Context window là gì? Cửa sổ ngữ cảnh của Claude, GPT, Grok và vì sao nó quyết định chi phí

Context window là gì?

Context window, hay cửa sổ ngữ cảnh, là lượng token tối đa mà một model đọc được trong một lần gọi. Mọi thứ model cần để trả lời phải nằm trong cửa sổ này: hướng dẫn hệ thống, câu hỏi của bạn, lịch sử trò chuyện, nội dung file và kết quả của công cụ. Phần câu trả lời model viết ra cũng có giới hạn riêng, gọi là số token output tối đa.

Model không nhớ gì giữa các lần gọi. Cảm giác “nó nhớ cuộc trò chuyện” có được là vì ứng dụng gửi lại lịch sử vào ngữ cảnh ở mỗi lượt. Token là gì và quy ra chữ tiếng Việt thế nào có ở bài 1 triệu token là bao nhiêu chữ.

Cái gì chiếm chỗ trong ngữ cảnh?

Theo tài liệu Claude Code, cửa sổ ngữ cảnh của một phiên chứa lịch sử trò chuyện, nội dung file đã đọc, output của lệnh, file CLAUDE.md, bộ nhớ tự động, skill đã nạp và hướng dẫn hệ thống. Với coding agent, phần lớn chỗ thường bị chiếm bởi những thứ bạn không gõ:

• Output dài của lệnh, như log build, kết quả chạy test hay nội dung một file lớn.
• File hướng dẫn nạp ở đầu mỗi phiên như CLAUDE.md, AGENTS.md.
• Công cụ MCP: Claude Code mặc định chỉ đưa tên công cụ và hướng dẫn của server vào ngữ cảnh, phần mô tả đầy đủ nạp khi dùng tới.

Ngữ cảnh của các model hiện nay lớn cỡ nào?

Một vài con số tại ngày cập nhật bài (25/10/2026):

• Claude Fable 5.1, Opus 5.5, Sonnet 5.5 và Haiku 5.5: 1 triệu token, output tối đa 128.000 token qua API. Trên ứng dụng Claude, các model khác có ngữ cảnh 200.000 token.
• Các model GPT trong danh mục STEYG Code: khoảng 1 triệu token, nhưng request có tổng input trên 272.000 token tính đơn giá cao hơn; xem bài API GPT-6.
• Grok 4.7: 500.000 token theo trang Models của xAI.
• Ngữ cảnh của một model có thể khác nhau giữa ứng dụng chat, API và từng nhà cung cấp; con số đúng là con số trên tài liệu của nơi bạn đang gọi.

Khi ngữ cảnh đầy thì sao?

Gọi API thẳng mà vượt cửa sổ ngữ cảnh thì request bị từ chối. Các coding agent tự xử lý trước khi chạm trần:

• Claude Code tự dọn khi gần đầy: xoá output công cụ cũ trước, rồi tóm tắt cuộc trò chuyện nếu cần. Yêu cầu của bạn và đoạn code quan trọng được giữ, nhưng hướng dẫn chi tiết từ đầu phiên có thể mất; quy tắc lâu dài nên ghi vào CLAUDE.md.
• Muốn chủ động, dùng /compact kèm lời dặn giữ gì, ví dụ /compact giữ phần thay đổi API, hoặc thêm mục “Compact Instructions” vào CLAUDE.md. Lệnh /context vẽ phần ngữ cảnh đang dùng thành lưới màu và gợi ý chỗ nên cắt.
• Codex cũng tự tóm tắt khi phiên dài; /compact thay các lượt cũ bằng bản tóm tắt ngắn, còn /status cho biết ngữ cảnh còn lại bao nhiêu.
• Subagent làm việc trong ngữ cảnh riêng và chỉ gửi bản tóm tắt về phiên chính, nên hợp với việc đọc nhiều file hay chạy test dài.

Vì sao ngữ cảnh dài làm tốn tiền?

Mỗi lượt gọi model tính tiền theo toàn bộ token input của lượt đó, mà input gồm cả ngữ cảnh gửi lại. Một câu hỏi một dòng trong phiên đã chạy cả buổi vẫn kéo theo cả lịch sử, nên tốn hơn nhiều so với cùng câu hỏi ở phiên mới. Prompt caching giảm đơn giá cho phần ngữ cảnh lặp lại, nhưng cache có thời gian sống: nghỉ lâu rồi quay lại thì lượt kế tiếp tính lại theo giá input thường.

Ngữ cảnh 1 triệu token cho phép đọc cả kho mã hay tài liệu dài trong một lần, nhưng không có nghĩa nên lấp đầy nó. Cách giữ ngữ cảnh gọn có ở bài tiết kiệm token khi dùng Claude Code và Codex; kho tài liệu lớn hơn cả cửa sổ ngữ cảnh thì dùng RAG để chỉ gửi các đoạn liên quan.

Ngữ cảnh không phải là bộ nhớ

Mỗi phiên Claude Code mới bắt đầu với một cửa sổ ngữ cảnh mới, không mang lịch sử trò chuyện của phiên trước. Thứ được giữ qua các phiên là file hướng dẫn như CLAUDE.md, AGENTS.md và bộ nhớ tự động, và chính những thứ đó lại được nạp vào ngữ cảnh ở đầu phiên. Vì vậy file hướng dẫn nên ngắn, chỉ ghi điều agent cần biết ở mọi lượt.

Câu hỏi thường gặp