Quantos tokens existem em uma página de PDF?
Uma faixa prática de tokens por página A4 ou carta e os motivos que fazem PDFs reais variarem.
Uma página comum de PDF em A4 ou carta costuma ter entre 300 e 700 tokens. Se você precisa de um número para planejar, use 500 tokens por página densa de texto. É uma referência útil, não uma regra de conversão. Quando medi quatro PDFs reais, a página mediana variou de cerca de 280 a 1.400 tokens.
Por que uma página não tem quantidade fixa
Uma página pode ter um título e duas frases ou uma cláusula jurídica apertada com tabela. Idioma, pontuação, números, código, erros de OCR, cabeçalhos e rodapés repetidos também mudam a tokenização.
Páginas apenas em imagem não geram tokens de texto até o OCR transformar a imagem em palavras. Um OCR ruidoso pode gerar mais tokens que uma página digital limpa.
Uma faixa prática
- Página leve com títulos: cerca de 150 a 350 tokens.
- Página comum de relatório: cerca de 350 a 600 tokens.
- Página jurídica, acadêmica ou técnica densa: 600 a 1.000 tokens ou mais.
- Página que é quase só tabela: pode passar de 5.000 tokens.
Multiplique o número de páginas por 500 para a primeira estimativa. Depois meça o arquivo real antes de escolher janela de contexto ou calcular custo de API.
O que eu medi
Para testar essa regra, rodei quatro PDFs públicos pela mesma extração e o mesmo tokenizador do Contador de Tokens (pdf.js e o200k_base), em 5 de outubro de 2026. A mediana considera só páginas com texto.
| Documento | Páginas | Tokens | Página mediana | Página mais pesada |
|---|---|---|---|---|
| Artigo científico (arXiv) | 15 | 10.621 | 816 | 1.048 |
| Framework de riscos de IA do NIST | 48 | 21.419 | 501 | 628 |
| Instruções do formulário 1040 do IRS | 126 | 245.481 | 1.413 | 6.216 |
| Declaração Universal dos Direitos Humanos (ONU, em inglês) | 8 | 2.190 | 276 | 324 |
A regra dos 500 acertou quase em cheio no framework do NIST, um relatório típico em prosa. Subestimou o artigo científico em cerca de 60% e as instruções de imposto em quase três vezes, porque referências, equações e tabelas põem muito mais tokens numa página. A página mais pesada do IRS, uma tabela de impostos, teve 6.216 tokens sozinha. A declaração, com artigos curtos e bastante espaço, ficou bem abaixo da regra.
Mais duas coisas apareceram. Médias escondem os extremos: o arquivo do IRS tem média de 1.948 tokens por página porque algumas páginas de tabela puxam o número para cima, e é por isso que o Contador de Tokens agora mostra um gráfico por página. E nos quatro arquivos em inglês, as codificações cl100k_base e o200k_base ficaram a menos de 1% uma da outra. Em outros idiomas a diferença é bem maior, e medi isso à parte em o mesmo PDF em quatro idiomas (em inglês).
Meça o PDF, não só as páginas
O Contador de Tokens do PDF extrai o texto localmente e aplica o tokenizador GPT no navegador. Ele também mostra palavras e caracteres, o que ajuda a identificar scans sem camada de texto.
Se o resultado for grande demais, use o Chunker de PDF em vez de adivinhar onde cortar. Reserve espaço para prompt, histórico e resposta.