Context Window، نافذة السياق وكيف تتعامل معها

شرح Context Window في نماذج AI 2026، الأحجام الحالية، وكيف تُدير المحادثات الطويلة — Context Window هو حدود ذاكرة النموذج داخل محادثة واحدة.

فريق مقالات — فريق التحرير — مقالات ٣ سبتمبر ٢٠٢٦ 5 دقيقة قراءة

Context Window هو حدود ذاكرة النموذج داخل محادثة واحدة. فهمه ضروري لإدارة محادثات طويلة، تحميل مستندات، وتجنّب أخطاء "النسيان".

التعريف

Context Window: أقصى عدد توكنات يستطيع النموذج قراءتها + توليدها في تفاعل واحد.

يشمل:

تعليمات النظام (System Prompt)
كل الرسائل السابقة في المحادثة
سؤالك الحالي
الجواب الذي سيولّده النموذج

الأحجام الحالية (2026)

النموذج	Context Window
GPT-5	400,000 توكن (~300,000 كلمة عربية)
GPT-5 mini	400,000 توكن
Claude Sonnet 5	1,000,000 توكن قياسياً
Claude Opus 5	1,000,000 توكن قياسياً
Claude Haiku 4.5	200,000 توكن
Gemini 3 Pro	1,000,000 توكن
Gemini 3 Flash	1,000,000 توكن
Llama 4 Scout	حتى 10,000,000 توكن (Maverick أصغر)
Mistral Large	128,000 توكن

ما يعنيه هذا عملياً

200,000 توكن ≈:

كتاب متوسّط (500 صفحة)
5-8 مستندات Word
كود مستودع متوسّط
محاضرة صوتية 4 ساعات (بعد التفريغ)

1 مليون توكن ≈:

سلسلة كتب (2000+ صفحة)
مستودع كود كبير
كل رسائل الإيميل لعام

كيف تعرف كم توكن لديك؟

أدوات

OpenAI Tokenizer: platform.openai.com/tokenizer
Anthropic Token Counter: في Claude Console
Google AI Studio: في Gemini Playground

تقدير سريع

إنجليزي: 1 كلمة ≈ 1.3 توكن
عربي: 1 كلمة ≈ 2-4 توكنات (العربية أثقل بسبب التشكيل والتصريف)
كود: 1 سطر ≈ 5-20 توكنات

Lost in the Middle، التحدّي الأكبر

باحثو Stanford (2023) اكتشفوا ظاهرة: النماذج تركّز على أوّل وآخر السياق، وتُهمل الوسط (Lost in the Middle).

التطبيق العملي:

ضع المعلومات الحرجة في بداية أو نهاية البرومت
تجنّب دفن المعلومة المهمّة في منتصف مستند طويل
إذا سياقك كبير، لخّص وأعِد ترتيب، لا ترمِ كل شيء

استراتيجيات لإدارة السياق

1) تلخيص المحادثات الطويلة

عند 80% من الحد، اطلب:

لخّص كل ما ناقشناه في 10 نقاط. سنبدأ محادثة جديدة بهذا التلخيص.

2) استخدام المستندات المرفوعة

بدل نسخ نصّ طويل في المحادثة، حمّله كملفّ. النماذج تقرأه بكفاءة أعلى.

3) RAG (Retrieval-Augmented Generation)

لتطبيقات فعلية: احتفظ بمستنداتك في قاعدة متّجهات، النموذج يبحث ويستخرج ما يحتاج فقط.

4) تقسيم المهمّة

مهمّة تحتاج 500 ألف توكن؟ قسّمها إلى 5 مهام كل واحدة 100 ألف.

5) استخدام Projects/Custom GPTs

Claude Projects وChatGPT Custom GPTs يحفظون سياقاً ثابتاً بلا استهلاك سياق كل مرّة.

Context Window vs Ability to Use It

تحذير: 1 مليون توكن سياق لا يعني أنّ النموذج يستخدمها كلها بجودة عالية. أبحاث عملية 2024-2025 أظهرت:

200K الأولى: أداء ممتاز
200K-500K: أداء يقلّ 10-20%
500K+: أداء يقلّ 30-40% في مسائل الاستدلال المعقّد

النتيجة: استخدم أدنى سياق يكفيك. لا تُغرقه بلا حاجة.

أخطاء شائعة

1) نسخ مستند 100 صفحة كنصّ

يُشغل السياق ويقلّل الأداء. حمّله كملفّ بدل ذلك.

2) الاعتماد على "ذاكرة" النموذج بين محادثات

الذاكرة (Memory feature) تُخزّن ملخّصات، ليس كل شيء. للسياق الطويل، ابدأ محادثة جديدة بتلخيص.

3) تكرار المعلومة نفسها

إذا ذكرت السياق مرّة، لا تكرّره كل رسالة.

4) عدم استخدام Projects

للمشاريع الطويلة، Projects أفضل من محادثة واحدة تصير عملاقة.

5) دفن المعلومة الحرجة في الوسط

ضع كل معلومة قابلة للنسيان في البداية أو النهاية.

نصائح ذهبية

راقب استخدامك، بعض الأدوات تُظهر عدد التوكنات
اختصر، كلما قلّ السياق زاد الأداء
حمّل الملفّات بدل النسخ
قسّم المشاريع الكبيرة
لخّص المحادثات الطويلة قبل الوصول للحدّ

التكلفة الحقيقية لكل ألف توكن، عربي مقابل إنجليزي

هذه النقطة تُغفلها معظم المقالات، لكنها تُغيّر ميزانية أي مشروع فعليّ يستخدم API. النموذج يحاسبك على مجموع توكنات الإدخال + توكنات الإخراج، وسعر الإدخال أرخص من الإخراج بمقدار ٣-٥ أضعاف. مثال حيّ من تسعير OpenAI الرسمي على GPT-5 وقت الكتابة: الإدخال ~$1.25/مليون، والإخراج ~$10/مليون.

التطبيق للعربية: نصّ بألف كلمة عربية = ٢٠٠٠-٤٠٠٠ توكن (اعتماداً على التشكيل والاختصارات)، بينما نفس المعنى بالإنجليزية ≈ ١٣٠٠ توكن فقط. أي محادثة عربية طويلة قد تكلّف ثلاثة أضعاف ما تكلّفه بالإنجليزية على النموذج نفسه، حتى قبل الوصول لحدّ السياق.

قاعدة الجيب: قبل بدء مشروع فيه استعلامات متكرّرة، احسب سعر ألف رسالة نموذجية بلغتك. رقم قد يفاجئك.

تجزئة العربية، لماذا التوكن يختلف

النماذج المفتوحة توضح آلية التوكنة عبر أداة OpenAI وأداة Anthropic Claude. الملاحظات المتكرّرة على العربية:

الكلمات المنتظمة (مثل «الكتاب»، «المدرسة») غالباً توكن أو توكنَين.
الكلمات المشكَّلة كلياً (الفتحات والضمّات المكتوبة) تتضاعف تجزئتها ٣-٥ مرّات لأن كل حرف مع تشكيله يُعامل بشكل منفصل.
الأسماء الأعجمية بالعربية (شركة، مدينة، منتج) تنقسم على مقاطع لأن النموذج لم يرَها بكثرة في التدريب.
الأرقام الهندية (٠-٩) تكلف أكثر من الأرقام العربية (0-9) بسبب ندرة التدريب.

الاستنتاج العملي: إن كنت تبني تطبيق API بالعربية، جرّد النصّ من التشكيل غير الضروري قبل الإرسال. توفير ٢٠-٣٠٪ من التكلفة أمر معتاد في تطبيقات محتوى أو خدمة عملاء.

المصادر الرسمية

الأسئلة الشائعة

أقصى عدد توكنات يستطيع النموذج معالجتها دفعة واحدة، شامل السؤال والجواب. GPT-5: 400K، Claude Sonnet 5 وOpus 5: مليون توكن قياسياً، Gemini 3 Pro: مليون توكن.

الكلمة العربية = 2-4 توكنات عادةً. مليون توكن ≈ 250-500 ألف كلمة عربية (كتاب كامل). مليون كلمة إنجليزية ≈ 1.3 مليون توكن.

النموذج يرفض الطلب أو يقصّ الجزء الأقدم من المحادثة. في محادثة طويلة قد ينسى بداية الحوار.

ظاهرة موثّقة اسمها 'Lost in the Middle'، النماذج تركّز أكثر على أوّل وآخر السياق. للمعلومات الحرجة، ضعها في البداية أو النهاية.

ضمن سلسلة: المفاهيم التقنية

المقال 5 من 11

ما الذي يجري داخل النموذج: المحوّلات، الانتباه، التوكنز، التضمينات، ونافذة السياق.