Limites de tokens em PDF por modelo de IA: referência prática (2026)
Janelas de contexto, estimativas por página, diferenças de tokenizador e uma regra prática de quando chunkar versus mandar o arquivo inteiro.
Toda vez que você manda um PDF para um modelo de IA, está trabalhando dentro de um orçamento de tokens. Passe do limite e o modelo recusa a entrada ou descarta conteúdo em silêncio. O detalhe: cada família de modelo tem um teto diferente, e esses tetos mudam conforme provedores lançam atualizações.
Esse post é uma referência viva. Os números refletem o que está disponível em meados de 2026.
Janelas de contexto atuais (meados de 2026)
| Modelo | Janela de contexto | Aprox. páginas densas de PDF |
|---|---|---|
| GPT-3.5-turbo | 16 385 tokens | 30 a 60 |
| GPT-4o | 128 000 tokens | 250 a 500 |
| GPT-4o-mini | 128 000 tokens | 250 a 500 |
| Claude 3.5 Sonnet | 200 000 tokens | 400 a 800 |
| Claude 3.5 Haiku | 200 000 tokens | 400 a 800 |
| Gemini 1.5 Pro | 1 000 000 tokens | 2 000 a 4 000 |
| Gemini 1.5 Flash | 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 |
A coluna de páginas assume cerca de 500 tokens por página de texto técnico. A única forma confiável de saber é medir.
Por que esses números não são o que você pode usar de fato
A janela de contexto é compartilhada entre entrada e saída. Se o modelo precisa de 2 000 tokens para a resposta, você tem 2 000 a menos para o documento. Prompts de sistema e histórico de conversa também comem o orçamento.
Regra segura: assuma que pode usar uns 80% da janela declarada para o documento.
Diferenças de tokenizador entre modelos
OpenAI usa cl100k_base ou o200k_base. Claude usa um vocabulário BPE diferente. Gemini usa SentencePiece. Na prática, a variação fica entre 5 e 15% para texto em inglês.
Texto em português costuma tokenizar 20 a 40% mais pesado nos modelos da OpenAI por cobertura de vocabulário. Se seus PDFs não são em inglês, medir é ainda mais importante que estimar.
Quando chunkar versus mandar o arquivo inteiro
Se o documento cabe confortavelmente em 80% da janela, mande inteiro. Chunking introduz problemas de fronteira e torna o pipeline mais complexo.
Se não cabe, ou se você está montando um sistema de recuperação para vários documentos, chunk em segmentos do tamanho do seu modelo de embedding (normalmente 256 a 1024 tokens por chunk).
Meça antes de decidir
Rode o PDF real pelo contador de tokens antes de escolher fluxo. Se precisar chunkar, o Chunker de PDF divide com overlap e exporta output estruturado direto do navegador.