Quantas páginas o GPT realmente lê? A resposta direta, mais uma tabela

Por LW Forge — mantenedora do LLM Scout · Atualizado em 3 de agosto de 2026

A resposta curta: para uma página densa de texto, uma janela de contexto de 200 mil tokens comporta cerca de 400 páginas, e uma janela de um milhão comporta cerca de 2.000. Isso cobre a grande maioria dos documentos corporativos — contratos, relatórios, teses — numa única requisição nos modelos médios a grandes atuais. O resto deste artigo explica por que esse número muda, e o que fazer quando seu documento não cabe.

A tabela, por tamanho de janela de contexto

Usando uma média de cerca de 500 tokens por página densa de texto — o mesmo número por trás da calculadora quantas páginas cabem no GPT — é isso que os tiers comuns de janela de contexto viram:

Esse é o ponto de partida — seu documento real vai cair em algum lugar perto desses números, não exatamente neles, por motivos que importam mais do que o modelo escolhido.

Por que "depende" é a resposta honesta

A densidade da página muda o número real de forma substancial nas duas direções. Slides, formulários e páginas com bastante espaço em branco ou imagens grandes podem ficar tão baixo quanto 100-200 tokens por página — você vai caber notavelmente mais páginas do que a tabela sugere. Contratos jurídicos densos, tabelas de demonstrações financeiras e listagens de código-fonte podem passar de 700 tokens por página, às vezes quase o dobro da média — você vai caber notavelmente menos. O número de 500 tokens é uma média razoável de planejamento para documentos corporativos ricos em texto corrido, não uma constante fixa.

A única forma de saber com certeza é medir: extraia o texto de uma ou duas páginas representativas do seu documento real e rode na calculadora de tokens.

Isso importa mais bem perto do teto. Se seu documento está folgadamente abaixo do limite de um modelo — 50 páginas contra um orçamento de 400 — variações de densidade de algumas centenas de tokens por página não mudam sua decisão. Se está no limite — 380 páginas contra esse mesmo orçamento de 400 — a mesma variação é a diferença entre uma única requisição e um documento dividido, e é exatamente aí que vale medir em vez de estimar.

Upload no chat vs. API — limites completamente diferentes

A janela de contexto é um teto do modelo, mas os produtos de chat (ChatGPT, Claude.ai) costumam impor seus próprios limites separados de tamanho de arquivo ou número de páginas por upload, independentes do que o modelo por trás tecnicamente comportaria — esses limites de produto mudam com mais frequência que as especificações do modelo, e vale conferir direto no site do provedor se você trabalha pela interface de chat em vez da API. Pela API, não existe limite de upload além da própria janela de contexto — você é limitado só por tokens, não por tamanho de arquivo ou número de páginas em si.

Duas coisas que quebram essa conta silenciosamente

PDFs escaneados não são texto. Um documento escaneado é uma sequência de imagens; nenhuma dessa conta de página-para-token vale até ele passar por OCR e extrair texto de verdade. Pule essa etapa e você está mandando imagens para um modelo com capacidade visual (uma estrutura de preço completamente diferente, cobrada por tokens de imagem em vez de tokens de texto) ou não obtendo texto utilizável nenhum.

O modelo relê o documento inteiro toda vez. Como os modelos não têm memória, uma pergunta de acompanhamento sobre o mesmo documento reenvia e recobra o documento inteiro, não só a pergunta nova — fazer dez perguntas sobre um documento de 400 páginas custa cerca de dez vezes a entrada de fazer uma. Se você vai consultar o mesmo documento repetidamente, prompt caching ou um esquema de retrieval indexado vencem reenviar o texto inteiro a cada turno.

Vários documentos somam do mesmo jeito. Uma pasta com dez contratos de 200 páginas não é um problema único de 2.000 páginas, a menos que você realmente precise de raciocínio cruzado entre eles — tratar como dez requisições separadas de 200 páginas costuma ser ao mesmo tempo mais barato e mais preciso, já que cada requisição só precisa prestar atenção no contrato que de fato importa.

Quando o documento não cabe

Em ordem aproximadamente decrescente de quanto você vai precisar mudar:

1. Troque para um modelo com janela maior, se qualidade e preço permitirem — sem mudança de pipeline, só um endpoint diferente.
2. Divida pela própria estrutura do documento — capítulos, seções ou quebras lógicas, nunca um corte arbitrário de tokens que separa uma frase do seu contexto.
3. Use retrieval — indexe o documento uma vez e envie só as passagens relevantes para cada pergunta, o que geralmente corta o custo tanto quanto resolve o problema de caber.
4. Resuma primeiro e trabalhe a partir do resumo, aceitando alguma perda de detalhe fino — precifique essa rota na calculadora de custo de resumo de PDF.

Confira seu documento específico

Médias dão uma estimativa de planejamento; seu documento real dá uma resposta de verdade. Rode uma amostra real na calculadora de tokens, veja a tabela completa de páginas por modelo na calculadora quantas páginas cabem no GPT, e se você está decidindo entre uma janela maior e um pipeline de retrieval, janela de contexto na prática cobre essa troca com mais profundidade.