Gemini รองรับ Context Window กี่ Token

Gemini รองรับ Context Window แตกต่างกันตามรุ่นโมเดลและช่องทางการใช้งาน โดยโมเดล Gemini API หลายรุ่นรองรับ Input สูงสุดประมาณ 1,048,576 Token หรือราว 1 ล้าน Token และรองรับ Output สูงสุดประมาณ 65,536 Token แต่ไม่ใช่ทุกโมเดลจะมีขีดจำกัดเท่ากัน

ผู้ใช้ต้องแยก Input Token Limit ออกจาก Output Token Limit รวมถึงตรวจสอบ Model ID ที่ใช้งานจริง เพราะ Gemini App, Gemini API และ Live API อาจกำหนดขีดจำกัดแตกต่างกัน นอกจากนี้ การรองรับหนึ่งล้าน Token ไม่ได้หมายความว่าจะอัปโหลดไฟล์ได้ทุกขนาดหรือให้ Gemini สร้างคำตอบยาวหนึ่งล้าน Token

Gemini รองรับกี่ Token

ข้อมูลที่ตรวจสอบในเดือนกันยายน 2026 พบว่าโมเดล Gemini หลายรุ่นสำหรับ Gemini API รองรับขีดจำกัดในระดับต่อไปนี้

ประเภทขีดจำกัด	จำนวนโดยประมาณ
Input Token Limit	1,048,576 Token
Output Token Limit	65,536 Token
ชื่อที่มักใช้เรียก	Context 1M และ Output ประมาณ 64K–65K

ตัวเลขดังกล่าวพบในโมเดลหลายรุ่น เช่น Gemini Pro, Flash และ Flash-Lite บางรุ่น แต่ไม่ควรสรุปว่า Gemini ทุกโมเดลรองรับตัวเลขเดียวกัน เพราะรุ่นเฉพาะทาง รุ่น Live และโมเดลที่เปิดตัวในอนาคตอาจมีขีดจำกัดต่างออกไป

1 ล้าน Token คือเท่าไร

หนึ่งล้าน Token เป็นปริมาณข้อมูลที่ใหญ่มาก Google ยกตัวอย่างเพื่อช่วยให้เห็นภาพว่าอาจเทียบได้กับข้อมูลประเภทต่อไปนี้

• โค้ดประมาณ 50,000 บรรทัด เมื่อใช้ความยาวบรรทัดตามตัวอย่างมาตรฐาน
• นวนิยายภาษาอังกฤษความยาวเฉลี่ยประมาณ 8 เล่ม
• บทถอดเสียงพอดแคสต์ความยาวเฉลี่ยมากกว่า 200 ตอน
• ประวัติข้อความที่สะสมต่อเนื่องเป็นเวลาหลายปี

ตัวเลขเหล่านี้เป็นเพียงการประมาณเพื่อแสดงขนาดของ Context Window ไม่ใช่จำนวนที่รับประกัน เพราะภาษา รูปแบบไฟล์ ความยาวบรรทัด รูปภาพ เสียง และวิดีโอใช้ Token แตกต่างกัน

Input Token Limit คืออะไร

Input Token Limit คือปริมาณข้อมูลสูงสุดที่ผู้ใช้ส่งเข้าไปให้โมเดลประมวลผล โดยอาจประกอบด้วยข้อมูลทั้งหมดต่อไปนี้

• Prompt ของผู้ใช้
• คำสั่งระบบ
• ประวัติการสนทนา
• เอกสาร
• ข้อความในไฟล์ PDF
• โค้ด
• รูปภาพ
• เสียง
• วิดีโอ
• ข้อมูลจากเครื่องมือ
• ผลการค้นหา
• Function Response

หากโมเดลรองรับ Input 1,048,576 Token หมายความว่าข้อมูลขาเข้าทั้งหมดต้องไม่เกินขีดจำกัดดังกล่าว ไม่ได้หมายความว่า Prompt ที่พิมพ์ล่าสุดเพียงส่วนเดียวสามารถใช้ Token ได้เต็มจำนวนเสมอไป

Output Token Limit คืออะไร

Output Token Limit คือจำนวน Token สูงสุดที่โมเดลสามารถสร้างเป็นคำตอบ เช่น

• บทความ
• รายงาน
• โค้ด
• ตาราง
• JSON
• คำอธิบาย
• บทสรุป
• Function Call

แม้โมเดลจะรับข้อมูลเข้าได้ประมาณหนึ่งล้าน Token แต่ Output อาจถูกจำกัดไว้ประมาณ 65,536 Token ดังนั้นการส่งหนังสือหลายเล่มให้โมเดลไม่ได้หมายความว่าจะสั่งให้เขียนคำตอบยาวเท่าหนังสือทั้งหมดได้ในครั้งเดียว

Context Window รวม Input และ Output หรือไม่

คำว่า Context Window ใช้อธิบายพื้นที่ข้อมูลที่โมเดลสามารถจัดการระหว่างประมวลผล แต่เอกสารของ Gemini มักแสดงขีดจำกัดเป็นสองค่าแยกกัน ได้แก่

📥 ❶ Input Token Limit

จำนวน Token สูงสุดที่ส่งเข้าโมเดลได้

📤 ❷ Output Token Limit

จำนวน Token สูงสุดที่โมเดลสามารถสร้างกลับมาได้

เมื่อตรวจสอบว่าโมเดลรองรับ Context เท่าไร จึงต้องดูทั้งสองค่า ไม่ควรดูเฉพาะคำว่า 1M Context แล้วเข้าใจว่า Input และ Output ใช้ได้อย่างละหนึ่งล้าน Token

ตัวอย่างขีดจำกัดของ Gemini API

โมเดลที่ Google เปิดให้ใช้งานสามารถมีตัวเลขแตกต่างกันตามเวอร์ชัน ตัวอย่างโครงสร้างข้อมูลที่ควรตรวจสอบมีดังนี้

รายการ	สิ่งที่ต้องตรวจสอบ
Model ID	รหัสโมเดลที่เรียกผ่าน API
Input Token Limit	จำนวน Token ขาเข้าสูงสุด
Output Token Limit	จำนวน Token ขาออกสูงสุด
Supported Inputs	ข้อความ ภาพ เสียง วิดีโอ หรือ PDF
Model Status	Stable, Preview หรือ Deprecated
Rate Limit	จำนวนคำขอต่อนาทีหรือช่วงเวลา
Pricing	ราคา Input, Output และ Cache

ไม่ควรนำขีดจำกัดของโมเดลหนึ่งไปใช้กับอีกโมเดลโดยอัตโนมัติ แม้ชื่อจะอยู่ในตระกูลเดียวกันก็ตาม

Gemini App รองรับหนึ่งล้าน Token หรือไม่

การใช้ Gemini App แตกต่างจากการเรียก Gemini API โดยตรง ผู้ใช้แอปอาจไม่ได้เห็นจำนวน Token หรือเลือก Model ID ได้ละเอียดเหมือนนักพัฒนา

แม้โมเดลเบื้องหลังจะรองรับ Context ขนาดใหญ่ แต่การใช้งานผ่านแอปยังอยู่ภายใต้ข้อจำกัดอื่น เช่น

• จำนวนไฟล์ต่อ Prompt
• ขนาดไฟล์สูงสุด
• ความยาววิดีโอ
• ประเภทไฟล์ที่รองรับ
• แพ็กเกจของผู้ใช้
• ขีดจำกัดการใช้งาน
• ความพร้อมของฟีเจอร์
• วิธีจัดการประวัติการสนทนา

จึงไม่ควรใช้จำนวน Token ของ Gemini API เป็นหลักฐานว่าแอป Gemini จะรับไฟล์หรือข้อมูลได้เท่ากันทุกกรณี

Live API รองรับ Context เท่ากันหรือไม่

Live API ออกแบบมาสำหรับการสื่อสารแบบเรียลไทม์ เช่น การสนทนาด้วยเสียงหรือวิดีโอ จึงอาจมี Context Window ต่ำกว่าโมเดลสำหรับสร้างข้อความทั่วไป

ข้อมูลที่ตรวจสอบในเดือนกันยายน 2026 ระบุว่าบางรูปแบบของ Live API อาจรองรับ Context ดังนี้

• โมเดลที่สร้างเสียงโดยตรง: สูงสุดประมาณ 128K Token
• โมเดล Live API ประเภทอื่นบางรุ่น: ประมาณ 32K Token

ตัวเลขและเงื่อนไขสามารถเปลี่ยนได้ นักพัฒนาต้องตรวจสอบเอกสารของ Live Model ที่เลือกก่อนออกแบบระยะเวลาการสนทนา

Token ภาษาไทยคำนวณอย่างไร

ไม่สามารถกำหนดตายตัวได้ว่าหนึ่งคำภาษาไทยเท่ากับกี่ Token เพราะโมเดลแบ่งข้อความตามรูปแบบภายใน ไม่ได้แบ่งจากช่องว่างเพียงอย่างเดียว

ตัวอักษรต่อไปนี้อาจส่งผลต่อจำนวน Token

• พยัญชนะและสระภาษาไทย
• ตัวเลข
• ภาษาอังกฤษที่แทรกอยู่
• เครื่องหมายวรรคตอน
• URL
• โค้ด
• Emoji
• ช่องว่าง
• อักขระพิเศษ

บทความภาษาไทยที่มีจำนวนคำเท่ากับบทความภาษาอังกฤษจึงอาจใช้ Token ไม่เท่ากัน วิธีที่แม่นยำกว่าคือใช้เครื่องมือนับ Token ของ Gemini API

รูปภาพใช้ Token หรือไม่

ใช้ รูปภาพจะถูกประมวลผลและนับเป็น Token ตามขนาด การแบ่งส่วนภาพ และวิธีคำนวณของโมเดล

รูปภาพรายละเอียดสูงหรือภาพขนาดใหญ่อาจใช้ Token มากกว่าภาพขนาดเล็ก การส่งภาพหลายรูปพร้อมข้อความและประวัติแชตจะทำให้ Input Token รวมเพิ่มขึ้น

วิดีโอและเสียงใช้ Token หรือไม่

ใช้เช่นกัน Gemini จะประมวลผลข้อมูลจากเสียงและวิดีโอในรูปแบบที่โมเดลเข้าใจ ความยาวและรายละเอียดของสื่อส่งผลต่อปริมาณ Token

วิดีโอหรือเสียงที่ยาวอาจใช้พื้นที่ Context มาก แม้ขนาดไฟล์เป็น MB จะไม่สูงมากก็ตาม เพราะขนาดไฟล์และจำนวน Token เป็นคนละหน่วย

PDF ใช้ Token อย่างไร

ไฟล์ PDF อาจมีทั้งข้อความ ตาราง รูปภาพ และโครงสร้างหน้า ระบบจึงต้องประมวลผลหลายส่วน

PDF ที่มีจำนวนหน้าเท่ากันอาจใช้ Token ต่างกัน เช่น

• PDF ข้อความล้วน
• PDF ที่สแกนจากกระดาษ
• PDF ที่มีตารางจำนวนมาก
• PDF ที่มีรูปภาพความละเอียดสูง
• PDF ที่มีตัวอักษรหลายภาษา

ผู้ใช้ควรนับ Token หรือทดสอบกับไฟล์จริง แทนการประมาณจากจำนวนหน้าเพียงอย่างเดียว

ประวัติแชตนับรวม Token หรือไม่

โดยทั่วไป ประวัติการสนทนาที่ระบบส่งให้โมเดลเพื่อรักษาบริบทจะนับเป็น Input Token ในคำขอถัดไป

เมื่อสนทนานานขึ้น ข้อมูลขาเข้าจึงเพิ่มขึ้นเรื่อย ๆ ซึ่งอาจส่งผลต่อ

• ความเร็วในการตอบ
• ค่าใช้จ่าย API
• ขีดจำกัด Context
• ปริมาณการใช้งาน
• ความสามารถในการอ้างอิงข้อความเก่า

หากบทสนทนาเริ่มสับสนหรือมีข้อมูลที่ไม่เกี่ยวข้องมาก ควรเริ่มแชตใหม่แล้วส่งเฉพาะบทสรุปและข้อมูลที่จำเป็น

วิธีตรวจสอบจำนวน Token ก่อนส่ง

🔢 ❶ ใช้ Count Tokens API

Gemini API มีคำสั่งสำหรับนับ Token ของข้อมูลก่อนเรียกสร้างคำตอบ ช่วยตรวจว่า Prompt และไฟล์จะเกินขีดจำกัดหรือไม่

🆔 ❷ ตรวจ Model ID

ต้องนับ Token และตรวจ Limit ตามโมเดลที่จะใช้งานจริง เพราะแต่ละรุ่นอาจแบ่ง Token และกำหนดขีดจำกัดต่างกัน

📊 ❸ ตรวจ Usage Metadata

หลังได้รับคำตอบ นักพัฒนาสามารถอ่านข้อมูลการใช้งานจาก Response เพื่อดู Input, Output, Cached และ Token รวมตามข้อมูลที่ API ส่งกลับ

💰 ❹ คำนวณค่าใช้จ่าย

นำจำนวน Token ไปคูณกับราคาต่อหน่วยของโมเดล โดยแยกราคา Input, Output และ Cached Token ตามเงื่อนไขปัจจุบัน

วิธีลด Token โดยไม่ทำให้คำตอบแย่ลง

✂️ ส่งเฉพาะข้อมูลที่จำเป็น

ลบข้อความซ้ำ เนื้อหาที่ไม่เกี่ยวข้อง และเอกสารที่ไม่ใช้ตอบคำถาม

📝 สรุปประวัติการสนทนา

เมื่อต้องทำงานต่อจากแชตยาว สามารถสร้างบทสรุปที่เก็บเฉพาะเป้าหมาย การตัดสินใจ ข้อจำกัด และสถานะล่าสุด

🗂️ ใช้ File Search หรือ RAG

แทนการส่งเอกสารทั้งหมดทุกครั้ง ระบบสามารถค้นและส่งเฉพาะส่วนที่เกี่ยวข้องกับคำถามให้โมเดล

💾 ใช้ Context Caching

หากต้องส่งข้อมูลชุดเดิมซ้ำหลายครั้ง Context Caching อาจช่วยลดต้นทุนและเพิ่มประสิทธิภาพตามเงื่อนไขของ API

🎯 เขียน Prompt ให้กระชับ

ระบุเป้าหมายและรูปแบบคำตอบให้ชัด ลดคำสั่งซ้ำและข้อความที่ไม่มีผลต่อผลลัพธ์

📤 จำกัด Output

กำหนดความยาว จำนวนข้อ หรือรูปแบบคำตอบ ช่วยป้องกันโมเดลสร้าง Output มากเกินความจำเป็น

comsiam แนะนำให้นักพัฒนาตรวจ Token จริงก่อนเปิดระบบ Production เพราะการประมาณจากจำนวนคำหรือขนาดไฟล์อาจคลาดเคลื่อนได้มาก

หาก Token เกินขีดจำกัดต้องทำอย่างไร

🚫 ❶ ลดข้อมูลขาเข้า

ลบส่วนที่ไม่เกี่ยวข้องหรือเลือกเฉพาะหน้าที่ต้องการจากเอกสาร

🧱 ❷ แบ่งไฟล์เป็นส่วน

ประมวลผลทีละบทหรือทีละชุด แล้วรวมบทสรุปในขั้นตอนสุดท้าย

🔍 ❸ ใช้ระบบค้นคืนข้อมูล

สร้าง File Search หรือ RAG เพื่อดึงเฉพาะข้อมูลที่เกี่ยวข้องเข้ามาใน Context

🔄 ❹ เริ่มแชตใหม่

หากประวัติการสนทนายาวเกินไป ให้เริ่มใหม่พร้อมบทสรุปสถานะล่าสุด

🤖 ❺ เลือกโมเดลที่รองรับ Context มากกว่า

ตรวจสอบรุ่นที่มี Input Limit สูงกว่า แต่ต้องพิจารณาราคา ความสามารถและสถานะของโมเดลร่วมด้วย

Context 1M ทำให้ Gemini อ่านข้อมูลครบหรือไม่

ไม่รับประกัน แม้ข้อมูลทั้งหมดจะอยู่ภายในขีดจำกัด โมเดลอาจยังมีปัญหา เช่น

• มองข้ามรายละเอียด
• สับสนระหว่างไฟล์
• เชื่อมโยงข้อมูลผิด
• อ้างตำแหน่งคลาดเคลื่อน
• สร้างข้อสรุปเกินหลักฐาน
• ให้ความสำคัญกับข้อมูลผิดส่วน

ผู้ใช้ควรกำหนดคำถามให้ชัด ขอให้ระบุชื่อไฟล์และตำแหน่งข้อมูล และตรวจคำตอบกับต้นฉบับเสมอ

คำถามที่พบบ่อย

Gemini รองรับหนึ่งล้าน Token ทุกรุ่นไหม

ไม่ทุกรุ่น โมเดล Gemini หลายรุ่นรองรับ Input ประมาณหนึ่งล้าน Token แต่รุ่น Live และรุ่นเฉพาะทางอาจมีขีดจำกัดแตกต่างกัน

หนึ่งล้าน Token เท่ากับกี่คำ

ไม่มีจำนวนตายตัว เพราะขึ้นอยู่กับภาษา รูปแบบข้อความและการแบ่ง Token ของโมเดล จึงควรใช้เครื่องมือนับ Token แทนการคาดเดา

Gemini สร้างคำตอบได้หนึ่งล้าน Token ไหม

ไม่ได้ตามขีดจำกัดของรุ่นทั่วไปที่กล่าวถึง Input อาจรองรับประมาณหนึ่งล้าน Token แต่ Output สูงสุดมักต่ำกว่ามาก

ไฟล์ขนาดเล็กใช้ Token น้อยเสมอไหม

ไม่เสมอ ขนาดไฟล์และ Token เป็นคนละหน่วย ไฟล์ที่บีบอัดดีอาจมีข้อมูลจำนวนมาก ขณะที่ภาพขนาดใหญ่บางภาพอาจใช้ Token ตามวิธีประมวลผลภาพ

Token มีผลต่อราคา Gemini API ไหม

มี ค่าใช้จ่าย API มักคำนวณจาก Input และ Output Token รวมถึงเงื่อนไขของ Cache หรือบริการอื่น

ผู้ใช้แอป Gemini ดูจำนวน Token ได้ไหม

แอปสำหรับผู้ใช้ทั่วไปอาจไม่แสดงรายละเอียดเหมือน API นักพัฒนาสามารถใช้ Count Tokens และ Usage Metadata เพื่อตรวจสอบได้ละเอียดกว่า

สรุป Gemini รองรับ Context กี่ Token

โมเดล Gemini API หลายรุ่นรองรับ Input Context สูงสุดประมาณ 1,048,576 Token และ Output สูงสุดประมาณ 65,536 Token แต่ตัวเลขไม่เหมือนกันทุกโมเดลและทุกช่องทาง

Gemini App ยังมีข้อจำกัดด้านจำนวนไฟล์ ขนาดไฟล์ ประเภทไฟล์ และแพ็กเกจ ส่วน Live API บางรุ่นอาจรองรับ Context เพียง 32K หรือ 128K Token ดังนั้นต้องตรวจสอบ Model ID และเอกสารล่าสุดก่อนใช้งาน

Context ขนาดใหญ่ช่วยให้วิเคราะห์เอกสาร โค้ด เสียง และวิดีโอจำนวนมากได้ แต่ไม่ได้รับประกันว่าจะอ่านข้อมูลครบหรือให้คำตอบถูกต้อง นักพัฒนาควรนับ Token ลดข้อมูลที่ไม่เกี่ยวข้อง และใช้ Context Caching หรือ File Search เมื่อเหมาะสม สามารถติดตามคู่มือเกี่ยวกับ Gemini API เพิ่มเติมได้จาก comsiam

Meta Description: Gemini รองรับ Context Window กี่ Token ตรวจสอบ Input 1M และ Output ประมาณ 65K พร้อมวิธีนับ Token และจัดการเมื่อข้อมูลเกินขีดจำกัด