1. はじめに
GitHub Copilot のモデルピッカーには、OpenAI・Anthropic・Google・Microsoft など複数プロバイダーのモデルが並びます。2026年7月時点では、モデル名や性能差だけでなく、モデルごとにコンテキストウィンドウ（一度に処理できるトークン量）が異なることが実務上の重要な論点です。さらに一部モデルは、同じモデル内でもコンテキストサイズ自体を選べる点にも注意が必要です。
この記事を作成する背景は、コンテキストウィンドウに関する情報が「モデル比較」「料金」「VS Code のドキュメント」など複数ページに分散していることです。加えて、モデル名や具体的なトークン数が頻繁に更新されるため、開発者は全体像を把握しにくい状況にあります。
この記事の目的は、2026年7月時点の一次情報に基づき、①モデルごとに選べるコンテキストサイズの実態と、②サイズの違いが生む挙動・品質・コストへの影響を整理することです。モデル選択の全体戦略や AI credits の詳細な換算方法は、姉妹記事「GitHub Copilotのモデル選択戦略：性能とAI creditsを最適化する」に譲り、本記事はコンテキストサイズの観点に絞って掘り下げます。
2. GitHub Copilot で選べるモデルとコンテキストウィンドウの全体像
GitHub Copilot の公式ドキュメントは、モデルを Lightweight／Versatile／Powerful のカテゴリで整理しています[^2][^3]。カテゴリに加え、モデルごとに次の2つの軸でコンテキストサイズが変わります。
- Long context tier のしきい値: 入力トークン数が一定量を超えると価格帯が切り替わるモデルがある（4章）
- 拡張コンテキスト（100万トークン）への対応可否: VS Code / Copilot CLI で既定と拡張を選べるモデルがある（3章）
代表的なモデルを一覧にすると次のとおりです。モデル名・提供状態・数値は変更されるため、最新は公式ページで要確認です[^1]。
| モデル | 提供元 | カテゴリ | 提供状態 | 既定 tier のしきい値 | 拡張(1M)コンテキスト |
|---|---|---|---|---|---|
| GPT-5 mini | OpenAI | Lightweight | GA | tier なし（一律） | 非対応 |
| GPT-5.3-Codex | OpenAI | Powerful | GA | tier なし（一律） | 対応 |
| GPT-5.4 | OpenAI | Versatile | GA | 27.2万トークン超で切替 | 対応 |
| GPT-5.5 | OpenAI | Powerful | GA | 27.2万トークン超で切替 | 対応 |
| GPT-5.6 Luna | OpenAI | Lightweight | GA | 20万トークン超で切替 | 対応 |
| GPT-5.6 Sol | OpenAI | Powerful | GA | 27.2万トークン超で切替 | 対応 |
| GPT-5.6 Terra | OpenAI | Versatile | GA | 27.2万トークン超で切替 | 対応 |
| Claude Haiku 4.5 | Anthropic | Versatile | GA | tier なし（一律） | 非対応 |
| Claude Sonnet 4.6 | Anthropic | Versatile | GA | tier なし（一律） | 対応 |
| Claude Opus 4.7 | Anthropic | Powerful | GA | tier なし（一律） | 対応 |
| Gemini 2.5 Pro | Powerful | GA | tier なし（一律） | 非対応 | |
| Gemini 3.1 Pro | Powerful | Public preview | 20万トークン超で切替 | 非対応 | |
| Kimi K2.7 Code | Moonshot AI | Versatile | GA | tier なし（一律） | 非対応 |
出典: Supported AI models in GitHub Copilot[^1]、Models and pricing for GitHub Copilot[^2]
同じモデルファミリーでもプラン依存で使えないことがあります。たとえば2026年7月9日にGAとなった GPT-5.6 は、Sol が Pro+／Max／Business／Enterprise 限定です。一方、Terra・Luna は Pro から利用できます[^11]。各モデルのホスティング元やデータ取り扱いの違いは公式ページに詳細があります[^10]。
コンテキストウィンドウの規模感を可視化すると下図のとおりです。2024年12月には Copilot Chat の既定が GPT-4o で6.4万トークンとなり、当時の VS Code Insiders 限定では12.8万トークンまで拡大されました[^12]。そこから2026年7月時点の既定 tier しきい値（20万〜27.2万トークン）、対応モデルの拡張コンテキスト（100万トークン）まで、およそ15倍以上の幅があります[^2][^12]。
モデルピッカー自体は、GitHub.com・VS Code・Visual Studio・JetBrains・Eclipse・Xcode・Copilot CLI・GitHub Copilot app・GitHub Copilot cloud agent・GitHub Mobile（iOS／Android）の各サーフェスに存在します[^5][^11]。ただし次章で解説する拡張コンテキストの選択はVS CodeとCopilot CLIに限定されており、サーフェスによってコンテキストサイズの選択自由度が異なる点に注意が必要です[^1]。
3. モデルピッカーで拡張コンテキスト（1M トークン）を選ぶ仕組み
2026年7月時点で、Copilot は一部モデルに 「1 million token context window」 という拡張機能を用意しています[^1]。公式ドキュメントの説明を要約すると次のとおりです。
大規模なコードベース、長いドキュメント、複雑な複数ファイルにまたがるプロジェクトを扱う際に有用。対応モデルを選択すると、既定のコンテキストサイズか拡張（100万トークン）コンテキストかを選べる[^1]。
拡張コンテキストに対応していると公式ページで確認できたモデルを、提供元別に整理すると次のとおりです。
| 提供元 | 拡張コンテキスト（1M）対応モデル |
|---|---|
| Anthropic | Claude Sonnet 4.6／Opus 4.6／Opus 4.7／Opus 4.8／Sonnet 5／Fable 5 |
| OpenAI | GPT-5.3-Codex／GPT-5.4／GPT-5.5／GPT-5.6 Sol・Terra・Luna |
| 非対応（参考） | Claude Opus 4.8 fast mode preview、Google Gemini系、Microsoft系、Moonshot系の各モデル |
出典: Supported AI models in GitHub Copilot（Models with extended capabilities）[^1]
重要な制限として、拡張コンテキストの選択は Visual Studio Code と Copilot CLI のみ で提供され、GitHub.com や他の IDE では選べません[^1]。また、拡張コンテキストや高い推論レベル（reasoning effort）を選ぶほど消費トークンが増え、AI credits の消費量も増加すると明記されています[^1]。
なお、Bring Your Own Key（BYOK）でモデルを追加する場合は扱いが異なります。VS Code はモデル設定の maxInputTokens と maxOutputTokens の合計を「そのモデルのコンテキストウィンドウ」として扱う仕様です[^6]。公式ドキュメントの設定例（chatLanguageModels.json 内のモデル設定の抜粋）は次のとおりです[^6]。
{
// 入力トークンの上限（プロンプト・添付ファイル・会話履歴などの合計）
"maxInputTokens": 200000,
// 出力トークンの上限（モデルが生成する応答）
"maxOutputTokens": 64000
}
この例では入力上限20万トークン・出力上限6.4万トークンで、合計26.4万トークンがコンテキストウィンドウとして扱われます[^6]。
4. コンテキスト長で変わる料金（Long context tier）
GitHub Copilot の usage-based billing（1 AI credit = $0.01）では、モデルによって**入力トークン数に応じた2段階の価格帯（tier）**が設定されています[^2]。これが Long context tier です。
| モデル | カテゴリ | 既定 tier 価格（Input／Cached／Output、100万トークンあたり） | 既定上限 | Long context tier 価格 | 適用開始点 |
|---|---|---|---|---|---|
| GPT-5.4 | Versatile | $2.50／$0.25／$15.00 | 27.2万 | $5.00／$0.50／$22.50 | 27.2万超 |
| GPT-5.5 | Powerful | $5.00／$0.50／$30.00 | 27.2万 | $10.00／$1.00／$45.00 | 27.2万超 |
| GPT-5.6 Luna | Lightweight | $1.00／$0.10／$6.00 | 20万 | $2.00／$0.20／$9.00 | 20万超 |
| GPT-5.6 Sol | Powerful | $5.00／$0.50／$30.00 | 27.2万 | $10.00／$1.00／$45.00 | 27.2万超 |
| GPT-5.6 Terra | Versatile | $2.50／$0.25／$15.00 | 27.2万 | $5.00／$0.50／$22.50 | 27.2万超 |
| Gemini 3.1 Pro | Powerful | $2.00／$0.20／$12.00 | 20万 | $4.00／$0.40／$18.00 | 20万超 |
出典: Models and pricing for GitHub Copilot[^2]
表の通り、しきい値を超えると単価がほぼ2倍になります。一方で Anthropic（Claude）系モデルは tier 自体が存在せず、入力量にかかわらず一律価格です（拡張時の1Mコンテキストでも同一単価）[^2]。同じ「大きなコンテキストを使う」でも、プロバイダーによって課金の仕組みが根本的に異なる点は見落としやすいポイントです。
公式ドキュメントは拡張コンテキストと Long context tier の関係を1つの文では説明していません。両者を突き合わせると、拡張コンテキストを有効にして初めて既定上限（20万〜27.2万トークン）を超える入力を送信できると読み取れます。その結果として、Long context tier の単価が適用される、という構造です。この解釈は本調査で明示的な一次情報を確認できていない部分を含むため、実装・見積り前に公式ページで確認してください。
5. コンテキストサイズの違いが生む挙動差
コンテキストサイズの違いが実務にどう影響するかを、5つの観点で比較すると次のとおりです。詳細は5.1〜5.5で解説します。
| 観点 | コンテキストが小さい場合 | コンテキストが大きい場合 |
|---|---|---|
| 情報量（5.1） | 読み込めるコード・会話履歴・添付ファイルの合計が少ない | システムプロンプト・カスタム指示・会話履歴・ファイル・ツール出力を含め、多くの情報を保持できる |
| モノレポ対応（5.2） | 関連ファイル数の制約を受けやすく、要約・省略が発生しやすい | 大規模コードベース横断調査や長い会話の継続に向く |
| 超過時の挙動（5.3） | 上限に達しやすく、自動要約（compaction）が頻繁に発生しやすい | 上限に達しにくく、要約が発生する頻度が下がる |
| 応答品質（5.4） | 関連性の高い情報を厳選しやすくノイズが少ない | 情報量は多いが、関連情報への注意力が相対的に低下しうるとの指摘もある |
| コスト（5.5） | Long context tier未達で単価が低く、AI credits消費も少ない | しきい値超過でtier単価が約2倍、拡張コンテキストではAI credits消費もさらに増加 |
5.1 一度に参照できる情報量の違い
VS Code の公式ドキュメントは、コンテキストウィンドウを「システムプロンプト、カスタム指示、会話履歴、ファイル内容、ツール出力、現在のメッセージすべてを含む、モデルが一度に処理できる情報の総量」と定義しています[^7]。コンテキストウィンドウの外にある情報はモデルから見えません[^8]。
コンテキストウィンドウが小さいモデルほど、一度に読み込めるコード量・会話履歴・添付ファイルの合計は少なくなります。VS Code の Chat 入力欄には使用中のコンテキスト量を「15K/128K」のような分数で示すコントロールがあり、モデルによって分母（総コンテキスト量）が変わることが明記されています[^9]。
5.2 大規模モノレポ・複数ファイル横断タスクでの挙動差
VS Code はワークスペースインデックス（リモート／ローカル／ベーシック）を使って関連コードを検索し、コンテキストに含めています[^8]。ただし「コンテキストウィンドウの外は見えない」という原則がある以上、コンテキストウィンドウが小さいモデルほど、一度に読み込める関連ファイル数の制約を受けやすいと考えられます。
公式ドキュメントは「大きなコンテキストのモデルは、大規模なコードベースや、より多くの情報を保持する必要がある長い会話に向く」と明記しています[^7]。逆に言えば、モノレポ全体の横断調査や大規模リファクタリングを小さいコンテキストのモデルで行うと、関連ファイルの要約・省略が発生しやすくなる可能性があります。
5.3 コンテキストウィンドウを超えた場合の挙動
コンテキストウィンドウが埋まったときの挙動は、公式ドキュメントで明確に説明されています。VS Code は**自動でそれまでの会話を要約（compaction）**し、処理を継続します[^7][^9]。
- 自動要約: 既定で有効。バックグラウンドで会話履歴を要約し、空き容量を確保する[^9]
- 手動要約: チャット入力欄で
/compactと入力すると任意のタイミングで要約できる。/compact 特定の観点にフォーカスしてのように要約方針も指定可能[^9] - 無効化:
github.copilot.chat.summarizeAgentConversationHistory.enabledをfalseにすると自動要約を止められる[^9]
つまり、コンテキストウィンドウを超えたときの既定の挙動はエラー停止ではなく要約による継続です。ただし要約によって会話の初期の詳細が圧縮・欠落しうるため、重要なルールはカスタム指示に書いて毎回のリクエストに含めることが推奨されています[^8]。
5.4 応答品質・精度への影響
VS Code の公式ドキュメントは、言語モデルの特性として「応答の質は、プロンプトに含まれるコンテキストの質と関連性に依存する」と明記しています[^7]。これは一次情報として確認できる範囲の公式見解です。
一方で、コンテキストが長くなるほど関連情報への注意力が相対的に低下しうるという論点は、業界で一般的に指摘されている観点ではありますが、本調査した GitHub / VS Code の一次情報では明示的な言及を確認できませんでした。本記事ではこの点を「一般的に指摘されている点として」の留保付きで紹介するにとどめます。実務上は、コンテキストを大きくすること自体を目的化せず、関連性の高い情報を厳選して渡すことが公式にも推奨されています[^8]。
5.5 コスト・レイテンシとのトレードオフ
コンテキストサイズを大きくすることは、次の3つの経路でコスト・レイテンシを増やします。
- Long context tier の単価上昇: 4章の通り、しきい値超過でおよそ2倍の単価になるモデルがある[^2]
- 拡張コンテキスト自体のAI credits増: 拡張コンテキストや高い推論レベルを選ぶほど消費トークンが増える[^1]
- thinking tokens の計上: 推論（thinking）を行うモデルは、可視化されない thinking tokens もコンテキストウィンドウと AI credits 消費に計上され、推論レベルを上げるほどレイテンシも増える[^7]
いずれも公式ドキュメントに明記されている仕組みです。「コンテキストは大きいほど良い」わけではなく、タスクに見合ったサイズを選ぶこと自体がコスト最適化になります。
6. 実務での使い分け指針
VS Code の公式ガイドラインは、モデル選びの基本方針として「高速モデルはクイックな編集や単純な質問に、推論モデルは複雑なリファクタリングや多段階のデバッグに、大きなコンテキストのモデルは大規模なコードベースや長い会話に」という整理を示しています[^7]。これに公式のタスク別モデル推奨[^3]とコンテキストサイズの軸を重ねると、次のような使い分けが実務的です。
| タスクの特徴 | 推奨カテゴリ | コンテキストサイズ |
|---|---|---|
| 定型的な質問・軽微な1ファイル修正 | Lightweight | 既定サイズで十分 |
| 日常的な実装・単一ファイル中心のレビュー | Versatile | 既定サイズ |
| 複数ファイル横断の調査・設計判断 | Powerful | 既定サイズ（必要なら拡張を検討） |
| 大規模モノレポ全体の理解・大規模リファクタ・長い会話の継続 | Powerful／Long context 対応 | 拡張（1M）コンテキスト、コスト増に留意 |
判断に迷う場合は、Auto model selection を使う選択肢もあります。タスクの複雑さとモデルの稼働状況に応じて自動でモデルを選び、有料プランではコストが10%割引されます[^4]。下図はこの考え方をフローチャートにしたものです。
7. まとめ
- GitHub Copilot はモデルごとにコンテキストウィンドウが異なり、対応モデルは VS Code / Copilot CLI で既定サイズと拡張（100万トークン）サイズを選べます[^1]。
- OpenAI・Google の一部モデルには Long context tier があり、20万〜27.2万トークン超でおよそ2倍の単価になります。Anthropic系は一律価格です[^2]。
- コンテキストウィンドウが埋まっても既定はエラーではなく自動要約（compaction）で継続し、
/compactで手動制御もできます[^9]。 - コンテキストを大きくするほどAI credits消費・レイテンシが増えるため、タスクに見合ったサイズを選ぶことがコスト最適化につながります[^1][^7]。
- 軽微な作業はLightweight・既定サイズ、複数ファイル横断や大規模モノレポ理解はPowerful・拡張サイズ、迷ったらAuto model selection、という整理が実務の出発点になります。
8. 参考リンク
[^1]: Supported AI models in GitHub Copilot — モデル一覧・提供状態・拡張(1M)コンテキスト対応表・退役履歴 [^2]: Models and pricing for GitHub Copilot — モデル別トークン単価、Long context tier のしきい値と価格 [^3]: AI model comparison — タスク別のモデル推奨 [^4]: About Copilot auto model selection — Auto model selection の仕組みと10%割引 [^5]: Changing the AI model for GitHub Copilot Chat — クライアント別のモデル切り替え手順 [^6]: AI language models in VS Code — モデルピッカー、BYOK の maxInputTokens/maxOutputTokens 設定 [^7]: Language models（VS Code Docs） — コンテキストウィンドウの定義、thinking tokens、AI credits [^8]: Context（VS Code Docs） — コンテキスト構築の仕組み、ワークスペースインデックス [^9]: Manage context for AI（VS Code Docs） — コンテキストウィンドウ使用量表示、自動／手動 compaction [^10]: Hosting of models for GitHub Copilot — プロバイダー別のホスティングとデータ取り扱い [^11]: OpenAI's GPT-5.6 Sol, Terra, and Luna are now available in GitHub Copilot（GitHub Changelog, 2026-07-09） — 最新モデルファミリーの提供サーフェス・プラン別availability [^12]: Copilot Chat now has a 64k context window with OpenAI GPT-4o（GitHub Changelog, 2024-12-06） — コンテキストウィンドウ拡張の歴史的経緯
この記事の執筆にあたり、AI の支援を受けています。掲載内容は調査日時点の公式ドキュメントに基づきます。モデル名・提供状態・料金・コンテキストウィンドウの数値は更新される可能性があるため、実装・見積り前に必ず公式ページをご確認ください。
