AIのコンテキストとは——1Mトークン時代の「読めるけど読めない」現実

2023年に 32Kトークン で「広い」と言われたコンテキストウィンドウは、2026年5月時点で 100万トークン（1M） が業界標準になった。Claude Opus 4.7、Claude Sonnet 4.6、GPT-5.5、Gemini 3.1 Pro、DeepSeek V4-Pro——フロンティアの主要モデルが全部 1M 対応。Gemini 3.1 Ultra は 2M に到達した。

「100万トークン」とは、日本語で 新書 8〜10冊分、ソースコードなら 数万行。1セッションでこれだけ「視界に入れていられる」時代になった。だが、その容器を本当に最後まで使い切れているモデルは——実は1つだけだ。独立ベンチマーク（多針 NIAH、後述）で 1M 全域を保てるのは Gemini 3 Deep Think モードのみ。他のモデルは 200〜400K あたりから精度が崩れる、というのが2026年の正直な現場感覚だ。

私の率直な評価を先に書く: 容器の大きさだけ見て選ぶ時代は終わった。重要なのは「実効コンテキスト × コスト × 戦略性」の3点で、ここで Anthropic が 1Mフラット価格という独自の手を打ったのが今年の注目点だ。本記事では、コンテキストとは何かの定義から、主要モデル比較、なぜ大きいだけでは不十分なのか、コスト構造の違い、そして個人〜小規模チームが今日から効かせられる節約5手まで、独立ベンチの実数値を交えて整理する。

1. 1M対応モデルが5つ並んだ年——でも「全部読めている」のは1つだけ

2026年4月、OpenAI が GPT-5.5 を発表した瞬間、Web 上では「ついに OpenAI も 1M」と歓声が上がった。同じ月、Google は Gemini 3.1 Ultra で 2M を解禁。Anthropic は前年から Claude Opus 4.6 で 1M フラット価格を導入済、4.7 ではそれを継続強化した。DeepSeek の V4-Pro も 1M。フロンティアモデル5社が、揃って「100万トークン以上」と書ける状態になった。

これは大事件のはずだった。2023年に 32K で「広い」と感動していた頃から、わずか3年で 30倍以上。容器の大きさ競争はゴールに見えた。

ところが、独立評価機関の Digital Applied と Zylos Research が2026年に行った 多針 Needle-in-a-Haystack（NIAH）テスト——「長文の中に複数の事実を埋め込み、AI に全部正しく取り出させる」測定——では、こんな結果が出た。

• Gemini 3 Deep Think: 1M 全域で公称通りの精度を維持
• Claude Opus 4.7 / GPT-5.5 / DeepSeek V4-Pro: 200〜400K あたりから精度が下がり始める

つまり「1M対応」と謳っていても、本番ワークロード相当の条件で 1M を使い切れるのは1モデルだけ。他のフロンティアモデルでも、複数の情報を統合させようとすると 200〜400K で疲れが見え始める。これが2026年の現実だ。

誤解しないでほしい。これは「Claude や GPT がダメ」という話ではない。1Mを完全に使い切る用途は、実はそれほど多くない。300K（≒新書2〜3冊分）まで安定して読めれば、ほとんどのコーディング・リサーチ・要約タスクは完結する。問題は「1M対応」という数字だけ見て選ぶと、判断軸を見誤ることだ。

2. コンテキストとは何か——容器と中身を分けて理解する

用語を整理しておく。コンテキスト周辺で 3つの言葉が混ざりがちだ。

もうひとつ、「コンテキスト」と「メモリ」を混同しないこと。コンテキストはそのセッション内のみで、チャットを閉じれば消える。一方、ChatGPT Memory や Claude Memory のような セッションを跨いで覚える機能は別物だ。メモリの中身も最終的にはコンテキストへ注入されるが、ユーザーから見れば 永続的な記憶 vs 一時的な作業領域という違いがある。

3. 主要モデル一覧——2026年5月、容器のサイズ

定義がはっきりしたところで、各社の現行モデルが提示している「容器のサイズ」を並べる。すべて公式仕様（2026年5月時点）から。

表だけ見ると「Gemini Ultra が最強、以上」で終わりそうだが、ここで 1つ太字にしておきたい事実がある。Anthropic は Opus 4.6 / 4.7 と Sonnet 4.6 で「1M をフラット価格で提供」している点だ。OpenAI が GPT-5.5 で 272Kトークンを超えると入力単価を2倍にするのと対照的だ。これは単なる料金設計ではなく、「長文ワークロードをどう扱うか」の戦略的な違いを表している。詳細はコスト章で後述する。

個人的には、Claude Opus 4.7 を 長文系の主力にしている。理由は3つ——フラット価格、200K帯までの精度の安定、Anthropic のドキュメント品質。ただ300K を超えるような巨大文書では Gemini 3 Deep Think を選ぶ。用途で使い分けるのが2026年の正解だ。

4. 「大きいほど良い」が成立しない3つの理由

前章のスペック表は容器の物理的サイズを示しただけだ。では、宣言された容器を本当に使い切れているのか。結論から書くと、Gemini 3 Deep Think 以外は厳しい。理由は3つある。

理由①: Lost in the Middle（真ん中で迷子）

2023年に Stanford 大が発見し、以後どの世代のモデルでも繰り返し再現されている現象だ。AIは入力の 冒頭と末尾を強く重視し、中央部分（30〜70%の位置）を軽く扱う。100Kトークンの中盤に置いた重要情報は、冒頭・末尾に置いたときより 5〜15ポイント低い精度でしか取り出されない。

体感としては、「長いPDFを丸ごと貼って『○○の数字は？』と聞くと、ちょうど真ん中あたりの数字を取り違える」。これがLost in the Middleだ。Stanford の最初の論文（2023）以来3年、フロンティアモデルでも完全には解消されていない。

理由②: Context Rot（文脈の腐敗）

会話を続けるほど、初期に出した指示が薄まっていく現象。「敬語で答えて」と冒頭で指定したのに、20往復後にはタメ口に戻っている——あれがContext Rotだ。

原因は2つ。① 初期指示が会話履歴の中で相対的に古く・軽く扱われる。② 長くなった履歴のせいでアテンションが分散し、特定のトークンを参照しにくくなる。Anthropic は2026年に 「コンテキストエンジニアリング」という概念で、この問題への対処を意識的なスキルとして取り組み始めている。

理由③: 公称コンテキスト ≠ 実効コンテキスト

2026年の最新ベンチ（多針NIAH、本番ワークロード相当）では、こうなっている。

「Claude Opus 4.7 がダメ」ではない点を改めて強調する。200〜400Kでも新書2〜3冊分に相当する。ほとんどの実務（コードレビュー、長文記事執筆、議事録要約、リサーチ統合）はこの範囲で完結する。問題なのは「1Mあるんだから1M投げ込めばいいでしょ」という使い方で、それは Gemini Deep Think 以外ではうまくいかない、ということだ。

5. コストの罠——OpenAI は272K超で2倍、Anthropic はフラット

前章で「実効では200〜400K」と書いた。そこにもう1つ重なる罠が「長文を投げると課金が跳ねる」。これは Anthropic と OpenAI で対極的な戦略が出ている。

具体的に試算する。500Kトークンの文書を投げて50Kの応答を1回もらうケース——大型コードベース全体や年次レポートを一気に要約する典型ケース。

• Claude Opus 4.7: $5.00 × 0.5 + $25.00 × 0.05 = $3.75
• GPT-5.5（272K超でサーチャージ適用）: $10.00 × 0.5 + $45.00 × 0.05 = $7.25

1回あたり $3.50 の差。1日100回叩くと月 $10,500 のずれ。エージェントを動かし続けるチームには月数十万円のオーダーで効く。「AIのトークン・セッションコスト節約」でも触れた構造だ。

6. 節約の5手——個人開発者がすぐ効く順

「容器は1Mあるが実効は300K、しかも長く使うと金がかかる」——ここまでで分かった。では現場でできる対策は何か。私が日常的に使っていて効果が大きい順に5つ並べる。

個人的なベストプラクティスは 「①と②を徹底するだけで体感の精度が大きく変わる」こと。Claude Code を使うときも、長い1セッションで続けるよりも、論点が変わるたびに /compact や新規セッションでリセットする方が、最終的なアウトプットの質が安定する。

まとめ

本記事のポイントを整理する。

• コンテキストウィンドウ = 1回のやり取りでAIが扱える最大トークン数。容器のサイズ
• 2026年5月時点、Claude Opus 4.7 / Sonnet 4.6 / GPT-5.5 / Gemini 3.1 Pro / DeepSeek V4-Pro が 1M 対応、Gemini 3.1 Ultra は 2M
• 独立ベンチ（多針NIAH）では Gemini 3 Deep Think だけが 1M 全域を保持、他は 200〜400K で精度が落ち始める
• コストは Anthropic はフラット、OpenAI は272K超でサーチャージ。戦略の差が明確
• 節約は 「セッションを切る・抜粋・末尾再掲・キャッシュ・アドレス明示」の5手、特に①②が効く

容器が大きくなったのに、結局やっていることは 「何を渡し、何を渡さないか」の取捨選択だ。2026年のAI活用スキルは、もはや「全部詰める力」ではない。必要なものだけを正しく渡し切る判断力こそが、長く使えるスキルになる——というのが、1年で5モデルが1Mを宣言した今年の、私の結論だ。

FAQ