Si los tokens son la unidad básica con la que trabaja el modelo, el contexto es el marco activo dentro del cual interpreta lo que recibe y construye lo que responde. En términos simples, el contexto es la información que el modelo tiene presente en ese momento para generar la siguiente salida.

Ese contexto puede incluir tu instrucción actual, mensajes anteriores, fragmentos de un documento, contenido añadido por una herramienta o partes de la propia respuesta en construcción. El modelo no responde desde una memoria humana estable, sino desde la información que tiene disponible dentro de esa ventana activa.

Por eso el contexto importa tanto. Una respuesta puede cambiar mucho según la claridad de la petición, el material previo disponible, el orden de la información y la cantidad de contenido que cabe dentro de esa ventana. Si el contexto es pobre, ambiguo o insuficiente, la calidad de la salida suele caer. Si está bien construido, el modelo tiene más posibilidades de producir una respuesta útil y alineada con lo que se espera.

Este concepto también ayuda a comprender una limitación importante: el modelo no puede mantener presente una cantidad infinita de información al mismo tiempo. Existe una ventana de contexto limitada. Cuando esa ventana se satura o queda mal organizada, parte de la información puede perder relevancia o dejar de influir de la forma esperada.

Entender el contexto es entender una de las reglas más importantes del uso real de la IA moderna: la calidad de la respuesta depende en gran medida de la calidad, claridad y estructura del contexto disponible.