Janela de contexto: a memória de trabalho de uma IA
A janela de contexto limita o que um assistente de IA lê de uma só vez. O que lê mal e os gestos simples para a aproveitar melhor.
Nesta página
Em 30 segundos
- Onde acontece
- Em qualquer conversa com um assistente de IA, assim que se cola um documento longo ou se dão várias instruções.
- O que se passa
- O modelo trabalha dentro de um limite de texto e, mesmo dentro desse limite, pode usar mal uma informação colocada a meio de um texto longo[3].
- O reflexo
- Dividir a tarefa, colocar a instrução no início e repeti-la no fim, depois verificar a resposta[5].
- Se já o fez
- Releia a resposta com o texto original à frente, ponto por ponto.
Do que se trata
Quando faz uma pergunta a um assistente de IA, este responde a partir da informação que lhe é transmitida: a Google chama a essa informação o contexto[2]. A quantidade de texto que o modelo pode ter em conta de uma só vez chama-se janela de contexto. A Google compara-a à memória de curto prazo: uma pessoa só consegue reter uma quantidade limitada de informação, e o mesmo se passa com os modelos generativos[2].
Esta janela mede-se em tokens, não em páginas. Os modelos recentes aumentaram-na muito, mas há investigações que mostram que uma janela grande não garante uma leitura fiável de tudo o que contém[3][4]. Esta ficha explica o que o colaborador deve reter e os gestos que limitam os erros.
Perguntas diretas
O que é um token?
Um modelo de linguagem começa por dividir o texto em unidades chamadas tokens: palavras, grupos de caracteres, ou combinações de palavras e de pontuação[1]. O método de divisão varia consoante o modelo. Os modelos GPT da OpenAI usam, por exemplo, uma divisão em subpalavras[1]. A Microsoft observa que as palavras correntes de várias sílabas cabem muitas vezes num único token, ao passo que as palavras mais raras são cortadas em sílabas[5].
O que é a janela de contexto?
É o número máximo de tokens que o modelo pode processar[1]. Este limite exprime-se muitas vezes como uma janela combinada, que cobre em conjunto os tokens de entrada (o que escreve) e os de saída (o que o modelo produz)[1]. Quanto mais longa é a entrada, menos espaço resta para a saída.
A Microsoft dá um exemplo com números: com uma janela de 100 tokens e uma frase de nove palavras dividida palavra a palavra, a entrada ocupa nove tokens e restam 91 para a saída. Dividida caráter a caráter, a mesma frase ocupa 34 e restam apenas 66[1].
Qual é hoje o tamanho de uma janela?
Segundo a Google, a maior parte dos modelos generativos criados nos últimos anos só processava 8 000 tokens de cada vez, e depois modelos mais recentes passaram a aceitar 32 000 ou 128 000 tokens[2]. A Google indica que o Gemini aceita 1 milhão de tokens, o que corresponde a 8 romances ingleses de extensão média ou a 50 000 linhas de código[2].
O modelo guarda em memória o que lhe forneci?
Os exemplos que se incluem numa instrução não alteram o modelo de forma duradoura: orientam-no apenas para a resposta em curso[5]. A Google descreve métodos que se usavam para gerir janelas estreitas: abandonar as mensagens antigas à medida que chegam novas, ou substituí-las por um resumo quando a janela está quase cheia[2].
Uma janela grande evita os erros?
Não. Investigadores testaram vários modelos, entre os quais Claude 3, Gemini Pro, GPT 3.5 Turbo, Llama 3 Instruct e Mistral Instruct, na análise de sentimento e na classificação de artigos de imprensa. Relatam que os modelos se mostram insuficientes perante sequências longas, apesar das suas grandes janelas[4]. A Google reconhece também um limite: quando se procuram várias informações precisas num contexto longo, o modelo não atinge a mesma exatidão que para uma só, e o desempenho pode variar muito consoante o contexto[2].
Como funciona
A Microsoft lembra que, seja qual for a instrução, o modelo responde com o que considera mais provável com base nos seus dados de treino, e que não segue um caminho de processamento distinto para as perguntas[5].
A posição da informação conta. O estudo «Lost in the Middle», submetido em julho de 2023, mediu o desempenho de modelos em duas tarefas: responder a uma pergunta a partir de vários documentos e encontrar um valor associado a uma chave. Os autores observam que o desempenho é muitas vezes melhor quando a informação útil se encontra no início ou no fim do texto fornecido, e que se degrada nitidamente quando se encontra a meio, incluindo em modelos concebidos para contextos longos[3].
A Microsoft descreve, por seu lado, um viés de recência: a informação no fim da instrução pode influenciar mais a resposta do que a do início[5]. A Microsoft especifica também que a ordem dos elementos pode alterar o resultado, incluindo a ordem dos exemplos dados ao modelo[5].
O comprimento tem um custo. Os serviços de IA generativa faturam muitas vezes ao token e aplicam um número máximo de tokens por minuto[1]. Para uma organização que explora um assistente, a OWASP classifica entre os riscos o envio contínuo de entradas que excedem a janela de contexto, o que pode provocar um consumo excessivo de recursos e degradar o serviço[7]. A OWASP recomenda uma validação rigorosa das entradas, para que não excedam limites de tamanho razoáveis[7].
O que faz
- Divida a tarefa. A Microsoft indica que os modelos de linguagem têm muitas vezes melhores resultados quando a tarefa é dividida em etapas mais pequenas, por exemplo extrair primeiro os factos pertinentes e depois redigir o resto[5].
- Coloque a instrução no início e repita-a no fim. A Microsoft indica que enunciar a tarefa no início da instrução, antes do contexto e dos exemplos, pode ajudar a obter melhores saídas, e que repetir as instruções no fim da instrução vale a pena experimentar[5]. A Microsoft acrescenta que os seus testes com o ChatGPT e o GPT-4 deram a mesma resposta com ou sem a primeira técnica[5].
- Dê ao modelo uma saída de recurso. A Microsoft sugere, por exemplo, pedir que responda «not found» se a resposta não estiver presente, o que pode ajudar o modelo a evitar uma resposta falsa[5].
- Forneça o texto de referência e peça citações. A Microsoft recomenda vivamente dar ao modelo dados em que se apoiar quando a resposta deve basear-se em informações fiáveis e atualizadas[5]. Pedir citações pode ajudar a reduzir a frequência das respostas falsas, e as citações colocadas no texto, junto da afirmação, são melhores salvaguardas do que as citações no fim da resposta[5].
- Verifique sempre. Mesmo com uma instrução bem redigida, a Microsoft indica que é preciso validar as respostas do modelo, porque uma instrução que funcionou bem num caso não se generaliza necessariamente[5].
As armadilhas
O documento colado pode conter instruções
Quando um assistente lê um site ou um ficheiro, o conteúdo pode encerrar instruções que o modelo interpreta e que alteram o seu comportamento: a OWASP fala de injeção de prompt indireta[6]. Num cenário que a OWASP descreve, um utilizador pede a um modelo que resuma uma página web que contém instruções ocultas, as quais levam à exfiltração da conversa privada[6]. A OWASP recomenda separar e identificar claramente o conteúdo não fiável, e prever uma aprovação humana para as operações com privilégios[6].
Uma janela grande dá uma falsa segurança
A Google indica que, para uma única informação procurada, se pode obter cerca de 99 % de sucesso, mas que o resultado não é o mesmo quando é preciso encontrar várias[2]. Uma resposta pode assim parecer completa e, ainda assim, omitir pontos de um texto longo.
Os conselhos dependem do modelo
A Microsoft avisa que cada modelo se comporta de forma diferente e que as suas técnicas não se aplicam da mesma maneira a todos. Estas técnicas não são recomendadas para os modelos de raciocínio como o gpt-5 e a série o[5].
Fontes
- Microsoft, «Understand tokens». https://learn.microsoft.com/en-us/dotnet/ai/conceptual/understanding-tokens (consultado em 14 de novembro de 2026)
- Google, «Long context | Gemini Enterprise Agent Platform | Google Cloud Documentation». https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/long-context (consultado em 14 de novembro de 2026)
- arXiv, «Lost in the Middle: How Language Models Use Long Contexts», 6 de julho de 2023. https://arxiv.org/abs/2307.03172 (consultado em 14 de novembro de 2026)
- arXiv, «Efficient Solutions For An Intriguing Failure of LLMs: Long Context Window Does Not Mean LLMs Can Analyze Long Sequences Flawlessly», 3 de agosto de 2024. https://arxiv.org/abs/2408.01866 (consultado em 14 de novembro de 2026)
- Microsoft, «Prompt engineering techniques». https://learn.microsoft.com/en-us/azure/foundry/openai/concepts/prompt-engineering (consultado em 14 de novembro de 2026)
- OWASP, «LLM01:2025 Prompt Injection», 10 de abril de 2024. https://genai.owasp.org/llmrisk/llm01-prompt-injection/ (consultado em 14 de novembro de 2026)
- OWASP, «LLM10:2025 Unbounded Consumption», 10 de abril de 2024. https://genai.owasp.org/llmrisk/llm102025-unbounded-consumption/ (consultado em 14 de novembro de 2026)
Citar este artigo
Brain, «Janela de contexto: a memória de trabalho de uma IA», Cyberpedia, 2026. https:/
BibTeX
@misc{brain_cp259_pt_2026,
author = {Brain},
title = {Janela de contexto: a memória de trabalho de uma IA},
year = {2026},
howpublished = {Cyberpedia},
url = {https://startbrain.io/cyberpedia/pt/articles/janela-de-contexto-llm/},
note = {CC BY 4.0}
}