AIが一度に読める量には限りがある｜トークンと文脈を初心者向けに

先週の打ち合わせの議事録を、まるごと貼り付けたときのことです。前半の要約はきれいに出たのに、後半に入ったとたん答えが急に雑になった。固有名詞が抜け、決まったはずの期日が落ち、最後には最初に伝えた前提まで見失っている。故障ではありません。AIには一度に読める量の上限があり、この枠をコンテキストウィンドウ（context window）と呼びます。

この上限は、隠れた仕様ではありません。ChatGPTの料金ページには、プランごとの数字が脚注つきで載っています。その脚注には、見落とされがちな一文があります。入力に使える領域は、コンテキストウィンドウ全体よりも小さい。システム指示やメモリ、内部処理にも場所が要るからです。

ここから、トークンとコンテキストウィンドウという2つの言葉を、初心者の方がそのまま業務の判断に使える形まで持っていきます。根拠は3社の公式ドキュメントだけを使い、2026年8月23日時点の公開情報として整理しました。公式に書かれていないことは「書かれていない」と書きます。とくに「日本語1文字が何トークンか」は、3社のどこにも書かれていません。

トークンとは何か｜AIは文章を割ってから読む

AIは、打ち込んだ文章をそのまま受け取っているわけではありません。読む前に、細かい断片へ割っています。この断片がトークンです。OpenAIの公式ヘルプは、こう説明しています。

トークンは、OpenAI モデルが処理するテキストの構成単位です。言語や文脈によって、1 文字ほど短い場合もあれば、単語全体ほど長い場合もあります。スペース、句読点、単語の一部もすべてトークン数に含まれます。

大事なのは後半の2文です。1トークンの長さは一定ではなく、スペースや句読点まで数に入る。つまり、文字数を数えてもトークン数は分かりません。同じヘルプページには、同じ3文字の英単語が置かれた位置によって別のトークンになるという具体例も示されています。

トークンには4つの種類がある

OpenAIの公式ヘルプは、トークンを4つに分けて説明しています。リクエストに入っている入力トークン、応答で生成された出力トークン、会話履歴から再利用されたキャッシュ済みトークン（通常は割引料金が適用されます）、そして一部の高度なモデルが最終出力の生成前に内部で追加する「思考ステップ」である推論トークンです。

4つ目が、感覚とのずれを生みます。同じヘルプには「目に見える応答の長さだけでは、全体像を把握できません」という一文があり、応答が長くてもトークン使用量が多いとは限らないと説明されています。返ってきた文章の長さは、いわば伝票の一部しか見えていない状態です。

コンテキストウィンドウ（context window）は「作業机の広さ」

次は、その入れ物です。Anthropicの公式ドキュメントは、コンテキストウィンドウを次のように定義しています。応答を生成するときに言語モデルが参照できるすべてのテキストのことであり、そこには応答そのものも含まれる。学習に使った膨大なデータとは別のもので、モデルにとっての「working memory（作業記憶）」に当たる、と。

この作業記憶を日常のものに置き換えるなら作業机の広さです。机が広ければ、資料を何冊も広げたまま作業できます。狭ければ、新しい資料を置くために古い資料をどけることになり、どけた中身はもう手元にありません。AIが会話の前半を取りこぼすように見えるのは、能力の問題ではなく、机の上から下ろされたからです。

ここで、初心者の方がいちばん誤解しやすい点に入ります。その机は、あなただけのものではありません。Anthropicの同じページには、リクエストに含まれるすべて、つまりシステムプロンプト、messages内のすべてのメッセージ（ツールの実行結果・画像・文書を含む）、ツールの定義が枠に数えられ、さらにその回の出力も数えられると書かれています。

そして、この記事でいちばん紹介したい一文が、ChatGPTの料金ページの脚注にあります。

ChatGPT は、リクエストを理解し、会話を追跡し、関連情報を取得し、応答を生成するために、共有コンテキストウィンドウを管理しています。ユーザーが入力に使用できる領域は、コンテキストウィンドウ全体よりも小さくなっています。これは、システム指示（ツールやパーソナリティを含む）、メモリ（有効な場合）、および内部処理（情報の確認、推論、応答生成）にも領域が使用されるためです。

脚注はさらに、ユーザー入力用として表示される容量は目安であり、使用中の機能やメモリの内容に応じて動的に変化する場合がある、と続きます。つまり公式が「机の広さ＝あなたが使える広さ、ではない」と明言しているわけです。会議室にたとえるなら、定員20名の部屋でも、司会と記録係と機材が先に席を取っている状態に相当します。

この図が、冒頭の議事録の話の答えになります。長い議事録を貼った時点で机はほぼ埋まり、答えを組み立てる場所がわずかしか残らない。だから後半の要約が痩せていきます。議事録や文字起こしをAIで回す設計で「全文をそのまま投げない」という手順が出てくるのも、この制約が前提にあるためです。

いま、どれくらい読めるのか

数字を見ていきます。注意が要るのは、アプリを使うときの上限と、開発者がAPIを通して使うときの上限が、別の数字だという点です。ネット上の解説が食い違って見えるのは、この2つが混ざっているためでもあります。まず、アプリ側から見ます。

ChatGPTアプリのプラン別の上限

ChatGPTの料金ページには、プラン比較表の中にコンテキストウィンドウの上限と入力の上限が並んでいます。ページ数の表記は公式のもので、こちらで換算したものではありません。

2026年8月23日時点の公開情報（ChatGPT 料金ページ日本語版の記載）にもとづきます。ページ数は公式表記の引用で、文字数への換算は行っていません。無料版の推論側は公式表記が「場合によって異なります」であり、数値は公開されていません。

無料版の「約12ページ分」が、この記事でいちばん持ち帰っていただきたい実数です。100万トークンという桁の話を聞いたあとでこれを見ると、ずいぶん違って感じられるはずです。少し長めの議事録や、契約書1本でだいたい使い切る量に相当します。

API側で公表されている数字

参考として並べますが、先に但し書きを1つ置きます。OpenAIの公式ヘルプは「トークンは、AI モデルやプロバイダー間で標準化されていません」と明記しています。物差しが各社で違う以上、この表の数字を並べて大小を競わせることはできません。

2026年8月23日時点の公開情報（各社の開発者向けドキュメントの記載）にもとづきます。いずれもAPIの数字で、ClaudeやGeminiのチャットアプリ側の上限は公式の記載を確認できませんでした。表記は公式のままで丸めていません（OpenAIは「1M」ではなく「1.05M」と記載）。

なお、1回のリクエストに含められる画像やPDFのページ数にも上限があります。Anthropicによれば、100万トークンのモデルで600ページ、20万トークンのモデルで100ページです。添付にすれば枠の外に置ける、というわけではありません。

「日本語◯文字＝1トークン」は公式のどこにもない

「日本語は1文字あたり約◯トークン」という数字を、どこかで見た方は多いと思います。今回、OpenAI・Anthropic・Googleの公式ページを開いて確認したところ、3社とも日本語についての換算値を示していませんでした。

OpenAIのヘルプには「1 トークン ≈ 4 文字」「100 トークン ≈ 75 単語」といった一覧が確かにあります。ただし、それが置かれているのは「英語における便利な目安：」という見出しの下です。日本語の目安として示されたものではありません。同じページはむしろ、1トークンの長さが「言語や文脈によって」変わるとだけ述べています。

Googleの開発者向けドキュメントも同じ構図です。「a token is equivalent to about 4 characters」と書いたすぐ後に「100 tokens is equal to about 60-80 English words」と続きます。English words、つまり英単語についての説明であって、日本語への言及はこのページにありません。Anthropicのモデル比較表にも文字数の概算は載っていますが、こちらは言語を特定していない一般的な数値です。

言い換えれば、流通している日本語の換算値は、たどっても3社の公式ドキュメントには行き着きません。出典のない数字を業務の見積もりに使うと、ずれたときに原因が追えなくなります。OpenAIが代わりに案内しているのは、公式のTokenizerツールに自分のテキストを入れて、実際にいくつに分割されるかを見る方法です。体重計に乗るようなもので、推定式を探すより1回量ったほうが早い、という話でもあります。

物差しそのものが、更新で動くことがある

換算値の暗記が続かない理由は、もう1つあります。Anthropicのモデル一覧ページには、Claude Fable 5 が Claude Opus 4.7 で導入されたトークナイザを使っており、それ以前のモデルと比べると同じテキストでもトークン数がおよそ30%増えるという説明があります。増え幅は内容によって変わる、とも書かれています。

文章を1文字も変えていないのに、世代が変わっただけで数え方が変わったわけです。定規の目盛りが引き直されたようなものだと考えると、分かりやすいかもしれません。トークンは、固定の物差しではありません。他社と比べられないうえ、同じ会社の中でも世代で動く。だからこそ、暗算ではなく実測が推奨されているのです。

読める量と、書ける量は別の枠

もう1つ、実務で効いてくる区別があります。入れられる量と、一度に書いてもらえる量は別々に決まっています。

• Anthropic｜100万トークンの枠を持つモデルでも、1回で生成できる出力は最大128kトークンと明記されています。バッチ処理向けのAPIでは、指定のベータヘッダーで一部モデルが最大300kトークンの出力に対応します
• OpenAI｜モデル一覧で、コンテキストウィンドウと最大出力が別々の列として並んでいます（GPT-5.6系は1.05Mと128K tokens）
• Google｜Gemini 3.7 Flash の仕様に、入力上限1,048,576と出力上限65,536が別項目として記載されています

そのうえで、OpenAIのヘルプには「各モデルには、入力と出力を合わせたトークン数の上限があります」という一文があります。つまり、入力と出力は別枠でありながら、合計は同じ机に載っていなければならないという関係です。長い資料を貼るほど、返せる答えの余地が削られます。

上限を超えたときの挙動も、Anthropicは公式に説明しています。入力だけで枠を超えている場合はエラーが返ります。一方、Claude 4.5世代以降では、入力と指定した最大出力の合計が枠を超えていてもリクエスト自体は受け付けられ、生成が上限に達した時点で停止します。返答が途中で切れて終わる現象は、多くの場合これに相当します。不具合ではなく、机の端に来たということです。

長い資料を渡すと後半が雑になる理由

ここまでは容量の話でした。もう一段深いところに、枠に収まっていても精度が落ちることがあるという論点があります。これも3社が公式に書いています。

いちばん踏み込んでいるのがAnthropicです。大きな枠はより複雑で長いプロンプトを扱えるようにするが、文脈は多ければ自動的に良くなるわけではない、と書かれています。そして、トークン数が増えるにつれて精度と想起が落ちていく現象を context rot と呼び、どれだけ入るかと同じくらい、何を入れるかを選ぶことが重要だと結んでいます。同社はこの考え方を掘り下げたエンジニアリング記事も公開しています。

Googleの長い文脈についてのドキュメントは、別の角度から書いています。探す情報が1つなら見つけられるが、複数ある場合は同じ精度では動作しない。性能は文脈によって大きく変わりうる、と。

OpenAIについては、正直に書いておきます。同趣旨の記述として見つかったのはGPT-4.1のプロンプトガイドで、取り出すべき項目が増えたり、文脈全体の状態を把握したうえでの複雑な推論が必要になると、長い文脈での性能は劣化しうる、という記述です。これはGPT-4.1についての記述であり、GPT-5.6世代について同じことを述べた公式ページは、今回の調査では確認できませんでした。

3社に共通するのは、「何パーセント落ちる」という数値をどこも出していないことです。押さえるべきは、量を増やすほど良くなる方向には進まない、という向きだけで十分です。

AI側にも、残量を意識する仕組みがある

Anthropicの公式ドキュメントには、Claude Sonnet 5 などの一部モデルが context awareness という性質を持ち、会話の中で自分の残りコンテキスト（トークンの予算）を追跡している、という記載があります。机の空きを、AI自身が横目で見ながら作業しているような役割です。

さらに、上限に近づく会話への対処として、サーバー側での圧縮という機能が案内されています。会話の前半を自動的に要約し、上限を越えて会話を続けられるようにする仕組みです。ここでも起きているのは、要約という名の取捨選択です。机を片付ければ作業は続きますが、下ろした資料の細部は戻りません。

実務でどう渡すか

OpenAIのヘルプが挙げている対処は3つです。プロンプトを短くするか表現を変えること、長いテキストを小さなチャンクに分割すること、送信前に入力を要約または前処理すること。日常の業務に置き換えると、次のようになります。

1. 必要な章だけを切り出して渡す

60ページの資料のうち、聞きたいのが第3章だけなら、第3章だけを渡します。全部渡したほうが親切に思えますが、机の上は逆に散らかります。Anthropicが「何を入れるかを選ぶことが、どれだけ入るかと同じくらい重要」と書いているのは、まさにこの作業のことです。渡す前の10秒が、答えの質をいちばん動かします。

2. 何を知りたいのかを先に伝える

資料を貼ってから質問するのではなく、先に「この資料から、納期に関する記述だけを抜き出したい」と1行置いてから貼ります。読む前に目的を知っている状態と、読み終えてから目的を告げられる状態では、拾い方が変わります。人に調べ物を頼むときに、先に用件を言うのと同じ理屈です。指示の組み立て方は現場が書けるようになる指示の型で扱っています。

3. 話題が変わったら、新しい会話に移る

同じ会話を続けると、履歴が枠を食い続けます。午前中の資料整理と午後の見積の相談を、同じ会話でやる必要はありません。話題の変わり目で新しい会話を開くのは、机を片付けてから次の仕事にかかるのと同じことです。引き継ぎたい場合だけ、要点を数行にまとめて貼り直します。

4. 繰り返し使う資料は、都度貼らない仕組みに寄せる

毎回同じ社内マニュアルを貼っているなら、貼るという運用自体を見直す価値があります。社内文書を横断して検索できる仕組みにすれば、質問のたびに必要な部分だけが取り出され、机の上は毎回きれいなままです。考え方は社内ナレッジ検索の設計に、無料の範囲で試せる使い道は無料枠だけで仕事を進める使い方25選にまとめてあります。

私たちの見解｜数字を覚えるより、渡し方を1つ決める

1つ目は、数字を覚える運用は続かない、ということ。モデルは入れ替わり、プラン表も更新され、数え方まで世代で動きます。今日調べた数字は、半年後には形を変えています。覚えて役に立つのは「全部を貼らない」という渡し方のほうです。数字は消えますが、手順は残ります。

2つ目は、公式に書かれていないことを、書かれているかのように扱わないこと。日本語の換算値はその典型です。よく見かける数字ほど、出典を確かめずに社内資料へ転記されていきます。「調べたら、書いてなかった」という結論も、立派な調査結果です。この姿勢は、AIの知識がいつまでで止まっているかを3社の公式記載から整理した記事とも共通しています。数字ではなく、どのページのどういう見出しの下に書かれていたかまでを持ち帰る、ということです。

3つ目は、この制約は導入をためらう理由にはならない、ということ。枠があること自体は、机に大きさがあるのと同じで当たり前の仕様です。困るのは、枠を知らずに全部を投げ込み、返ってきた雑な答えを「このAIは使えない」と受け取ってしまう場面のほうです。社内でどう運用ルールに落とすかは生成AIの社内ガイドライン作成ガイドで扱っています。「うちの資料は長すぎて使えないのでは」と感じている段階でしたら、無料相談で実際の資料の形をお聞かせください。渡し方を変えるだけで収まるのか、仕組みを足したほうが早いのかを、その場で一緒に切り分けます。

まとめ

• トークン：AIが文章を処理する単位。OpenAIは、言語や文脈によって1文字ほど短い場合も単語全体ほど長い場合もあり、スペースや句読点も数に含まれると説明しています
• コンテキストウィンドウ：一度に参照できるすべてのテキストの枠。Anthropicはこれを作業記憶と表現しており、応答そのものも枠に含まれます
• 枠は全部使えない：ChatGPTの料金ページは、入力に使える領域は全体より小さいと明記。システム指示・メモリ・内部処理が先に場所を取るためです
• 実数：GPT Instant の入力上限は、公式表記で無料版が約12ページ分、GoとPlusが約40ページ分、Proが約250ページ分（2026年8月23日時点の公開情報）
• 日本語の換算値：3社とも公式には示していません。OpenAIもGoogleも、換算の目安を英語についてのものと明示しています
• 物差しは動く：Anthropicはトークナイザの変更で同じテキストが約30%増えたと記載し、OpenAIはトークンがプロバイダー間で標準化されていないと明記しています
• 入力と出力は別枠：3社とも別項目で公表しつつ、合計には上限があります。返答が途中で切れるのは、多くはこの上限に達したためです
• 長ければ良いわけではない：Anthropicは精度低下を context rot と呼び、Googleは複数を同時に探すと同じ精度では動作しないと書いています
• 実務：必要な章だけ渡す、目的を先に伝える、話題が変わったら会話を分ける。この3つが公式の挙げる対処に対応します

一度に読める量に限りがあることは、欠陥ではなく仕様です。仕様である以上、付き合い方は決められます。「全部読ませて、いい答えをもらう」から「必要な分だけ渡して、いい答えをもらう」へ。切り替えるのは道具ではなく、渡し方のほうです。

よくある質問

Q1. 日本語だと1文字が何トークンになりますか？

OpenAI・Anthropic・Googleのいずれも、日本語についての換算値を公式には示していません。OpenAIのヘルプにある「1トークン≒4文字」などの一覧は「英語における便利な目安：」という見出しの下に置かれたもので、日本語の目安ではありません。Googleの説明も、続く文が「100 tokens is equal to about 60-80 English words」で、英単語についての記述です。Anthropicが示す文字数の概算も、言語を特定していない一般的な数値です。よく見かける「日本語は1文字＝約◯トークン」という数字には、3社の公式ドキュメントにたどれる出典がありません。自分のテキストを、OpenAIが案内しているTokenizerツールで実測するのが確実です（2026年8月23日時点の公開情報）。

Q2. コンテキストウィンドウが大きいAIを選べば安心ですか？

公式ドキュメントは、そうは書いていません。Anthropicは「more context isn’t automatically better（文脈は多ければ自動的に良くなるわけではない）」と明記し、トークン数が増えるにつれて精度と想起が落ちる現象をcontext rotという名前で説明しています。そのうえで、どれだけ入るかと同じくらい、何を入れるかを選ぶことが重要だとしています。またOpenAIは「トークンは、AIモデルやプロバイダー間で標準化されていません」と明記しており、各社の数字を並べて大小を比べること自体に無理があります。数字の大きさで選ぶより、渡す資料を絞れているかを見るほうが実務では結果につながります（2026年8月23日時点の公開情報）。

Q3. 長い会話を続けているとAIが前の話を忘れるのは、なぜですか？

会話の履歴そのものが、一度に読める枠を使っているためです。Anthropicの公式ドキュメントは、リクエストに含まれるすべて、つまりシステムプロンプト、messages内のすべてのメッセージ（ツールの実行結果、画像、文書を含む）、ツールの定義が、コンテキストウィンドウに数えられると説明しています。さらに、その回で生成される出力も同じ枠に数えられます。会話が長くなるほど枠は埋まり、古い部分から扱いが薄くなります。Anthropicは対処としてサーバー側での圧縮を挙げ、会話の前半を自動的に要約することで上限を越えて続けられると説明しています。実務では、話題が変わったところで新しい会話を開くのがいちばん手軽です（2026年8月23日時点の公開情報）。

Q4. 長い資料を読ませたいとき、どう渡すのがいいですか？

OpenAIの公式ヘルプは、上限を超えそうなときの対処として3つを挙げています。プロンプトを短くするか表現を変えること、長いテキストを小さなチャンクに分割すること、送信前に入力を要約または前処理することです。実務に置き換えると、必要な章だけを切り出して渡す、何を知りたいのかを先に伝えてから資料を貼る、話題が変わったら新しい会話に移る、という順番になります。なお、Anthropicの公式ドキュメントによれば、1回のリクエストに含められる画像やPDFのページ数にも上限があり、100万トークンのモデルで600ページ、20万トークンのモデルで100ページとされています（2026年8月23日時点の公開情報）。

参照元・出典

本記事は2026年8月23日に各社の公式ドメインで確認した記載にもとづきます。第三者のまとめ記事は使用していません。公式の記載が見当たらなかった項目は「書かれていない」と書き、推定した数字は載せていません。

一次ソース（トークンの定義と数え方）

• トークンとは何か、数え方（OpenAI 公式ヘルプ・日本語）——定義、英語における目安であることの明示、位置で別のトークンになる実例、4分類、上限超過時の対処、標準化されていないという記載
• Understand and count tokens（Google）——約4文字という説明と、100トークンが60〜80のEnglish wordsに当たるという記載
• Models overview（Anthropic）——モデルごとのコンテキストウィンドウと最大出力、トークナイザの変更で約30%増えるという記載

一次ソース（コンテキストウィンドウの実数と挙動）

• ChatGPT 料金ページ（OpenAI・日本語）——プラン別の上限とページ数表記、および入力に使える領域が全体より小さいという脚注
• Context windows（Anthropic）——作業記憶という位置づけ、枠に数えられるもの、出力上限、上限超過時の挙動、context rot、context awareness、圧縮、画像・PDFのページ数上限
• Models（OpenAI）——GPT-5.6 Sol / Terra / Luna の1.05Mと128K tokensという記載
• Gemini 3.7 Flash（Google）——入力上限1,048,576と出力上限65,536という記載

一次ソース（長い文脈での性能について）

• Long context（Google）——複数を同時に探すと同じ精度で動作しないこと、性能が文脈で大きく変わること
• GPT-4.1 Prompting Guide（OpenAI）——取り出す項目が増えたり複雑な推論が必要になると長い文脈での性能が劣化しうるという記述（GPT-4.1についての記載です）
• Effective context engineering for AI agents（Anthropic）——文脈の設計についての記事