Límites de tokens en PDF por modelo de IA: referencia práctica (2026)
Ventanas de contexto, estimaciones por página, diferencias de tokenizador y una regla práctica para decidir cuándo dividir.
Cada vez que envía un PDF a un modelo de IA, trabaja dentro de un presupuesto de tokens. Si lo supera, el modelo rechaza la entrada o descarta contenido sin avisar. El detalle: cada familia de modelo tiene un límite diferente, y esos límites cambian con cada actualización.
Este post es una referencia viva. Los números reflejan lo disponible a mediados de 2026.
Ventanas de contexto actuales (mediados de 2026)
| Modelo | Ventana de contexto | Aprox. páginas densas |
|---|---|---|
| GPT-3.5-turbo | 16 385 tokens | 30 a 60 |
| GPT-4o | 128 000 tokens | 250 a 500 |
| Claude 3.5 Sonnet | 200 000 tokens | 400 a 800 |
| Gemini 1.5 Pro | 1 000 000 tokens | 2 000 a 4 000 |
| Llama 3.1 (405B) | 128 000 tokens | 250 a 500 |
| Mistral Large | 128 000 tokens | 250 a 500 |
La columna de páginas asume unos 500 tokens por página de texto técnico. La única forma confiable de saber es medir.
Por qué esos números no son lo que puede usar realmente
La ventana se comparte entre entrada y salida. Regla segura: asuma que puede usar un 80% de la ventana declarada para el documento.
Diferencias de tokenizador entre modelos
Texto en español suele tokenizar 20 a 30% más que inglés en modelos OpenAI. Si sus PDFs no son en inglés, medir es todavía más importante.
Mida antes de decidir
Pase el PDF por el contador de tokens antes de elegir flujo. Si necesita dividir, el Chunker de PDF divide con solapamiento y exporta output estructurado.