En resumen. La ventana de contexto es la cantidad máxima de texto que un modelo de IA puede leer de una sola vez — medida en tokens. Incluye tu pregunta, los documentos que pegas y el hilo de la conversación. En 2026 va desde unos 200 000 tokens (Claude) hasta 1–2 millones (GPT-5.x, Gemini). Cuando un chat crece más que la ventana, la IA “olvida” las partes más viejas.
Última revisión: 6 de julio de 2026. Se revisa cada trimestre, porque los límites de contexto de los modelos cambian más rápido que casi cualquier otra cosa en la IA.
Pegas un contrato largo en ChatGPT, haces tres preguntas bien pensadas — y en la cuarta la IA actúa como si nunca hubiera visto la página 40. Molesto, sí. Pero no es un bug, y la IA no está siendo floja. Simplemente chocaste con el borde de su ventana de contexto. Y una vez que entiendes qué es, un montón de comportamientos raros de la IA de golpe empiezan a tener sentido.
También es el número del que presume cada laboratorio de IA en este momento. Google empujó fuerte la ventana de 2 millones de tokens de Gemini, presentándola como la función estrella de sus modelos Pro más nuevos. O sea, el término está por todos lados. Esta página es la versión en claro de lo que de verdad significa — y de por qué importa para tu trabajo.
Una ventana de contexto es la cantidad máxima de texto — medida en tokens — que un modelo de IA puede leer y tener en cuenta de una sola vez mientras redacta una respuesta. En claro: cuánto alcanza a “ver” la IA de un solo golpe. Mientras más grande la ventana, más lee a la vez.
Qué es realmente una ventana de contexto, en claro
La ventana de contexto es todo lo que una IA puede mirar mientras te responde: tu pregunta actual, todos los archivos o textos que pegaste, los mensajes anteriores de este chat y la respuesta que está armando. Imagina un escritorio con espacio para un número fijo de hojas. Mientras una hoja está sobre el escritorio, la IA puede leerla. El escritorio se llena, pones más, y las hojas más viejas se resbalan por el borde. Ese momento exacto — la hoja que se cae del escritorio — es justo la razón por la que un chatbot “olvida” lo que le contaste antes.
La ventana se mide en tokens, no en palabras. Un token es un pedazo de texto — más o menos cuatro caracteres, o cerca de tres cuartos de una palabra. En español, como regla, cuentas alrededor de 100 tokens por cada 75 palabras. Una ventana de 200 000 tokens entonces sostiene unas 150 000 palabras, lo que Anthropic estima en más de 500 páginas de material. El número exacto de palabras varía con el idioma y el formato — el español, con sus acentos y palabras un poco más largas, se tokeniza algo peor que el inglés (calcula alrededor de un 50 % más de tokens para el mismo texto) — pero el orden de magnitud alcanza para planear.
Y acá viene lo que la mayoría se pierde. La ventana de contexto no es solo tu entrada. Es entrada más salida — la respuesta del modelo sale del mismo presupuesto. OpenAI lo dice claro: la ventana de contexto cuenta tanto los tokens que envías como los que el modelo genera de vuelta. Así que si llenas la ventana hasta el tope con un documento enorme, puedes ahogar el espacio que la IA necesita para escribir una respuesta larga. La ventana es un espacio compartido, no un buzón.
Por qué la ventana de contexto importa ahora
La ventana de contexto importa en 2026 porque es el número que decide si puedes darle a una IA un pedazo de trabajo de verdad — un contrato completo, un trimestre de asientos contables, una base de código entera — o si tienes que cortarlo todo en pedazos y perder el hilo en el camino. Los límites saltaron tan rápido que hoy es rutina lo que hace un año era imposible.
Hace dos años la ventana típica era diminuta. GPT-4o llegaba a 128 000 tokens, GPT-3 apenas a unos 4 000. Hoy Claude está en 200 000 tokens por defecto y ofrece una opción de 1 millón en beta. La línea GPT-5.x de OpenAI va, según la variante, desde varios cientos de miles hasta 1 millón de tokens — la app de ChatGPT misma ya ronda los 400 000. Google indica hasta 2 millones de tokens para Gemini, la más grande en uso masivo. Y en el extremo, el Llama 4 Scout de Meta declararía 10 millones de tokens (pesos abiertos, autoalojado) — más una demo de que se puede que algo para el día a día de la oficina.
Para quien trabaja, esto es la diferencia entre “la IA es un juguete para preguntas cortas” y “la IA puede leer la cosa entera”. Una ventana de 200 000 tokens ya se traga un informe largo; una de 2 millones se traga un libro. Pero — y esta es la parte honesta que la mayoría de las páginas de las empresas se saltan — lograr que algo entre en la ventana no es lo mismo que el modelo la use de forma fiable completa. Más sobre esto enseguida.
Cómo funciona la ventana de contexto (sin la jerga)
La ventana de contexto funciona pasándole al modelo un solo bloque de texto y dejándolo predecir qué viene después, un token a la vez. Todo lo que está en ese bloque — tus instrucciones, tus datos pegados, el historial del chat, la respuesta a medio escribir — está en juego. Nada fuera existe, hasta donde le concierne al modelo. No hay un “archivo a largo plazo” separado del que lea a escondidas; si un dato no está en la ventana en este instante, el modelo no puede verlo.
Cuando una conversación se alarga, la herramienta tiene que decidir qué conserva. El enfoque más simple es una ventana deslizante: conservar los mensajes más recientes que entren y dejar caer en silencio los más viejos. Por eso un chat largo va perdiendo de a poco sus primeros detalles mientras recuerda lo que acabas de decir. Algunas herramientas son más listas — resumen los turnos viejos en una nota corta y guardan el resumen en vez del texto completo, así que la esencia sobrevive aunque los mensajes palabra por palabra desaparezcan. De un modo u otro, la ventana de contexto es el techo duro por debajo de todo.
Un ejemplo corto vuelve concreta la idea del presupuesto compartido. Digamos que usas un modelo con una ventana de 200 000 tokens y pegas un documento de 180 000 tokens. Te quedan entonces alrededor de 20 000 tokens para todo lo demás: tu pregunta, el razonamiento del modelo, su respuesta. Si ahora pides una reescritura de 50 páginas, te quedas sin espacio — no porque la IA no pueda, sino porque no queda lugar en la ventana donde poner todo eso. Los modelos Claude recientes hasta pueden seguir su propio presupuesto restante en plena tarea, para no arrinconarse a sí mismos en ese callejón.
Dónde aparece la ventana de contexto en el trabajo real
La ventana de contexto fija en silencio las reglas de casi todo lo que haces con IA sobre documentos reales. Decide cuánto puedes pegar, cuánto tiempo un chat se mantiene coherente y si necesitas un rodeo como la recuperación. La tabla de abajo mapea las situaciones cotidianas donde la ventana es lo que de verdad ayuda o limita — casi siempre sin que nadie te avise que es justo eso lo que está pasando.
| Lo que estás haciendo | Por qué importa la ventana de contexto | El límite concreto |
|---|---|---|
| Pegar un contrato o informe largo | Todo el documento tiene que entrar para analizarlo de una pasada | 200K sostienen ~500 páginas; más largo pide cortar o recuperación |
| Un ida y vuelta largo en el chat | Los turnos viejos se caen cuando el chat supera la ventana | La IA “olvida” los primeros detalles; resume o vuelve a empezar |
| Volcar una hoja de cálculo grande | Las filas también son tokens; los datos anchos comen la ventana rápido | Recorta a las columnas y filas que importan, no todo el export |
| Alimentar una base de código entera | Las ventanas grandes dejan a la IA ver muchos archivos a la vez | 1M de tokens ≈ un repo mediano — pero el recuerdo no es perfecto |
| Subir un capítulo de un libro de texto | Entra sin problema en ventanas modernas para preguntas y resúmenes | El recuerdo de detalles del medio baja en entradas muy largas |
| Armar un asistente sobre base de conocimiento | Pegar toda la biblioteca revienta cualquier ventana | Usa RAG para traer solo fragmentos relevantes por pregunta |
El patrón en todo esto: la ventana de contexto es tu presupuesto, y un buen trabajo con IA consiste sobre todo en gastarlo bien. Pega la página que importa, no toda la carpeta. Quienes más le sacan a la IA en 2026 no son los que tienen acceso a la ventana más grande — son los que aprendieron a ser selectivos con lo que entra. Justo en ese hábito se apoyan nuestros cursos, porque es la habilidad más barata con el mayor retorno.
Qué significa esto para abogados
Para los abogados, la ventana de contexto es la razón por la que una IA revisa un acuerdo de confidencialidad de 12 páginas en segundos pero tropieza con un contrato marco de 300 páginas con 40 anexos. Todo el documento tiene que entrar en la ventana para que la IA razone de punta a punta. Una ventana estándar de 200 000 tokens cubre unas 500 páginas, así que la mayoría de los contratos sueltos entran — pero una carpeta completa de operación con los escritos y los anexos la desborda, y justo ahí la IA empieza a “pasar por alto” una cláusula que sencillamente no puede ver.
El flujo que aguanta: alimenta a la IA un documento a la vez, hazle sacar las cláusulas puntuales que te interesan (responsabilidad, terminación, ley aplicable) y pon tu instrucción arriba del prompt, donde el recuerdo es más fuerte. Con un legajo enorme, no pegues todo — busca primero las secciones relevantes y entrégalas después. El límite honesto, y es grande para el trabajo legal: nunca confíes en una IA de contexto largo para atrapar cada remisión enterrada en un contrato de 200 páginas. El efecto “lost in the middle” (Liu et al., 2023) hace que justo el detalle de la página 130 sea el que más probablemente se escape. La versión final la sigue leyendo una persona.
El siguiente paso: el curso IA para abogados muestra una forma cuidadosa y respetuosa del secreto profesional de usar IA en documentos legales reales — qué pegar, qué nunca pegar y cómo verificar la salida. Las dos primeras lecciones gratis, sin tarjeta.
Qué significa esto para contadores
Para los contadores, la ventana de contexto decide cuánto del libro mayor puede mirar una IA de un solo tirón. Si pegas un export de 50 000 líneas de asientos, no estás entregando “una hoja de cálculo” — estás entregando una avalancha de tokens, porque cada celda cuenta contra la ventana. Por eso una IA da una respuesta filosa sobre un balance de comprobación recortado y una vaga sobre un volcado bruto de cierre de año. El remedio rara vez es un modelo más grande. Es pegar las columnas y el período que de verdad importan, no todo el export.
El flujo de referencia para el cierre mensual: saca las cuentas o las variaciones puntuales que estás investigando, dale a la IA ese fragmento enfocado más una pregunta clara y déjala redactar el comentario. Mantén el chat concentrado en una sola tarea — cuando un hilo de conciliación se alarga, las primeras cifras se caen de la ventana y los números de la IA se desvían. El límite honesto: una IA que trabaja dentro de una ventana de contexto hace las cuentas sobre lo que ve en ese instante, y va a pasar por alto con total seguridad una cifra que se fue por arriba de la pantalla. Cuadra los números tú mismo, y nunca pegues datos que identifiquen a un cliente en un chatbot de consumo.
El siguiente paso: IA para contadores y finanzas muestra cómo alimentar datos financieros a la IA de la forma correcta — qué incluir, qué dejar afuera y cómo hacer que la ventana trabaje para ti en vez de en tu contra. Las dos primeras lecciones gratis.
Qué significa esto para marketing
Para la gente de marketing, la ventana de contexto es lo que permite que una IA de verdad suene como tu marca en vez de como puré genérico — si la usas bien. Pega tu guía de marca completa, tres de tus mejores correos y el brief, y el modelo puede tener todo eso “presente” mientras redacta, siempre que entre en la ventana. Con ventanas que ahora llegan al millón de tokens y más, metes una cantidad seria de contexto de marca en un solo prompt — hace un año eso significaba estar explicando todo de nuevo sin parar.
El detalle es el medio. Si pones una biblia de marca de 40 páginas al principio y escondes el pedido real al final, el modelo lee mejor tus instrucciones y el inicio de la guía — y lo que queda apretado en el medio recibe la atención más floja (Liu et al., 2023). Así que pon el brief y lo no negociable bien arriba o bien abajo, no en la mitad del archivo. El límite honesto: una ventana más grande tienta a volcar todo, pero un contexto ajustado con tus tres mejores ejemplos suele ganarle a uno gigante y sin foco. Menos, bien elegido, gana.
El siguiente paso: escribir el prompt que saca un primer borrador fiel a la marca al primer intento es sobre todo habilidad de contexto. Prompt Engineering — gratis, con certificado — te enseña exactamente eso. Las dos primeras lecciones gratis.
Qué significa esto para desarrolladores
Para los desarrolladores, la ventana de contexto es todo el juego en el código asistido por IA. Para refactorizar entre archivos, el modelo necesita esos archivos en la ventana al mismo tiempo. Los modelos recientes de contexto largo lo hacen posible de verdad — 1 millón de tokens es más o menos un repo de tamaño mediano, así que una IA puede realmente “ver” una base de código entera de una sola vez. Por eso el tamaño de la ventana de contexto, y no solo la inteligencia bruta del modelo, es una característica estrella de las herramientas de código en 2026.
Pero los desarrolladores también son los más quemados por la brecha entre “entra” y “recuerda”. Un modelo puede tragarse todo tu repo y aun así perder el rastro de una función definida 400 000 tokens atrás, porque el recuerdo se hunde en el medio de los contextos muy largos (Liu et al., 2023). El flujo que aguanta: dale a la IA los archivos puntuales y los lugares de llamada relevantes en vez del árbol entero, mantén la tarea acotada y revisa cada diff. Trata un contexto gigante como una comodidad para leer, no como una garantía de que el modelo interiorizó todo.
El siguiente paso: Cómo funcionan los LLM cubre qué pasa bajo el capó — tokens, ventanas de contexto y por qué el recuerdo largo no es perfecto. Combínalo con Pensamiento crítico con IA para el reflejo de no creer la salida a ciegas.
Qué significa esto para docentes
Para los docentes, la ventana de contexto es lo que hace que “sube el capítulo y ponme a prueba” funcione de verdad. Un capítulo de un libro de texto, el equivalente a las lecturas de una unidad, hasta un PDF completo entra cómodo en una ventana moderna, así que la IA puede responder preguntas, generar ejercicios y resumir sin que retipees nada. Como recuerdan los propios ingenieros de Google, el contexto largo es justo la función que le permite a un modelo tomar un libro entero de una sola vez — y para preparar clases eso es de verdad útil.
El límite que vale la pena enseñarles a tus estudiantes: la IA razona sobre lo que está en la ventana en este instante, no sobre todo lo que alguna vez leyó. Si pegas tres capítulos y preguntas por un párrafo del medio del capítulo dos, ese es el detalle que más probablemente se ponga borroso (Liu et al., 2023). Mantén cada chat concentrado en el material que de verdad estás trabajando, y vuelve a verificar cualquier dato, fecha o cita puntual antes de que vaya a una ficha — la ventana hace de la IA una compañera de estudio rápida, no un libro de texto infalible.
El siguiente paso: Fundamentos de IA es el punto de partida amigable para principiantes — explica tokens, ventanas de contexto y cómo obtener respuestas fiables, sin jerga y sin programar. Las dos primeras lecciones gratis.
Malentendidos comunes sobre la ventana de contexto
Un puñado de mitos sobre la ventana de contexto está detrás de casi toda la frustración que la gente siente con la IA sobre documentos reales. La mayoría viene del marketing de las empresas, que vende el número llamativo y se salta la letra chica. Vale la pena dejarlos en claro antes de confiarle a una IA algo que importa.
“Una ventana de contexto más grande siempre significa mejores respuestas.”
Verdad a medias — y la mitad falsa sale cara. Una ventana más grande te deja meter más, pero no hace que el modelo lea con cuidado. El efecto “lost in the middle”, bien documentado, muestra una curva en U: fuerte al principio y al final de un contexto largo, la más débil en el medio (Liu et al., 2023). Y en 2026 esto no está resuelto — la investigación “Context Rot” de Chroma confirma que la fiabilidad se sigue degradando a medida que la longitud crece, por el propio funcionamiento de la atención de los transformers. Llenar una ventana de 2 millones de tokens de texto apenas relevante suele dar una respuesta peor que un prompt ajustado y bien elegido — más costos más altos y respuestas más lentas.
“La ventana de contexto es la memoria de la IA.”
No — y esto confunde a casi todos. La ventana de contexto es memoria a corto plazo del chat actual, y se borra en cuanto ese chat termina. Una memoria de IA permanente es una función aparte, que guarda datos sobre ti a través de distintas conversaciones. Un documento largo que pegas vive en la ventana de contexto, no en la memoria; cierra el chat y la IA no tiene idea de que alguna vez lo compartiste. Están emparentadas, pero no son el mismo sistema — por eso tratamos la alucinación de IA como su propio concepto, también ligado a lo que sale de la ventana.
“Si entra en la ventana, la IA lo leyó entero.”
Este es el más peligroso para el trabajo profesional. Entrar y recordar son dos cosas distintas. Un modelo puede aceptar tu documento de 500 páginas sin chistar y aun así pasar por alto una cláusula en la página 300, porque la atención se adelgaza en entradas muy largas (Liu et al., 2023). Los benchmarks recientes como NoLiMa lo muestran bien: modelos que rozan el pleno en una simple búsqueda de aguja en un pajar se caen claramente en cuanto hay que entender el pasaje del medio y no solo encontrarlo palabra por palabra. Trata un contexto grande como “la IA puede consultar esto”, no como “la IA se lo aprendió de memoria”.
“Los tokens son lo mismo que las palabras.”
Cerca, pero la diferencia cuenta al planear. Un token es más o menos cuatro caracteres o tres cuartos de una palabra, así que 100 tokens son alrededor de 75 palabras. Los números, el código, la puntuación y los otros idiomas se tokenizan distinto — una página de datos financieros densos come más tokens que una página de texto corriente, y el español, con sus acentos, suele quedar algo peor que el inglés. Cuando estimes si algo entra, cuenta con que la ventana sostiene menos palabras de las que el número bruto de tokens sugiere.
“Siempre debería usar el modelo con la ventana más grande.”
Casi siempre innecesario, a veces contraproducente. La ventana más grande sale más cara por llamada y no arregla ni un prompt vago ni una entrada desordenada. La mayoría de las tareas del día a día — un correo, una cláusula de contrato, una sección de informe — entran holgadas en una ventana de 200 000 tokens, con espacio de sobra. Saca el modelo de uno o dos millones de tokens cuando de verdad necesites razonar sobre un legajo enorme de una vez, no por defecto. Gastar bien la ventana le gana a tener la más grande.
Conceptos relacionados
La ventana de contexto no vive sola — un par de términos vecinos aparecen todo el tiempo junto a ella, y la gente los confunde seguido porque se solapan. Como el glosario de IA de FindSkill crece de a poco, por ahora enlazamos a los artículos y cursos que vienen bien — las páginas de glosario dedicadas a tokens, RAG y memoria de la IA llegan de a una.
- Alucinación de IA — cuando la IA inventa una respuesta falsa pero convincente, muchas veces justo porque el dato salió de la ventana
- Respuestas consistentes de la IA — por qué la misma pregunta recibe respuestas distintas, y qué tiene que ver la ventana de contexto
- Contador de tokens para ChatGPT, Claude y Gemini — la unidad en la que se mide la ventana, para contar tú mismo
- ChatGPT vs Claude vs Gemini — qué modelo sostiene cuánto contexto, en comparación honesta
- Prompt Engineering — el curso que te enseña a poner bien tu prompt en la ventana que tienes
Para cerrar
La ventana de contexto es simplemente cuánto puede leer una IA de una sola vez — y una vez que lo captas, la mayoría de sus rarezas dejan de ser un misterio. El chatbot olvida porque el chat superó la ventana. El documento grande se pone borroso en el medio porque el recuerdo se hunde ahí. El remedio casi nunca es “compra la ventana más grande”. Es aprender a gastar la ventana que tienes en el texto que de verdad importa. Pega la página, no la carpeta. Ese único hábito separa a quienes le sacan trabajo fiable a la IA de quienes se siguen quemando con ella.
Ver también
Si quieres ver más a fondo la ventana de contexto — y aprender a usarla bien en tu oficio puntual — los cursos y artículos de abajo son los siguientes pasos obvios.
Cursos sobre la ventana de contexto y temas cercanos
- Fundamentos de IA — el punto de partida para principiantes; tokens, ventanas, respuestas fiables
- Prompt Engineering — gratis, con certificado; poner bien tu prompt en la ventana
- IA para abogados — revisión de contratos respetuosa del secreto profesional
- IA para contadores y finanzas — alimentar datos financieros sin sobrecargar la ventana
- IA para docentes — preparar material sin perder el hilo
- Cómo funcionan los LLM — tokens, ventanas y qué pasa bajo el capó
- Pensamiento crítico con IA — entrenar el reflejo de no creer la salida de la IA a ciegas
Artículos de blog que vienen bien
- Respuestas consistentes de la IA — por qué la misma pregunta da respuestas distintas
- Contador de tokens para ChatGPT, Claude y Gemini — contar y estimar tokens tú mismo
- ChatGPT para Excel: flujos de FP&A — alimentar datos financieros sin reventar la ventana
- ChatGPT vs Claude vs Gemini — los tamaños de contexto en comparación honesta
Preguntas frecuentes
¿Qué es una ventana de contexto, en pocas palabras? La ventana de contexto es cuánto puede leer una IA y tener presente de una sola vez durante una conversación: tu pregunta, todo lo que pegaste y el ida y vuelta hasta ese punto. Se mide en tokens, pedazos de texto de unos cuatro caracteres cada uno. Cuando un chat se hace más largo que la ventana, las partes más viejas salen del campo de visión — y por eso parece que la IA olvidó lo que le dijiste al principio.
¿Por qué ChatGPT olvida lo que le dije antes? Porque la conversación superó la ventana de contexto. El modelo solo ve la parte más reciente del chat que entra en su límite de tokens; una vez que cruzas esa línea, los primeros mensajes se caen y la IA de verdad ya no puede verlos. No te está ignorando y no está rota: el texto viejo simplemente quedó fuera de la ventana. Un chat nuevo, o volver a pegar los datos clave, los trae de vuelta al campo de visión.
¿De qué tamaño es la ventana de contexto en 2026? Depende del modelo. Claude está en 200 000 tokens por defecto, con una opción de 1 millón en beta. El GPT-5.x de OpenAI maneja según la variante desde varios cientos de miles hasta 1 millón de tokens, y la app de ChatGPT ronda los 400 000. Google indica hasta 2 millones de tokens para Gemini. Como regla rápida: 1 millón de tokens son alrededor de 600 000 a 700 000 palabras en español, o sea varios libros.
¿Cuál es la diferencia entre ventana de contexto y memoria de la IA? La ventana de contexto es memoria a corto plazo: todo lo que está en el chat actual, que la IA olvida en cuanto ese chat termina. La memoria de la IA es a largo plazo: datos que la IA guarda y reutiliza en conversaciones futuras y separadas. La ventana es lo que tiene enfrente ahora; la memoria es lo que se lleva de una sesión a otra. Un PDF largo que pegas vive en la ventana de contexto, no en la memoria.
¿Una ventana más grande significa mejores respuestas? No, no automáticamente. Una ventana más grande te deja meter más cosas, pero los modelos recuerdan los datos del principio y del final de un contexto largo mucho mejor que los que quedan enterrados en el medio — el conocido problema del “lost in the middle” (Liu et al., 2023). Además, llenar la ventana de texto apenas relevante diluye el foco de la IA y sale más caro. Muchas veces un contexto chico y bien elegido le gana a uno gigante y desordenado.
¿Cómo evito chocar con el límite de la ventana? Pega solo lo que importa en vez de documentos enteros, abre un chat nuevo para una tarea nueva y resume un hilo largo antes de seguir. Para trabajo repetido sobre una base de conocimiento grande, la recuperación (RAG) trae solo los fragmentos relevantes, no toda la biblioteca. Y pon tus instrucciones más importantes al principio o al final de un prompt largo — ahí es donde el modelo lee con más fidelidad.
Fuentes
- Anthropic, “Context windows” (documentación de Claude), consultado el 06/07/2026. https://platform.claude.com/docs/en/build-with-claude/context-windows
- Google AI for Developers, “Long context” (API de Gemini), consultado el 06/07/2026. https://ai.google.dev/gemini-api/docs/long-context
- IBM (Think), “¿Qué es una ventana de contexto?”, consultado el 06/07/2026. https://www.ibm.com/think/topics/context-window
- Noticias.ai, “Ventana de contexto en los modelos de lenguaje: el límite de memoria que lo cambia todo”, consultado el 06/07/2026. https://noticias.ai/ventana-de-contexto/
- El Observador, “Cuánto texto soporta realmente ChatGPT o Gemini antes de empezar a fallar”, consultado el 06/07/2026. https://www.elobservador.com.uy/ciencia-y-tecnologia/cuanto-texto-soporta-realmente-chatgpt-o-gemini-antes-empezar-fallar-asi-funciona-la-ventana-contexto-n6024563
- Academia de IA, “Qué son los tokens en IA y por qué afectan a cómo usas ChatGPT o Claude”, consultado el 06/07/2026. https://academiadeia.es/que-son-los-tokens-en-ia-y-por-que-afectan-a-como-usas-chatgpt-o-claude/
- Liu et al., “Lost in the Middle: How Language Models Use Long Contexts” (arXiv 2307.03172, TACL 2024), consultado el 06/07/2026. https://arxiv.org/abs/2307.03172
- Modarressi et al., “NoLiMa: Long-Context Evaluation Beyond Literal Matching” (arXiv 2502.05167), consultado el 06/07/2026. https://arxiv.org/abs/2502.05167
- Chroma Research, “Context Rot: How Increasing Input Tokens Impacts LLM Performance”, consultado el 06/07/2026. https://research.trychroma.com/context-rot
