AIエージェント能力アトラス › 仕事ごとの一覧 › 基盤能力（横断） › 記憶と文脈

文脈長に伴う性能劣化（context rot）

Performance degradation with context length

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

人は文書が長くても重要箇所に注意を再配分できるが、AIは文脈が伸びるほど無関係箇所にも一定の注意を割き続け性能が劣化する

できること

短中規模文脈（〜128K）では実務品質の統合的理解ができる

まだできないこと

長文脈になるほど『刈り込み』ができず、UUID等の完全一致情報の取りこぼしが128K超で増加。1Mトークン対応を謳っても実効性能を維持できるのは一部モデルに限られる

なぜそうなのか

アテンション機構の性質上、関連情報の密度が下がると信号対雑音比が悪化する

これからの予測の根拠

モデル側の長文脈訓練とRAG的な事前刈り込みの併用進展で2028年ごろ実務での劣化が緩和される見込み

いま使える主な道具

Claude、Gemini 3.1、GPT-5.x

根拠

• Long-Context Retrieval 2026: Needle-in-Haystack Test 2026
  『context rot』という現象名でこの劣化を説明

同じ分野のほかの仕事（記憶と文脈）

• 長文脈からの検索・統合的推論
• セッションを跨ぐ永続記憶

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。