Claude Code a milionové kontextové okno: Co to znamená pro váš kód
Vzpomínáte si, jak jste museli kopírovat soubory do chatu po částech? Nebo jak Claude zapomněl kontext po třetí otázce? Tohle je minulost — a od roku 2026 dokonce i minulost prémiová. Kontextové okno 1 milion tokenů, které bylo loni dostupné jen v beta verzi za příplatek, je dnes standardní součástí placených plánů pro aktuální modely Claude. A to mění způsob, jak s agentem pracujete.
Pro srovnání: průměrný román má přibližně 90 000 slov. Claude Code s milionovým kontextem vidí zhruba 10 románů najednou – v praxi to znamená, že si načte celý váš projekt, pochopí architekturu, sleduje závislosti a refaktoruje kód bez ztráty kontextu. Pojďme se podívat, co se za půl roku změnilo a jak z toho vytáhnout maximum.
Co se změnilo: 1M kontext už není experiment
Stav v září 2026 je výrazně příznivější než na jaře, kdy jsme o milionovém kontextu psali jako o novince:
- Sonnet 5, Opus 5 a Fable 5.1 podporují 1M tokenů na všech placených plánech – žádný příplatok, žádná beta
- Opus 5 má 1M kontext jako výchozí – navíc s maximem 128K tokenů na výstup, takže zvládne vygenerovat i rozsáhlé změny v jedné operaci
- 1M kontext je dostupný za standardní ceny – dřív šlo o prémiovou funkci s výrazně vyšším tarifem, dnes je to běžná součást platformy
- Starší modely (Opus 4.8, 4.7, Haiku 4.5) zůstávají na 200K – pokud tedy potřebujete opravdu velký kontext, volba modelu hraje roli
Zásadní je i kvalita práce s dlouhým kontextem. Anthropic měří schopnost modelu vyznat se v dlouhém kontextu benchmarkerem MRCR – a zatímco starší menší modely při milionu tokenů ztrácely souvislost (Sonnet 4.5 dosahoval kolem 18,5 %), aktuální Opus-třída udržuje přes 76 %. Prakticky to znamená: pokud načtete celý velký projekt, model si na začátku i na konci pamatuje, co je uvnitř, a neplete si závislosti mezi moduly.
Co milion tokenů reálně pojme
1 milion tokenů je přibližně:
- 750 000 slov textu
- 25 000–50 000 řádků kódu (záleží na jazyce)
- Celý středně velký projekt v jednom kontextu
Konkrétní příklady, co se vejde bez ořezávání:
- Celý Next.js projekt s backendem, frontendem a testy
- Rozsáhlá dokumentace API + implementace dohromady
- Kompletní monorepo s více balíčky
- Celá historie diskuse k pull requestu plus dotčený kód
Dříve jste museli vybírat, co Claudovi ukážete. Teď mu ukážete všechno. Podobnou cestu přitom udělala i konkurence – GPT modely také rozšířily kontextová okna, takže velký kontext je v roce 2026 standardem, o který se vedou souboje.
3 workflow, které tento upgrade nejvíc mění
1. Refaktoring celé codebase najednou
Dřív bylo velké refaktorování noční můra. Museli jste Claudovi říkat „tady je soubor A, tady je B, pamatuj si kontext“ – a přesto to po chvíli začal plést.
Teď spustíte Claude Code v kořenové složce projektu a řeknete:
„Projdi celý projekt. Najdi všechna místa, kde používáme deprecated API, a nahraď je novou verzí. Zachovej stávající testy.“
Claude projde všechny soubory, pochopí vzájemné závislosti a provede změny konzistentně napříč celou codebase. Bez ztráty kontextu. Bez opakování instrukcí. U migrací mezi verzemi frameworku je to rozdíl mezi týdnem práce a odpolednem.
2. Onboarding do cizího projektu
Dostali jste na starost projekt, který jste neviděli? Starý přístup: hodiny čtení dokumentace, hledání v kódu, ptaní se kolegů.
Nový přístup s milionovým kontextem:
claude "Přečti si celý projekt. Vysvětli mi architekturu,
hlavní datové toky a kde jsou největší technické dluhy."
Během minut máte strukturovaný přehled projektu – architekturu, hlavní toky dat, riziková místa. A na rozdíl od dokumentace je to přehled aktuální, odvozený z reálného kódu.
3. Debugging přes celý stack
Nejhorší chyby bývají ty, které se táhnou přes frontend, API, služby a databázi. S malým kontextem jste museli kód procházet postupně a hypotézy si držet v hlavě.
S milionem tokenů vložíte celý stack a zeptáte se: „Uživatel hlásí, že objednávka zmizí po platbě. Najdi, kde se to může ztratit.“ Agent vysleduje tok dat napříč vrstvami, najde místa, kde se objednávka zapisuje a čte, a ukáže na konkrétní děr. Vy jen potvrdíte opravu.
Jak Claude Code správně nakrmit kontextem
Velké okno neznamená, že máte házet dovnitř všechno bez rozmyslu. Tokeny stojí peníze i pozornost modelu:
- Začněte celým projektem u velkých úloh – refaktoring, architektura, onboarding. Kontext vyřeší za vás.
- Buďte cílení u malých úloh – jedna drobná úprava nepotřebuje načtení monorepa. Specifikujte soubory.
- Používejte /compact – když session nabobtná, komprimace zachová souhrn a uvolní prostor.
- Delegujte průzkum na subagenty – exploraci codebase nechte na read-only agentovi, který vrátí jen souhrn. Hlavní kontext zůstane čistý pro řešení.
- Využívejte prompt caching – opakované načtení stejného projektu v jedné session je z velké části z cache a stojí zlomek ceny.
- Zapisujte trvalé poznámky – rozhodnutí, která mají přežít session, patří do paměti projektu, ne do kontextu, který se smaže.
Kde je praktická hranice
Milion tokenů není jen výhoda – má i své meze, o kterých byste měli vědět:
Cena za vstup roste s kontextem. I když je 1M dnes součástí standardních cen, každý dotaz s naplněným kontextem stojí víc než dotaz s desetinou. U Sonnet 5, jehož vstupní cena se pohybuje v řádech pár dolarů za milion tokenů, je to stále levné – ale u Opusu s naplněným kontextem opakovaně volaného v agentní smyčce se spotřeba sčítá rychle.
Větší kontext není vždy lepší výkon. Pro drobné úlohy může zbytečně načtený kód model spíš zmást. Pravidlo: úloha má určit, kolik kontextu načtete – ne naopak.
Výstup je omezenější než vstup. I u Opusu 5 s 128K výstupem nemůžete čekat, že model jedním tahem přepíše celý soubor o 200 tisících řádcích. Velké změny se dělí do kroků – na což je Claude Code agentní režim ostatně stavěný.
Co se mění pro váš každodenní workflow
Shrňme si praktický dopad pro běžného vývojáře nebo tým:
- Přestaňte dělit úlohy podle kapacity kontextu. Dřív jste museli kontext šetřit a úlohy krájet na kusy. Dnes krájejte úlohy jen tehdy, když to dává smysl pro proces, ne pro paměť modelu.
- Migrace a velké refaktoringy se vrací do hry. Úlohy, které jste odkládali, protože „na to AI nestačí“, jsou najednou zvládnutelné za odpoledne.
- Code review přes celý PR – vložte celý diff i s dotčenými soubory a nechte agenta najít problémy, které v diffu samotném nejsou vidět.
- Dokumentace kódu z celku – README a API dokumentace generovaná s vědomím celé codebase přestává být povrchní.
- Plánujte s agentem – pro rozsáhlé úlohy použijte plánovací režim a smyčky: nejdřív plán, pak realizace, iterace s testy. Velký kontext dává plánování novou hodnotu, protože agent plánuje s vědomím celého projektu.
Který plán a model zvolit pro práci s velkým kontextem
Pokud chcete 1M okno využít naplno, rozhoduje kombinace plánu a modelu:
- Claude Pro ($20/měs.) — Claude Code v ceně, 1M kontext dostupný u Claude 5 modelů. Pro většinu vývojářů a menší projekty plně dostačující.
- Claude Max 5× / 20× ($100–$200/měs.) — výrazně vyšší limity využití. Smysl má, když agenta pouštíte na velké úlohy denně a limity Pro plánu vás brzdí.
- API pay-per-token — pro týmy a automatizace. Platíte za to, co reálně načtete; s prompt cachingem se opakované práci s tímže velkým kontextem výrazně zlevní. Při hromadném/nočním zpracování obvykle nejlevnější varianta.
Volba modelu uvnitř plánu: Sonnet 5 je pro velký kontext nejlepší poměr cena/výkon (vstup řádově v jednotkách dolarů za milion tokenů). Opus 5 s 1M výchozím kontextem a 128K výstupem je volba pro nejnáročnější refaktoringy, kde si připlatíte za kvalitu udržení souvislostí. Haiku 4.5 na 200K zůstává pracovním koněm pro drobné úlohy.
Praktické pravidlo: celoprojektové úlohy → Sonnet 5 nebo Opus 5 s plným kontextem. Opakované drobné úlohy → Haiku s cílenými soubory. Tím držíte průměrné náklady na úlohách tam, kde mají být.
Praktický příklad: refaktoring s 1M kontextem od začátku do konce
Ať to není jen teorie — takhle vypadá reálná relace na legacy projektu (Symfony aplikace, ~120 000 řádků):
Krok 1 — načtení a orientace. Spustíte Claude Code v kořenu repozitáře a necháte projektu projít: „Projdi celou codebase a vysvětli architekturu, hlavní moduly a technické dluhy.“ S 1M kontextem se vejde prakticky vše podstatné; u opravdu velkých projektů agent pracuje adresář po adresáři.
Krok 2 — plán. „Navrhni plán migrace z deprecated Doctrine anotací na atributy, po fázích, s testy mezi fázemi.“ Agent zná celý projekt, takže plán počítá se skutečnými závislostmi, ne s odhady.
Krok 3 — realizace po fázích. Každá fáze = jedna úloha: „Proveď fázi 1, spusť testy, oprav co padá, shrni změny.“ Mezi fázemi máte kontrolní body, kde můžete zasáhnout.
Krok 4 — dokumentace. „Aktualizuj README a CHANGELOG podle provedených změn.“
Celá migrace, která by týmu zabrala dny, zabere odpoledne dohledu. A hlavně — v každém kroku má agent k dispozici celý projekt, takže se nemůže stát, že opraví jednu vrstvu a rozbije druhou, protože „o ní nevěděl“.
Závěr: velký kontext je dnes baseline, výhodou je jak ho používáte
Milionové okno se mezitím přestalo být novinkou a stalo se očekávaným standardem. Výhodu dnes nezískáte tím, že ho máte – ale tím, jak s ním pracujete: celý projekt pro velké úlohy, cílené soubory pro malé, komprimace a subagenti pro úsporu, paměť pro kontinuitu.
Pokud jste velký kontext ještě nevyužili na skutečně velké úloze, udělejte si jeden experiment: vezměte největší technický dluh ve vašem projektu, který jste odkládali měsíce, a dejte ho Claude Code v celku. Uvidíte, proč se o milionu tokenů tolik mluví – a proč se o něm přestalo mluvit jako o novince.
