvibeapi.com/api/catalog). Os preços são atualizados em tempo real.
| Modelo | Contexto | Saída máxima | Imagens | Modo JSON | Preço |
|---|---|---|---|---|---|
| Claude Opus 5.5 | 1,000,000 | 128,000 | sim | sim | $0.1974 entrada · $0.9867 saída por 1M de tokens |
| Claude Sonnet 5 | 1,000,000 | 64,000 | sim | sim | $0.3334 entrada · $1.6667 saída por 1M de tokens |
| GPT-5.6 Sol | 1,050,000 | 128,000 | sim | sim | $0.0667 entrada · $0.40 saída por 1M de tokens |
| Gemini 3.1 Pro | 1,000,000 | 65,000 | sim | sim | $0.2515 entrada · $1.5086 saída por 1M de tokens |
| Gemini 3.8 Flash | 1,000,000 | 65,000 | sim | não | $0.0097 entrada · $0.0483 saída por 1M de tokens |
| DeepSeek V4.1 Flash | 1,000,000 | 393,216 | sim | sim | $0.0112 entrada · $0.0445 saída por 1M de tokens |
| GLM-5.3 | 1,048,000 | 128,000 | não | não | $0.10 entrada · $0.3143 saída por 1M de tokens |
| GLM-5.3 Flash | 1,048,000 | 128,000 | sim | não | $0.0112 entrada · $0.0371 saída por 1M de tokens |
O catálogo também inclui outros modelos da classe de 1M, incluindo versões anteriores do Claude Opus e o Gemini 3.7 Flash. A página Modelos mostra a lista completa e permite ordená-la.
Declarado versus medido
A maioria dos números acima corresponde à janela declarada pelo fabricante do modelo. Para o Claude Opus 5.5, também fizemos uma medição antes da publicação: uma solicitação de 732,379 tokens foi respondida com detalhes tanto do início quanto do fim do prompt, e uma solicitação com mais de 1,000,000 de tokens foi rejeitada no limite do modelo. Para os outros modelos, faça testes com seus próprios dados se você planeja operar próximo do limite.
Como usar bem uma janela longa
- Coloque a pergunta depois do material. Envie os documentos primeiro e a instrução por último, para que o modelo leia a tarefa com tudo já no contexto.
- Marque os limites. Envolva cada arquivo ou documento em delimitadores claros com seu nome. Isso ajuda o modelo a indicar de onde veio uma resposta.
- Verifique as duas extremidades. Ao avaliar um modelo para entradas longas, pergunte sobre um detalhe próximo do início e outro próximo do fim do mesmo prompt.
- Deixe espaço para a resposta. A entrada e a saída compartilham a janela, portanto um prompt que a preenche completamente não deixa espaço para a resposta.
Custo: cada token de entrada é cobrado
Uma solicitação completa de 1M de tokens é cobrada por cada token de entrada, então o contexto longo é a forma mais cara de chamar um modelo. Duas coisas ajudam a manter os custos sob controle:
- Cache de prompt. Se você fizer várias perguntas sobre o mesmo material, mantenha-o como um prefixo inalterado. A entrada armazenada em cache é cobrada por uma fração da tarifa de entrada. Consulte o guia de cache de prompt.
- Escolha o nível de acordo com a tarefa. Para pesquisar e extrair informações de uma entrada grande, um modelo flash com uma janela de 1M pode ser suficiente. Reserve os modelos topo de linha para raciocinar sobre o material.
from openai import OpenAI
client = OpenAI(base_url="https://getvibeapi.com/v1", api_key="sk-pv-...")
corpus = open("all_docs.txt").read()
resp = client.chat.completions.create(
model="deepseek-v4.1-flash",
messages=[
{"role": "system", "content": "Responda somente com base nos documentos fornecidos."},
{"role": "user", "content": corpus + "\n\nPergunta: quais contratos mencionam uma taxa de rescisão?"},
],
)
print(resp.choices[0].message.content)Próximos passos
Leia o artigo sobre o contexto de 1M do Claude Opus 5.5, compare os modelos na página Modelos ou comece pela documentação.