Última atualização: 2026-06-22

A janela de contexto explicada

A janela de contexto é o número máximo de tokens que um modelo de linguagem consegue processar em uma única chamada, contando tanto a entrada que ele lê quanto a saída que ele gera. Uma requisição cabe quando a entrada mais os tokens reservados para a resposta permanecem dentro desse limite. Como a janela é fixa para um dado modelo, planejar uma chamada significa orçar seus componentes contra esse teto.

O orçamento

A entrada de uma única chamada é a soma do prompt de sistema, do histórico anterior da conversa que é reenviado e da mensagem atual do usuário. Reservar espaço para a resposta fornece o total que a janela precisa comportar:

em que $W$ é a janela de contexto e $n_{out}$ a saída reservada. A utilização é a proporção da janela que a requisição consome:

Um $n_{rem}$ negativo significa que a requisição extrapola a janela e não pode ser executada como composta.

Exemplo resolvido

Considere uma requisição com um prompt de sistema de 800 tokens, 6000 tokens de histórico e uma mensagem do usuário de 1200 tokens, reservando 2000 tokens para a resposta, contra uma janela de 128.000 tokens:

A requisição precisa de 10.000 tokens e deixa 118.000 livres, usando cerca de 7,8% da janela. Há ampla margem: o histórico poderia crescer muitas vezes antes de a janela se tornar a restrição vinculante.

Comportamento em estouro

Quando o total excede a janela, os provedores não truncam silenciosamente de uma forma que o chamador controle; a chamada é rejeitada ou o contexto mais antigo é descartado, e qualquer das duas opções degrada o resultado. A saída reservada merece cuidado particular: se a entrada quase preenche a janela, o modelo tem pouco espaço para responder e a resposta pode ser cortada no meio da geração. Reservar a saída explicitamente impede que uma entrada que cabe produza uma resposta truncada.

Aplicação

A janela é um limite rígido, distinto do custo, que escala com os tokens usados. O histórico costuma ser o componente maior e mais compressível, de modo que encaixar uma conversa longa em geral significa sumarizá-la ou apará-la, encurtar o prompt de sistema, reduzir a saída reservada ou passar para um modelo com janela maior. Para dimensionar a entrada a partir de um alvo de contagem de palavras, faça a conversão com Calculadora de Tokens para Palavras; para ver como o histórico reenviado eleva tanto a janela quanto a conta ao longo de muitos turnos, consulte Calculadora de Crescimento de Custo de Contexto.