Paste your prompt as labeled sections — system prompt, retrieved docs, conversation history. Each paste is token-estimated client-side, then laid against every selected model’s context window. Pick models above to see fill bars, free headroom, and overflow warnings.
Qué hace
El Planificador de ventana de contexto muestra cómo un prompt real llena la ventana de contexto de un modelo. Pega las piezas de tu solicitud como secciones etiquetadas — prompt de sistema, documentación recuperada, historial de conversación — y la herramienta estima los tokens de cada una, las suma y enfrenta el total contra la ventana de cada modelo seleccionado como barra de llenado.
Responde las dos preguntas que rompen las solicitudes LLM en producción: ¿cabe siquiera este prompt? y si cabe, cuánto margen queda para la respuesta? Fija una reserva de salida y cada modelo informa si el margen libre la cubre, así un prompt que técnicamente cabe pero ahoga la respuesta queda marcado antes de que lo envíes.
Cómo usarlo
- Pega tus secciones de Sistema, Docs e Historial en las secciones apiladas. Añade o quita secciones para que coincidan con la forma real de tu prompt.
- Fija la Reserva de salida — los tokens que quieres mantener libres para la respuesta del modelo (una causa común de salida truncada es una reserva de cero).
- Activa los chips de modelos (primero las ventanas más anchas) para comparar el llenado entre proveedores y niveles.
- Lee las barras de llenado: azules mientras la entrada cabe, rojas con la cantidad de desbordamiento cuando no cabe; “reserva insuficiente” marca las entradas que caben pero dejan menos margen del que tu reserva pide.
- Usa Copiar resumen o Copiar enlace para compartir para enviar el escenario exacto.
Ejemplos
Un prompt de dos secciones contra una ventana de 1M de tokens
Cada sección de abajo es una línea de prosa de 1,600 caracteres (≈400 tokens a 4 caracteres/token):
System: 1,600 chars → 400 tokens
Docs: 1,600 chars → 400 tokens
beta-pro (1,000,000 ctx): 800 / 1,000,000 · free 999,200 · fits yes · reserve okEl mismo prompt que cabe, pero ahoga la reserva
input 800 · output reserve 1,000,000
beta-pro: fits yes · reserve SHORT ← raw fit passes, no room for the answerUn desbordamiento, marcado con la cantidad
Un solo pegado de 4.4M de caracteres (≈1.1M de tokens) contra una ventana de 1M:
beta-pro: 1,100,000 / 1,000,000 · overflow −100,000 · fits NOBuen saber
- Caber en la ventana no es lo mismo que caber la respuesta.
fitssignifica que la entrada bruta está dentro de la ventana de contexto; la comprobación de reserva significa que aún queda sitio para la respuesta. Ambas deben pasar para una solicitud sana. - Los recuentos de tokens son estimaciones heurísticas (±15%), clasificadas por línea como prosa, código, JSON o CJK — no son una ejecución real de un tokenizador BPE. Para el desglose de la estimación a secas, consulta el Estimador de tokens.
- Las especificaciones de modelos son una instantánea. Los tamaños de ventana y los topes de salida fluyen de una única instantánea de modelos con fecha — consulta la línea “Data as of” para conocer su frescura.
- Privado: todo se ejecuta 100% en el cliente — ningún texto de prompt sale jamás de tu navegador.
- Herramientas relacionadas: Estimador de tokens, Selector de modelo, Calculadora de coste LLM.