Das Kontextfenster in Claude: Was zählt bei der Nutzung

Das Kontextfenster ist alles, auf das Claude bei der Generierung einer Antwort verweisen kann, einschließlich der Antwort selbst. Anthropic nennt es Arbeitsspeicher, im Gegensatz zum Trainingskorpus^[1].

Der wichtigste Punkt ist der Satz, den Anthropic direkt nach dieser Definition setzt: mehr Kontext ist nicht automatisch besser. Mit wachsender Tokenanzahl verschlechtern sich Genauigkeit und Rückruf – ein Phänomen, das die Dokumentation Context Rot nennt^[1]. Was du hineinlegst, ist genauso wichtig wie der verfügbare Platz.

TL;DR

1M Token bei aktuellen Modellen: Opus 5, Opus 4.8/4.7/4.6, Sonnet 5, Sonnet 4.6, Fable 5, Mythos 5. Andere wie Sonnet 4.5 haben 200k^[1].
1M ist der Standard. Kein Beta-Header nötig, und lange Anfragen werden zum Standardtarif berechnet^[1].
Auch die Ausgabe zählt, einschließlich erweitertes Denken, und max_tokens ist auf 128k bei 1M-Fenster-Modellen begrenzt^[1].
Alles in der Anfrage zählt: System-Prompt, jede Nachricht, Toolergebnisse, Bilder, Dokumente und Werkzeugdefinitionen^[1].
Neuere Modelle behalten vorherige Denkblöcke standardmäßig, sodass sie in späteren Durchläufen als Eingabe berechnet werden^[1].
Sonnet-Modelle erhalten ein injiziertes Live-Token-Budget; Opus und Fable nicht^[1].

Was wirklich zählt

Was ein Claude-Kontextfenster belegt: System-Prompt, Werkzeugdefinitionen, Nachrichten mit Toolergebnissen und Bildern, beibehaltene Denkblöcke, die als Eingabe wieder berechnet werden, und diese Durchlaufausgabe begrenzt auf 128k

Der häufigste Fehler ist, nur für das Gespräch zu budgetieren. Die vollständige Liste^[1]:

Der System-Prompt
Jede Nachricht in messages, einschließlich Toolergebnissen, Bildern und Dokumenten
Deine Werkzeugdefinitionen
Die Ausgabe, die Claude diesmal generiert, einschließlich seines erweiterten Denkens

Jede Antwort zeigt, was die Anfrage verbraucht hat, in ihrem usage-Feld. Mit Prompt-Caching wird die Eingabezahl auf input_tokens, cache_read_input_tokens und cache_creation_input_tokens aufgeteilt, und alle drei zählen zum Fenster^[1]. Gecacht bedeutet nicht kostenlos für das Fenster; es bedeutet günstiger pro Token.

Um eine Anfrage vor dem Versenden zu dimensionieren, verwende die Token-Zähl-API statt zu schätzen.

Größen und was 1M wirklich kostet

Modelle	Kontextfenster
Opus 5, Opus 4.8, Opus 4.7, Opus 4.6	1M
Sonnet 5, Sonnet 4.6	1M
Fable 5, Mythos 5	1M
Sonnet 4.5 und andere frühere Modelle	200k

Zwei Details, die dir Geld und Verwirrung ersparen^[1]:

1M ist der Standard bei diesen Modellen. Es gibt keinen Beta-Header zum Versenden, und eine 900k-Token-Anfrage wird zum gleichen Pro-Token-Satz berechnet wie eine 9k-Anfrage. Es gibt keinen Langkontext-Aufschlag.

Maximale Ausgabe ist 128k bei jedem 1M-Fenster-Modell, unabhängig davon, wie viel Eingabeplatz verbleibt.

Eine einzelne Anfrage kann bis zu 600 Bilder oder PDF-Seiten enthalten (100 bei 200k-Fenster-Modellen), und große Payloads können Anfragegrößenlimits erreichen, bevor sie das Token-Limit erreichen^[1].

Denken ändert die Rechnung

Denk-Token sind eine Untermenge von max_tokens, werden als Ausgabe berechnet und zählen zu Rate-Limits. Mit adaptivem Denken variiert die Zuordnung pro Anfrage, sodass die Nutzung nicht allein aus der Prompt-Länge vorhersehbar ist^[1].

Das Verhalten, das Leute überrascht, ist das, was mit vorherigen Denkblöcken passiert.

Bei Opus 4.5 und später, Sonnet 4.6 und später, Fable 5 und Mythos 5 behält die API vorherige Denkblöcke standardmäßig, und sie zählen wie jede andere Eingabe-Token zum Fenster. Sie wurden einmal als Ausgabe berechnet, als sie generiert wurden, und die behaltenen Blöcke werden dann in jeder späteren Anfrage, die sie enthält, als Eingabe berechnet^[1].

Bei früheren Opus- und Sonnet-Modellen und allen Haiku-Modellen entfernt die API sie automatisch, wenn du sie zurückübermittelst.

Wenn ein langes Agenten-Gespräch den Kontext schneller verbraucht als das sichtbare Transkript erklärt, ist beibehaltenes Denken normalerweise der Grund. Das Löschen von Denkblöcken überschreibt den Standard in beide Richtungen.

Kontextbewusstsein: Einige Modelle wissen es, andere nicht

Dies ist die Aufteilung, die die meisten Menschen nicht kennen^[1].

Sonnet 5, Sonnet 4.6, Sonnet 4.5 und Haiku 4.5 verfolgen ihr verbleibendes Budget. Die API injiziert das Gesamtbudget in den System-Prompt jeder Anfrage:

<budget:token_budget>200000</budget:token_budget>

und aktualisiert es nach jedem Tool-Aufruf:

<system_warning>Token usage: 35000/200000; 165000 remaining</system_warning>

Dies ist automatisch. Du sendest diese Tags selbst nie, und Bild-Token sind in den Zählungen enthalten.

Opus 4.7 und später, Fable 5 und Mythos 5 erhalten diese Tags nicht. Gib für diese dem Modell ein explizites Budget mit Task-Budgets, derzeit in Beta.

Die praktische Konsequenz: Ein Sonnet-Modell kann eine lange Aufgabe gegen den verbleibenden Platz ausrichten, während ein Opus-Modell dies nicht kann, wenn du es nicht sagst. Das ist ein echtes Verhaltensunterschied zwischen Tiers, der nichts mit Leistungswerten zu tun hat.

Wenn Gespräche größer als das Fenster werden

Zwei serverseitige Mechanismen, beide worth knowing, bevor du deine eigene Verkürzung baust^[1].

Komprimierung fasst automatisch frühere Gesprächsteile auf dem Server zusammen, damit es über die Grenze hinausgehen kann. Beta, bei Claude 4.6 und später.

Kontextbearbeitung bietet gezielere Strategien, einschließlich Löschen alter Toolergebnisse in Agenten-Workflows, was normalerweise dort ist, wo die meisten Token eines langen Gesprächs tatsächlich leben.

Eine dieser Optionen zu verwenden ist besser als eine selbstgebaute "Drop the oldest messages"-Schleife, die dazu neigt, den System-Level-Kontext zu verwerfen, der das Gespräch kohärent macht.

Damit arbeiten

Kuratieren, nicht füllen. Context Rot ist dokumentiertes Verhalten, keine Gerüchte. Ein 900k-Token-Prompt ist nicht automatisch besser als ein gut gewählter 90k-Prompt.

Werkzeugdefinitionen zählen. Sie sind in jeder Anfrage, und ein großes Toolschema ist eine Fixgebühr in jeder Runde.

Achte auf beibehaltenes Denken bei neueren Modellen während langer Agenten-Durchläufe.

Wähle den Tier mit dem Verhalten, das du brauchst. Wenn ein Modell sich selbst über eine lange Aufgabe ausrichten muss, macht Sonnets injiziertes Budget das nativ.

from openai import OpenAI

client = OpenAI(api_key="YOUR_REAPI_KEY", base_url="https://api.reapi.ai/v1")

resp = client.chat.completions.create(
    model="claude-opus-5",
    messages=[{"role": "user", "content": "Read this repository and summarize the architecture."}],
    max_tokens=16000,
)
print(resp.usage)   # the number to reconcile against

Tarife für die 1M-Fenster-Modelle sind auf reapi.ai/models.

FAQ

Was ist das Kontextfenster in Claude?

Der ganze Text, den das Modell referenzieren kann, während es eine Antwort generiert, einschließlich der Antwort selbst. Es ist Arbeitsspeicher, keine Trainingsdaten^[1].

Wie groß ist Claudes Kontextfenster?

1M Token bei Opus 5, Opus 4.8/4.7/4.6, Sonnet 5, Sonnet 4.6, Fable 5 und Mythos 5. Frühere Modelle einschließlich Sonnet 4.5 haben 200k^[1].

Kostet es extra, das vollständige 1M-Fenster zu nutzen?

Nein. Bei Modellen mit 1M-Fenster ist 1M der Standard, und Anfragen werden zum Standardtarif ohne Langkontext-Aufschlag berechnet^[1].

Was zählt zum Kontextfenster?

System-Prompt, alle Nachrichten einschließlich Toolergebnissen, Bildern und Dokumenten, Werkzeugdefinitionen und die Ausgabe einschließlich erweitertes Denken. Gecachte Eingaben zählen auch^[1].

Warum füllt sich mein Kontext schneller als das Gespräch erklärt?

Bei neueren Modellen behält die API vorherige Denkblöcke standardmäßig, und sie zählen als Eingabe in späteren Durchläufen^[1].

Ist mehr Kontext immer besser?

Nein. Anthropic dokumentiert, dass Genauigkeit und Rückruf mit wachsender Tokenanzahl degenerieren – ein Phänomen namens Context Rot^[1].

Wie viele Bilder kann eine Anfrage enthalten?

Bis zu 600 Bilder oder PDF-Seiten bei 1M-Fenster-Modellen, 100 bei 200k-Fenster-Modellen, abhängig von Anfragegrößenlimits^[1].

Was passiert, wenn ein Gespräch das Fenster überschreitet?

Verwende serverseitige Komprimierung, die frühere Durchläufe zusammenfasst, sodass das Gespräch fortgesetzt wird, oder Kontextbearbeitung, um alte Toolergebnisse zu löschen^[1].

Das Fenster budgetieren statt es zu füllen

Die Zahl, die alle über das Kontextfenster in Claude zitieren, ist 1M, und es ist das am wenigsten interessante Faktum darüber. Was entscheidet, ob eine Langkontext-Integration funktioniert, ist die Bilanzierung: Werkzeugdefinitionen, die in jeder Runde mitgehen, beibehaltene Denkblöcke, die als Eingabe berechnet werden, gecachte Token, die noch immer Platz verbrauchen, und Ausgabe, die sich das gleiche Budget mit Eingabe teilt.

Anthropics eigener Rahmen ist der richtige, den man annehmen sollte. Das Fenster ist Arbeitsspeicher, mehr davon ist nicht automatisch besser, und was du darin legst, zählt mehr als wie viel Platz übrig ist.

Referenzen

Anthropic. Context windows — sizes by model, what counts, thinking behavior, context awareness, compaction, and overflow. Retrieved July 2026 from docs.claude.com/en/docs/build-with-claude/context-windows