Tokens e janela de contexto em IA: o que são e por que importam

Token é o pedaço de texto que uma inteligência artificial lê e escreve, e a janela de contexto é a quantidade máxima de tokens que ela consegue manter "em mente" numa mesma conversa. Quando o limite estoura, a IA esquece trechos, erra detalhes ou simplesmente recusa o pedido.

Parece assunto de programador, mas pesa no seu dia a dia: explica por que o assistente "esquece" o que você disse há 40 mensagens, por que um PDF grande dá resposta fraca e por que alguns planos pagos prometem "mais contexto". Este guia traduz tudo para a prática, com exemplos em reais e prompts que você pode copiar.

O que é um token, afinal?

A IA não lê palavras como nós. Antes de qualquer coisa, o texto é cortado em pedaços pequenos chamados tokens, e esse corte se chama tokenização. A documentação do Gemini para desenvolvedores explica que um token pode ser um caractere solto, como a letra z, ou uma palavra inteira, como gato, e que palavras longas são quebradas em vários tokens.

Para ter uma régua, a mesma página informa que um token equivale a cerca de 4 caracteres e que 100 tokens correspondem a algo entre 60 e 80 palavras em inglês. Em português a conta costuma ser menos favorável, porque nossas palavras são mais longas e cheias de acentos e flexões, então o mesmo texto tende a gastar mais tokens. Trate esses números como estimativa e nunca como medida exata.

Se você é totalmente novo no assunto, vale ler antes o guia completo do que é inteligência artificial e consultar o dicionário de termos essenciais, que traz "token" e outras palavras que aparecem nos planos e nos anúncios.

E a janela de contexto?

A janela de contexto é o espaço total que o modelo tem para trabalhar em uma conversa. A página sobre contexto longo do Google compara a janela com uma memória de curto prazo: é o que o modelo consegue considerar de uma vez. Tudo entra na conta: sua pergunta, as instruções, os arquivos que você anexou, as respostas anteriores e a resposta que está sendo escrita agora.

Para dar uma ideia de escala, a mesma página diz que uma janela de 1 milhão de tokens comporta cerca de 50 mil linhas de código, ou aproximadamente 8 romances em inglês de tamanho médio, ou transcrições de mais de 200 episódios de podcast. Segundo a documentação consultada em 13/10/2026, modelos recentes do Gemini chegam a 1.048.576 tokens de janela. Outros assistentes têm janelas menores ou maiores, e o número muda a cada versão, então confira o seu plano.

Pense numa mesa de trabalho: quanto maior a mesa, mais papéis cabem abertos ao mesmo tempo. Mas uma mesa gigante lotada não deixa ninguém mais organizado, e é por isso que o tamanho da janela sozinho não garante boas respostas.

Por que a IA "esquece" no meio da conversa?

Há dois motivos diferentes, e vale separar. O primeiro é o limite duro: quando a conversa passa do tamanho da janela, algo precisa sair. Alguns aplicativos cortam as mensagens mais antigas sem avisar, e a IA passa a responder como se elas nunca tivessem existido. O segundo é a atenção: mesmo dentro do limite, o modelo pode errar ao recuperar vários detalhes espalhados num texto enorme.

A própria documentação do Google registra isso. Ela afirma que a recuperação de um único fato pode chegar a cerca de 99% de acerto, mas que a precisão cai quando o pedido exige encontrar vários fatos específicos ao mesmo tempo. Também lembra que entradas maiores tendem a aumentar o tempo até a primeira palavra da resposta.

Na prática: se você colou um contrato de 80 páginas e pediu "liste todos os prazos, multas e datas", o resultado pode vir incompleto, e a única forma de ter segurança é conferir no documento. Isso se liga a outro problema clássico, o das respostas inventadas, tratado em como checar se a resposta da IA está certa.

Quanto custa ou limita cada conversa?

Tokens são a "moeda" de quase tudo. Nos aplicativos de assinatura, eles aparecem disfarçados em limites de mensagens por período e em avisos de "conversa longa demais". Em ferramentas para desenvolvedores, o preço é cobrado por milhão de tokens, separando o que entra do que sai. Por isso um plano grátis costuma ter janela e limites menores, e a comparação entre planos fica mais clara no texto IA grátis ou paga: o que vale a pena.

A página do Google avisa que a forma de contar tokens de vídeo afeta cobrança e limites de uso. Quem trabalha com mídia deve ler também sobre IA multimodal, que explica por que imagem e áudio não são "de graça" para o modelo.

Exemplo brasileiro: o PDF do fornecedor

Imagine a Marta, dona de uma loja de material de construção em Londrina. Ela recebe um catálogo de 40 páginas do fornecedor e quer saber quais itens subiram de preço. Cada página tem uns 500 palavras, ou seja, perto de 20 mil palavras. Como o português gasta mais tokens, uma estimativa honesta é algo na casa de dezenas de milhares de tokens: cabe com folga numa janela moderna, mas é muito para um plano limitado.

Marta tem três caminhos. O pior é colar tudo e perguntar "o que mudou?". O melhor é pedir primeiro uma tabela só com código, produto e preço, depois cruzar com a lista antiga em uma segunda etapa. Para textos longos, o roteiro do guia sobre como resumir PDFs, artigos e textos longos mostra como dividir por capítulos e conferir os resultados.

Vou colar um catálogo em 3 partes. Em cada parte, responda apenas com uma tabela: código do produto, descrição e preço. Não resuma, não comente. Quando eu disser FIM, juntaremos as tabelas e você apontará o que mudou em relação à lista antiga que vou enviar.

Sete hábitos para gastar menos contexto e errar menos

• Comece um chat novo por assunto. Misturar orçamento, receita de bolo e currículo na mesma conversa polui a janela.
• Peça um resumo de checkpoint. A cada etapa longa, peça "resuma decisões e pendências em 10 linhas" e copie para o início de um chat novo.
• Mande só o que importa. Em vez do PDF inteiro, cole os capítulos relevantes. A documentação do Google recomenda não enviar tokens de que o modelo não precisa.
• Ponha a pergunta no fim. Com textos longos, a mesma documentação aconselha deixar a instrução depois do material.
• Divida pedidos que exigem muitos fatos. Prazos num pedido, valores em outro, nomes em outro.
• Reaproveite instruções fixas. Se você repete o mesmo texto de apresentação, guarde-o num modelo salvo em vez de recolar toda vez.
• Confira os números críticos na fonte. Datas, valores e cláusulas voltam ao documento original.

Esses hábitos conversam com a técnica de escrever bons comandos, que o guia de prompt engineering aprofunda. Instruções curtas, claras e com formato de saída definido economizam tokens e reduzem retrabalho.

Contexto não é memória de longo prazo

Muita gente confunde as duas coisas. A janela de contexto vale para a conversa atual. Já a "memória" de alguns assistentes guarda fatos sobre você entre conversas e é um recurso à parte, com regras próprias. O texto sobre memória longa em IA explica a diferença e como ligar ou desligar.

Há também uma questão de privacidade: tudo o que cabe na janela é conteúdo que você entregou ao serviço. Antes de colar um contrato, um prontuário ou uma planilha de clientes, leia o que você entrega sem perceber em IA e privacidade e remova nomes, CPFs e dados que não fazem diferença para a tarefa.

Erros comuns sobre tokens e contexto

• Achar que janela grande resolve tudo. Mais espaço não garante atenção a todos os detalhes, como a própria documentação do Google admite ao falar da queda de precisão em buscas por vários fatos.
• Contar palavras em vez de tokens. Limites são em tokens, e português gasta mais por palavra do que inglês.
• Escolher o plano só pelo número de contexto. Velocidade, limite de uso e qualidade em português pesam tanto quanto. O comparativo entre ChatGPT, Claude e Gemini e o texto sobre planos do Gemini ajudam a decidir com calma.
• Esquecer que a resposta também usa a janela. Em alguns modelos, entrada, raciocínio e resposta dividem o mesmo espaço, segundo a documentação do Google.
• Não avisar o que é importante. Se uma regra vale para a conversa toda, repita-a no checkpoint.

Quem está dando os primeiros passos pode se beneficiar da leitura de 5 erros comuns de quem está começando a usar IA, que complementa esta lista. Para acompanhar o que os modelos novos prometem em tamanho de contexto, veja também o texto sobre o Gemini 3.

Resumo prático para levar

Tokens são a unidade de leitura da IA, e a janela de contexto é o tamanho da mesa onde tudo precisa caber. Quando entende isso, você deixa de culpar o assistente por "ficar burro" e passa a organizar o trabalho: chats curtos por assunto, arquivos enxutos, checkpoints de resumo e conferência dos dados críticos. Abra agora uma conversa que esteja longa demais, peça o resumo de checkpoint do prompt acima e compare a qualidade das respostas num chat novo.