¿Cuántos tokens hay en una página de PDF?
Un rango práctico de tokens por página A4 o carta y las razones por las que varían los PDFs.
Una página normal de PDF en A4 o carta suele contener entre 300 y 700 tokens. Si necesita una cifra para planificar, use 500 tokens por página densa de texto. Es una referencia útil, no una regla de conversión. Al medir cuatro PDFs reales, la página mediana fue de unos 280 a 1.400 tokens.
Por qué una página no tiene un número fijo
Una página puede tener un título y dos frases o una cláusula jurídica compacta con tabla. Idioma, puntuación, números, código, errores de OCR, encabezados y pies repetidos también cambian la tokenización.
Las páginas de imagen no aportan tokens de texto hasta que el OCR convierte la imagen en palabras. Un OCR ruidoso puede generar más tokens que una página digital limpia.
Un rango práctico
- Página ligera con títulos: unos 150 a 350 tokens.
- Página normal de informe: unos 350 a 600 tokens.
- Página jurídica, académica o técnica densa: 600 a 1.000 tokens o más.
- Página que es casi solo una tabla: puede superar los 5.000 tokens.
Multiplique las páginas por 500 para una primera estimación. Después mida el archivo real antes de elegir ventana de contexto o calcular costo de API.
Lo que medí
Para poner a prueba esa regla, pasé cuatro PDFs públicos por la misma extracción y el mismo tokenizador del Contador de Tokens (pdf.js y o200k_base), el 5 de octubre de 2026. La mediana solo cuenta páginas con texto.
| Documento | Páginas | Tokens | Página mediana | Página más pesada |
|---|---|---|---|---|
| Artículo científico (arXiv) | 15 | 10.621 | 816 | 1.048 |
| Marco de riesgos de IA del NIST | 48 | 21.419 | 501 | 628 |
| Instrucciones del formulario 1040 del IRS | 126 | 245.481 | 1.413 | 6.216 |
| Declaración Universal de Derechos Humanos (ONU, en inglés) | 8 | 2.190 | 276 | 324 |
La regla de 500 acertó casi exacto con el marco del NIST, un informe típico en prosa. Se quedó corta con el artículo científico en un 60% y con las instrucciones de impuestos en casi tres veces, porque referencias, ecuaciones y tablas meten muchos más tokens por página. La página más pesada del IRS, una tabla de impuestos, tuvo 6.216 tokens por sí sola. La declaración, con artículos cortos y mucho espacio, quedó bastante por debajo.
Aparecieron dos cosas más. Los promedios esconden los extremos: el archivo del IRS promedia 1.948 tokens por página porque unas pocas páginas de tablas lo empujan hacia arriba, y por eso el Contador de Tokens ahora muestra un gráfico por página. Y en los cuatro archivos en inglés, las codificaciones cl100k_base y o200k_base quedaron a menos de un 1% entre sí. En otros idiomas la diferencia es mucho mayor, y lo medí aparte en el mismo PDF en cuatro idiomas (en inglés).
Mida el PDF, no solo las páginas
El Contador de Tokens de PDF extrae texto localmente y aplica el tokenizador GPT en el navegador. También muestra palabras y caracteres.
Si el resultado es demasiado grande, use el PDF Chunker en lugar de adivinar dónde dividir. Reserve espacio para el prompt, historial y respuesta.