ข้อความไทยยาวแค่ไหนที่ AI รับได้
แต่ละโมเดลรับข้อความได้จำกัดตามจำนวน token (context window) และภาษาไทยใช้ token มากกว่าภาษาอังกฤษ วางเอกสาร หรือใส่จำนวนตัวอักษร แล้วดูว่าโมเดลไหนรับได้ทั้งหมด
🔒ข้อความไม่ออกจากเครื่องคุณ นับ token แบบละเอียด → | โมเดล | context (token) | รับได้ ≈ ตัวอักษรไทย | ≈ บทความ | เอกสารของคุณ |
| Llama 4 Scout | 1,310,720 | 4,245,532 | 516 | – |
| Qwen3.7 Flash | 1,000,000 | 3,543,223 | 431 | – |
| Qwen3.7 Max | 1,000,000 | 3,543,223 | 431 | – |
| Qwen3.7 Plus | 1,000,000 | 3,543,223 | 431 | – |
| Qwen3.8 27B | 1,000,000 | 3,543,223 | 431 | – |
| Qwen3.8 Flash | 1,000,000 | 3,543,223 | 431 | – |
| Qwen3.8 Max | 1,000,000 | 3,543,223 | 431 | – |
| Gemini 2.5 Flash-Lite | 1,048,576 | 3,092,071 | 376 | – |
| Gemini 3.1 Pro | 1,048,576 | 3,092,071 | 376 | – |
| Gemini 3.5 Flash-Lite | 1,048,576 | 3,092,071 | 376 | – |
| Gemini 3.7 Flash | 1,048,576 | 3,092,071 | 376 | – |
| Gemini 3.8 Flash | 1,048,576 | 3,092,071 | 376 | – |
| Amazon Nova 2 Lite | 1,000,000 | 3,067,305 | 373 | – |
| DeepSeek V4 Flash | 1,048,576 | 3,017,935 | 367 | – |
| DeepSeek V4 Pro | 1,048,576 | 3,017,935 | 367 | – |
| DeepSeek V4.1 Flash | 1,048,576 | 3,017,935 | 367 | – |
| GPT-5.5 | 1,050,000 | 2,848,583 | 346 | – |
| GPT-5.6 Luna | 1,050,000 | 2,848,583 | 346 | – |
| GPT-5.6 Sol | 1,050,000 | 2,848,583 | 346 | – |
| GPT-5.6 Terra | 1,050,000 | 2,848,583 | 346 | – |
| GPT-6 Astra | 1,050,000 | 2,848,583 | 346 | – |
| GPT-6 Luna | 1,050,000 | 2,848,583 | 346 | – |
| GPT-6 Sol | 1,050,000 | 2,848,583 | 346 | – |
| GPT-4.1 mini | 1,047,576 | 2,841,982 | 345 | – |
| Kimi K3 | 1,048,576 | 1,778,385 | 216 | – |
| Llama 4 Maverick | 524,288 | 1,690,415 | 205 | – |
| GLM-5.3 | 1,048,576 | 1,542,514 | 187 | – |
| GLM-5.3 Flash | 1,048,576 | 1,542,514 | 187 | – |
| Grok 4.6 | 500,000 | 1,510,582 | 183 | – |
| Grok 4.7 | 500,000 | 1,510,582 | 183 | – |
| MiniMax M3 | 1,048,576 | 1,400,298 | 170 | – |
| Claude Fable 5 | 1,000,000 | 1,360,767 | 165 | – |
| Claude Fable 5.1 | 1,000,000 | 1,360,767 | 165 | – |
| Claude Opus 5 | 1,000,000 | 1,360,767 | 165 | – |
| Claude Opus 5.5 | 1,000,000 | 1,360,767 | 165 | – |
| Claude Sonnet 5 | 1,000,000 | 1,360,767 | 165 | – |
| GPT-5 nano | 400,000 | 1,078,431 | 131 | – |
| GPT-5.4 mini | 400,000 | 1,078,431 | 131 | – |
| Qwen3.6 35B-A3B | 262,144 | 918,335 | 111 | – |
| Mistral Medium 3.5 | 262,144 | 561,148 | 68 | – |
| Qwen3 235B-A22B | 262,144 | 549,476 | 66 | – |
| Qwen3 30B-A3B | 262,144 | 549,476 | 66 | – |
| Kimi K2.5 | 262,144 | 435,648 | 53 | – |
| Kimi K2.6 | 262,144 | 435,648 | 53 | – |
| GPT-4o mini | 128,000 | 337,690 | 41 | – |
| Llama 3.3 70B | 131,072 | 318,037 | 38 | – |
| Claude Haiku 4.5 | 200,000 | 284,828 | 34 | – |
| MiniMax M2.7 | 204,800 | 269,180 | 32 | – |
context window คืออะไร
- คือจำนวน token สูงสุดที่โมเดลรับได้ในการคุยหนึ่งครั้ง รวมทั้งคำสั่ง เอกสารที่แนบ ประวัติการคุย และคำตอบที่โมเดลเขียนออกมา ช่อง “เผื่อไว้ให้คำตอบ” มีไว้เพราะเหตุนี้
- ภาษาไทยใช้ token ต่อตัวอักษรต่างกันมากในแต่ละโมเดล โมเดลที่ context ใหญ่กว่าจึงไม่ได้รับข้อความไทยได้มากกว่าเสมอไป
- รับได้ไม่ได้แปลว่าอ่านได้ดีทุกส่วน งานวิจัย “Lost in the Middle” (Liu และคณะ, TACL 2023) พบว่าโมเดลในตอนนั้นใช้ข้อมูลที่อยู่กลางเอกสารยาวได้แย่กว่าข้อมูลที่อยู่ต้นหรือท้าย ถ้าเอกสารยาวมาก ควรวางคำถามและส่วนสำคัญไว้ต้นหรือท้าย
คำนวณอย่างไร
- จำนวน token ต่อตัวอักษรไทยวัดจากบทความภาษาไทยจริง 109 ชิ้นบนเว็บนี้ ซึ่งมีคำภาษาอังกฤษปนแบบข่าวไอทีทั่วไป ข้อความไทยล้วนอาจใช้ token มากกว่านี้เล็กน้อย
- GPT, Qwen และ Typhoon นับด้วย tokenizer จริง ค่ายอื่นคำนวณจากอัตราที่วัดผ่าน OpenRouter เทียบกับ GPT (ดูรายละเอียดที่หน้านับ Token)
- ขนาด context ของแต่ละรุ่นดึงจาก OpenRouter ทุกครั้งที่เว็บอัปเดต ข้อมูลรอบล่าสุด 2026-10-21 บางผู้ให้บริการเปิดให้ใช้ context น้อยกว่าที่โมเดลรองรับ
- เมื่อวางเอกสาร: GPT นับแม่น ตัวอื่นเป็นค่าประมาณจากสัดส่วนอักษรไทยในเอกสารของคุณ
