Wat is het contextvenster van een LLM?

De contextvenster (context window) is de hoeveelheid tekst die een LLM gelijktijdig in "geheugen" kan houden tijdens een gesprek. GPT-4 Turbo: 128.000 tokens (~300 pagina's). Claude 3.5 Sonnet: 200.000 tokens. Gemini 1.5 Pro: 1 miljoen tokens. Daarboven "vergeet" het model het begin van het gesprek of document.

Wat is het contextvenster van een LLM, voor een merk?

Een token is de basiseenheid van een LLM, ongeveer 0,75 woord in Engels, 0,7 in Frans, 0,65 in Nederlands. "Een contextvenster van 128k komt neer op ongeveer 85.000 woorden in het Nederlands, zo'n 280 standaardpagina's, en dat is de hoeveelheid tekst die een model tegelijk kan vasthouden", verduidelijkt Lorenzo Eeman, oprichter van PROEMA. Drie praktische implicaties voor een B2B-merk: (1) Documentlimieten, een PDF van 500 pagina's analyseren met ChatGPT vergt handmatig opdelen; Claude of Gemini doet dat natief. (2) Gespreksgeheugen, na 50-100 dichte uitwisselingen vergeet ChatGPT het begin. Voor lange briefings: brief bovenaan elke sleutelprompt houden. (3) Kostprijs, API factureert elk input-token. 100k tokens context zenden kost 50× meer dan een korte prompt. Gulden regel: minimum sturen. Voor GEO impacteert de contextvenster hoe een LLM zijn antwoord op uw merk "componeert".

Wat de cijfers van 2026 echt zeggen over Wat is het contextvenster van een LLM

Publieke benchmarks wijzen op drie signalen. ChatGPT bereikt begin 2026 900 miljoen wekelijkse actieve gebruikers (OpenAI-aankondiging via TechCrunch 27 februari 2026). Google AI Overviews dekt 47 % van de Europese queries in maart 2026 (Semrush Sensor 2026). Perplexity meldt +800 % jaar-op-jaar querygroei. Praktisch: informationele traffic die Google's blauwe links verlaat is geen randverschijnsel meer, voor een B2C F&B-site is dat doorgaans 15-25 % van het meetbare verkeer (Cloudflare AI Crawl Control of GA4 « ai-referrer »-segmenten).

Waarom Wat is het contextvenster van een LLM geen optie is voor serieuze merken

De 5W Citation Source Audit Q1 2026 toont dat LLMs hun citaten richten op een kleine groep bronnen: Wikipedia (13,15 % bij ChatGPT) + Reddit (11,97 %) = 25 % van citaten, gevolgd door verticale databanken (Yelp, TripAdvisor, IMDB). Voor F&B-merken is het binair: ofwel sta je in de bronnen die LLMs lezen, ofwel verschijn je nooit, er is geen « pagina 2 » van LLM-citatie. De PROEMA-discipline mikt precies hierop: content structureren via Schema.org, publiceren op hubs die crawlers écht lezen, en Author/Person + sameAs Wikidata fixen om door het confidence-filter te raken.

Operationele regel van PROEMA voor Wat is het contextvenster van een LLM

Vertaling: stop met toekijken vanaf de zijlijn. Tegen juni 2026 krijgt een B2C F&B-merk zonder Schema.org Author/Person, zonder sameAs Wikidata en zonder FAQPage ongeveer nul LLM-citaten op long-tail informationele queries, bevestigd in PROEMA-verticalen (expertvin.be, expertcafe.be, zeroproof.one). De oplossing is niet theoretisch: drie concrete deliverables (Schema markup audit + Wikidata entry + FAQ playbook 5-blokken structuur) uitgevoerd in zes tot acht weken.

Concrete actie deze week voor Wat is het contextvenster van een LLM

Drie stappen die elk merk vandaag kan starten zonder externe hulp: (1) een audit van Schema.org via Google Rich Results Test op de homepage en op de drie meest bezochte content-pagina's, (2) een Wikidata-entry aanvragen voor de oprichter of directeur als die nog niet bestaat (een proces van vier tot twaalf weken voor erkenning), (3) een eerste FAQ in de playbook 5-blokken-structuur publiceren over de meest gestelde sectorvraag. Drie taken, drie weken werk, een meetbaar effect op LLM-zichtbaarheid binnen het kwartaal volgens PROEMA-benchmarks op zeroproof.one en expertcafe.be.