Контекстное окно размером около одного миллиона токенов вмещает кодовую базу среднего размера, набор контрактов или историю чатов за несколько месяцев в одном запросе. Несколько моделей в GetVibe API предлагают окно такого размера: от флагманских до недорогих flash-моделей. Все они работают через одну OpenAI-совместимую конечную точку и с одним ключом.
Список
Ограничения контекста и вывода взяты из нашего каталога (caps.contextWindow в https://getvibeapi.com/api/catalog). Цены обновляются в реальном времени.
| Модель | Контекст | Максимальный вывод | Изображения | Режим JSON | Цена |
|---|---|---|---|---|---|
| Claude Opus 5.5 | 1,000,000 | 128,000 | да | да | $0.1974 вход · $0.9867 выход за 1 млн токенов |
| Claude Sonnet 5 | 1,000,000 | 64,000 | да | да | $0.3334 вход · $1.6667 выход за 1 млн токенов |
| GPT-5.6 Sol | 1,050,000 | 128,000 | да | да | $0.0667 вход · $0.40 выход за 1 млн токенов |
| Gemini 3.1 Pro | 1,000,000 | 65,000 | да | да | $0.2515 вход · $1.5086 выход за 1 млн токенов |
| Gemini 3.8 Flash | 1,000,000 | 65,000 | да | нет | $0.0097 вход · $0.0483 выход за 1 млн токенов |
| DeepSeek V4.1 Flash | 1,000,000 | 393,216 | да | да | $0.0112 вход · $0.0445 выход за 1 млн токенов |
| GLM-5.3 | 1,048,000 | 128,000 | нет | нет | $0.10 вход · $0.3143 выход за 1 млн токенов |
| GLM-5.3 Flash | 1,048,000 | 128,000 | да | нет | $0.0112 вход · $0.0371 выход за 1 млн токенов |
В каталоге также есть другие модели класса 1M, включая более старые версии Claude Opus и Gemini 3.7 Flash. На странице моделей представлен полный список с возможностью сортировки.
Заявленные и измеренные значения
Большинство приведённых выше значений — это размер окна, заявленный разработчиком модели. Для Claude Opus 5.5 мы также провели измерение перед публикацией: на запрос размером 732,379 токенов модель ответила, приведя сведения из начала и конца промпта, а запрос размером более 1,000,000 токенов был отклонён из-за ограничения модели. Для остальных моделей протестируйте собственные данные, если планируете работать близко к пределу.
Как эффективно использовать длинное окно
- Размещайте вопрос после материалов. Сначала отправляйте документы, а инструкцию размещайте в конце, чтобы модель видела задачу, когда весь контекст уже загружен.
- Обозначайте границы. Заключайте каждый файл или документ в ясные разделители с его названием. Это помогает модели указывать, откуда взят ответ.
- Проверяйте оба конца. Оценивая модель на длинных входных данных, задайте вопрос о детали ближе к началу и о детали ближе к концу одного и того же промпта.
- Оставляйте место для ответа. Входные данные и вывод используют одно окно, поэтому промпт, полностью заполняющий его, не оставит места для ответа.
Стоимость: оплачивается каждый входной токен
Полный запрос размером 1M токенов оплачивается за каждый входной токен, поэтому длинный контекст — самый дорогой способ обратиться к модели. Сдержать расходы помогают две вещи:
- Кэширование промптов. Если вы задаёте несколько вопросов по одним и тем же материалам, оставляйте их неизменным префиксом. Кэшированные входные данные оплачиваются по доле от стандартной ставки для входных данных. См. руководство по кэшированию промптов.
- Выбирайте уровень модели под задачу. Для поиска и извлечения данных из большого объёма входных данных может быть достаточно flash-модели с окном 1M. Флагманские модели лучше использовать для рассуждений по всему материалу.
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": "Отвечайте только на основе предоставленных документов."},
{"role": "user", "content": corpus + "\n\nВопрос: в каких контрактах упоминается комиссия за расторжение?"},
],
)
print(resp.choices[0].message.content)Следующие шаги
Прочитайте статью о контексте 1M в Claude Opus 5.5, сравните модели на странице моделей или начните с документации.