Ventana de contexto
Cantidad máxima de información (texto, medida en tokens) que Claude puede procesar de una sola vez, sumando tu prompt, los documentos adjuntos, el historial de conversación y la respuesta que genera.
La ventana de contexto es el límite de información que Claude puede tener "en mente" durante una interacción. Se mide en tokens e incluye todo: las instrucciones del sistema, tu pregunta, los archivos que adjuntas, el historial previo de la conversación y la propia respuesta que el modelo produce. Cuando se llena, el modelo ya no puede considerar más datos sin que algo quede fuera.
Cómo funciona
Los modelos de lenguaje no leen caracteres ni palabras, sino tokens: fragmentos de texto que en español equivalen aproximadamente a 3 o 4 caracteres. Una regla práctica es que 1.000 tokens rondan las 750 palabras. La ventana de contexto define cuántos de esos tokens pueden coexistir en una sola pasada.
Los modelos Claude 3 y posteriores ofrecen una ventana de 200.000 tokens (unas 150.000 palabras, el equivalente a un libro largo). Anthropic ha habilitado ventanas ampliadas de hasta 1 millón de tokens en configuraciones específicas de la API para ciertos modelos, aunque la disponibilidad depende del plan y del modelo concreto.
Es clave entender que la ventana es un presupuesto compartido entre entrada y salida. Si envías un documento de 190.000 tokens, apenas quedará margen para que Claude genere una respuesta extensa. Cuando una conversación larga se acerca al límite, la información más antigua deja de influir o debe truncarse.
Por qué importa
Para quien construye con Claude, la ventana de contexto determina qué es posible en un solo turno. Con 200.000 tokens puedes:
- Analizar contratos, informes o bases de código completas sin trocearlos.
- Mantener conversaciones largas donde Claude recuerda todo lo dicho.
- Cargar decenas de documentos como contexto para preguntas cruzadas.
También tiene implicaciones de coste: en la API pagas por token de entrada y de salida, así que llenar la ventana con contexto innecesario encarece cada llamada. Un contexto grande además puede aumentar la latencia. Aprender a gestionarlo es una de las primeras habilidades que se trabajan en nuestra formación para empezar con Claude, donde se practica cómo estructurar prompts eficientes.
Ejemplo práctico y equivalencias
Con 200.000 tokens de contexto puedes pegar el texto completo de una novela de tamaño medio y hacer preguntas sobre su trama. Comparado con modelos de 4.000 u 8.000 tokens de generaciones anteriores, la diferencia es abismal: pasas de manejar unas pocas páginas a un archivo entero.
Un cálculo aproximado para planificar:
- Un correo largo: 500 a 1.000 tokens.
- Un artículo de blog: 2.000 a 4.000 tokens.
- Un informe de 50 páginas: unos 25.000 tokens.
- Una base de código mediana: 50.000 a 150.000 tokens.
Errores comunes
El primero es confundir ventana de contexto con memoria persistente. Claude no recuerda nada entre conversaciones distintas: cada sesión parte de cero salvo que tú reenvíes el contexto. La ventana solo vive durante la interacción actual.
El segundo error es asumir que un contexto enorme garantiza atención perfecta a cada detalle. Aunque los modelos Claude rinden muy bien en pruebas de recuperación tipo "needle in a haystack", situar la instrucción crítica en medio de 190.000 tokens de ruido puede degradar la precisión. Conviene colocar lo importante al principio o al final y ser explícito.
El tercero es olvidar que la respuesta consume espacio: si pides una salida muy larga con un contexto ya casi lleno, Claude puede cortarse antes de terminar. Reserva siempre presupuesto para la generación.
Preguntas frecuentes
¿Cuántos tokens tiene la ventana de contexto de Claude?
Los modelos Claude 3 y posteriores ofrecen 200.000 tokens de forma estándar, equivalentes a unas 150.000 palabras. Existen configuraciones ampliadas de hasta 1 millón de tokens en la API según el modelo y el plan.
¿La ventana de contexto es lo mismo que la memoria de Claude?
No. La ventana de contexto solo dura la conversación actual. Claude no recuerda nada de una sesión a otra a menos que tú vuelvas a incluir esa información en el nuevo prompt.
¿Qué pasa cuando se llena la ventana de contexto?
El modelo deja de poder incorporar más información. En conversaciones largas, los mensajes más antiguos se truncan o dejan de influir, y puede quedar poco espacio para generar respuestas extensas.
¿Un contexto más grande siempre da mejores respuestas?
No necesariamente. Un contexto lleno de información irrelevante aumenta coste y latencia y puede diluir la atención del modelo. Es mejor incluir solo lo pertinente y situar lo crítico al principio o al final.