Модели с контекстом 1 млн токенов: что выбрать

Окно контекста — это сколько токенов модель принимает в одном запросе: инструкция, история диалога, документы и файлы вместе. Модели с окном около миллиона токенов позволяют отправить целиком большую часть кодовой базы, пакет договоров или длинную историю работы агента — без нарезки на куски. Ниже — все такие модели из каталога PlusVibe, их характеристики и живые цены.

Какие модели принимают 1 млн токенов

Значения взяты из карточек моделей в каталоге на 25 сентября 2026 года — это те же цифры, что показывают страницы моделей.

Все модели из таблицы поддерживают вызов инструментов (tool calling), поэтому подходят и для агентов, а не только для разовых запросов.

Сколько это стоит

Вы платите за фактически переданные и полученные токены, а не за размер окна: короткий вопрос к модели с окном в миллион стоит как короткий вопрос. Но если вы действительно отправляете сотни тысяч токенов, цена входа становится главной статьёй расходов. Живые цены основных вариантов, в рублях за 1 млн токенов:

Пример расчёта: запрос с 500 000 входных токенов и 4 000 выходных стоит 0,5 × цена входа + 0,004 × цена выхода. На длинном вводе разница в цене входа между строками таблицы превращается в заметную сумму на каждом запросе.

Как не переплачивать за длинный контекст

Кешируйте то, что повторяется

Если один и тот же большой документ или репозиторий уходит в каждом запросе, поставьте его в начало промпта и не меняйте между вызовами. Тогда при повторе он читается из кэша — у большинства моделей из таблицы по сниженной цене. Как это работает у разных моделей — в статье «Кэширование промптов» и в документации.

Не отправляйте всё, если нужен ответ по фрагменту

Большое окно не отменяет поиска по документам. Если база знаний большая и вопросы к ней частые, дешевле найти нужные фрагменты через эмбеддинги и отправить модели только их. Модели для векторного поиска описаны в разделе «Эмбеддинги».

Следите за фактическим числом токенов

Сколько токенов занял ваш текст, зависит от языка и токенизатора конкретной модели — один и тот же документ у разных моделей весит по-разному. Точное число возвращается в поле usage.prompt_tokens каждого ответа, а сумма списания — в истории использования (GET /v1/generations).

Окно может зависеть от канала

У модели в каталоге может быть несколько каналов, и размер окна у них иногда различается. Например, у Claude Fable 5.1 канал по умолчанию принимает до 900 000 токенов, а часть других каналов — до 1 000 000. Если ваша задача упирается в предел окна, проверьте значение для конкретного канала на странице модели и, если нужно, выберите канал явно через суффикс в имени модели. Как устроен выбор канала — в разделе «Маршрутизация и лимиты».

Отдельно смотрите на максимальный ответ: окно контекста ограничивает вход и выход вместе, а максимальный ответ — только выход. Для генерации длинного кода или отчёта важна именно вторая цифра: у DeepSeek V4.1 Flash она самая большая в таблице.

Как выбрать

• Дешёвый разбор больших документов — DeepSeek V4.1 Flash, GLM-5.2, Gemini 3.8 Flash. Для сканов и скриншотов нужна модель с поддержкой изображений: из этих трёх — DeepSeek V4.1 Flash и Gemini 3.8 Flash.
• Работа с большим репозиторием в агенте — GPT-5.6 Sol, Claude Sonnet 5, Claude Opus 5.5, GLM-5.3. Разбор Opus 5.5 — в статье «Claude Opus 5.5 в России».
• Длинный ввод и длинный ответ одновременно — смотрите на колонку максимального ответа.

Качество ответа на длинном контексте у разных моделей разное, и заранее его не угадать: проверьте две-три модели на своём документе. Все модели доступны по одному ключу через OpenAI-совместимый API, поэтому сравнение — это смена поля model. Полный список моделей с ценами — в каталоге, а рейтинг по цене — в статье «Самые дешёвые LLM API в рублях».