Quantos tokens existem em uma página de PDF?

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.

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.

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.

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.