Janela de Contexto da IA: por que ela esquece o que você disse e como evitar isso

Resposta rápida

A IA “esquece” o que você disse por dois motivos técnicos, não porque ela ficou desatenta. Primeiro: todo modelo tem uma janela de contexto, o limite de texto (medido em tokens) que ele consegue processar de uma vez. Quando a conversa passa desse limite, a plataforma corta ou resume as mensagens mais antigas, e você continua falando sem perceber que o começo já sumiu. Segundo, e menos conhecido: mesmo DENTRO do limite, um estudo de Stanford, Berkeley e Samaya AI mostrou que os modelos prestam bem menos atenção no MEIO de um texto longo do que no início ou no fim, o efeito ficou conhecido como “lost in the middle” (perdido no meio). Em 2026 as janelas cresceram bastante: Claude Sonnet 5 e Opus 4.8 chegam a 1 milhão de tokens, o Gemini 3 Pro também trabalha com 1 milhão (e a versão Ultra vai a 2 milhões), o GPT-5.6 Sol da OpenAI passa de 1 milhão via API, e o Grok 4.3 da xAI opera com 1 milhão (com variante Fast chegando a 2 milhões). Só que o limite do MODELO quase nunca é o limite que você sente no dia a dia, porque cada plataforma corta o tamanho do chat por plano. Eu explico os números certos e como escrever pra IA não perder o fio, abaixo.

O que é uma janela de contexto e o que são tokens?

Token é a unidade que a IA usa pra “ler” texto, não é exatamente uma palavra: em português, uma palavra comum costuma virar 1 a 2 tokens, e palavras raras ou compostas podem virar 3 ou mais. Como referência prática, 1.000 tokens dão em torno de 750 palavras em português. A janela de contexto é o total de tokens que o modelo consegue considerar numa única “leitura”, somando tudo: sua mensagem atual, o histórico da conversa, qualquer documento anexado e a resposta que ele vai gerar. Passou desse total, alguma coisa precisa sair de cena pra outra entrar, é matemática de espaço limitado, não memória de verdade guardada em algum lugar.

Por que a IA esquece o que eu falei antes na conversa?

Tem dois mecanismos diferentes rodando ao mesmo tempo, e misturar os dois é o que mais confunde quem usa IA no dia a dia:

1. Corte por estouro de janela. Quando a conversa cresce demais, a maioria das plataformas de chat (ChatGPT, Claude.ai, Gemini) começa a descartar ou resumir automaticamente as mensagens mais antigas pra caber o que é novo, sem avisar você com destaque. É por isso que uma instrução dada lá no começo de uma conversa longa “some”: ela literalmente saiu da janela.

2. “Lost in the middle”: atenção que despenca no meio do texto. Mesmo quando tudo cabe dentro do limite, pesquisadores de Stanford, UC Berkeley e da empresa Samaya AI testaram como os modelos usam documentos longos e encontraram uma curva em U: a precisão é alta quando a informação relevante está no início ou no fim do texto, e cai bastante quando ela está no meio. Ou seja, colar um contrato de 50 páginas e perguntar sobre a cláusula 23 (bem no meio) tem chance real de dar resposta pior do que perguntar sobre a cláusula 1 ou a última.

Tem ainda uma pegadinha de produto que gera confusão: o limite que você sente usando o ChatGPT normal quase nunca é o limite do modelo GPT-5. A interface do ChatGPT reserva uma fatia bem menor conforme o plano (grátis, Plus ou Pro), então duas pessoas na “mesma IA” podem ter experiências de memória bem diferentes dependendo só da assinatura.

Quantos tokens tem cada IA em 2026?

IA	Janela de contexto	Observação
Claude Sonnet 5 / Opus 4.8	1 milhão de tokens (padrão)	É o tamanho default, não precisa ativar nada
GPT-5.6 Sol (via API da OpenAI)	Cerca de 1,05 milhão de tokens	No app do ChatGPT o limite real é bem menor (ver abaixo)
ChatGPT (chat comum, por plano)	8 mil tokens no grátis, 32 mil no Plus, 128 mil no Pro	Limite de PRODUTO, imposto pela interface, não do modelo em si
Gemini 3 Pro	1 milhão de tokens (padrão)	O Gemini 3 Flash, mais rápido, roda com 200 mil
Gemini 3.1 Ultra	2 milhões de tokens	Camada mais alta do Google, inclusive via Vertex AI
Grok 4.3 (xAI)	1 milhão de tokens	A variante Grok 4.1 Fast chega a 2 milhões

Vale não confundir janela de contexto com limite de USO (quantas mensagens ou horas seu plano libera por dia): são coisas diferentes. Eu detalhei os limites de mensagem, imagem e uso por plano de cada IA aqui; este artigo é sobre quanto TEXTO cada IA consegue enxergar de uma vez, não quantas vezes você pode chamá-la.

Como fazer a IA lembrar do documento inteiro? (o que funciona na prática)

Aqui na CPDF (Comunidade Profissionais do Futuro, por Danilo Gato) essa é uma das dúvidas mais recorrentes de quem usa IA todo dia pra trabalhar: a sensação de que “a IA parou de prestar atenção” no meio de uma conversa longa. Aumentar a janela de contexto ajuda, mas não resolve sozinho, por causa do “lost in the middle”. O que realmente funciona é mudar como você usa a conversa:

1. Coloque a informação mais importante no início ou no fim da mensagem, nunca escondida no meio de um textão. Se você vai colar um documento grande e fazer uma pergunta específica, faça a pergunta ANTES de colar o texto e repita ela DEPOIS. Isso ajuda o modelo a “segurar” o que importa nas duas pontas de maior atenção.
2. Para documento muito longo, divida antes de processar. Peça resumo ou análise por seção, não do documento inteiro de uma vez: eu já expliquei esse método completo, com passo a passo, no artigo sobre como resumir PDF sem perder informação.
3. Em conversa longa, recapitule de propósito. A cada trecho de assunto novo, peça: “resume em 3 linhas o que você entendeu até aqui antes de continuarmos”. Isso força o modelo a reancorar o que importa antes que aquele trecho saia da janela.
4. Não repita o mesmo contexto grande em toda conversa nova. Se você usa sempre os mesmos documentos ou instruções, salve isso num recurso de memória permanente da própria IA (o Claude tem Projects e Reflections, eu expliquei como funciona a memória do Claude aqui) em vez de colar tudo de novo toda vez, isso também evita gastar sua janela de contexto com repetição.
5. Pra base de conhecimento grande e permanente (vários documentos, não uma conversa só), a resposta certa não é aumentar a janela, é usar RAG. RAG busca só o trecho relevante antes de responder, em vez de tentar caber tudo na conversa de uma vez, eu expliquei o conceito e como aplicar aqui.

A IA tem mesmo memória, ou é só a janela de contexto?

Depende do que você chama de memória. Sem nenhum recurso extra ligado, a IA não guarda nada de uma conversa pra outra: quando você abre um chat novo, a janela de contexto começa vazia, do zero. O que existe hoje em 2026, em ferramentas como Claude, ChatGPT e Gemini, são recursos ADICIONAIS de memória de longo prazo (perfil salvo, preferências, resumos automáticos de conversas antigas) que funcionam por fora da janela de contexto: a plataforma guarda um resumo compacto em outro lugar e injeta ele de volta quando relevante. É outro mecanismo, separado do “lembrar dentro da mesma conversa” que este artigo cobre.

Um LLM (modelo de linguagem) processa contexto igual em qualquer tarefa?

Não exatamente. A degradação por “lost in the middle” é mais forte em tarefas de busca de informação específica dentro de um texto longo (achar um dado no meio de um documento) do que em tarefas de compreensão geral (resumir, opinar sobre o tom). Se você quiser entender por dentro como um LLM processa e gera texto de forma geral, isso ajuda a entender por que certas tarefas sofrem mais com janela cheia do que outras: no fundo, o modelo está prevendo a próxima palavra com base em padrões de atenção sobre todo o texto, e esses padrões não distribuem atenção de forma uniforme.

Guardar isso muda a forma como você trabalha com IA todo dia: não é sobre “confiar mais” ou “confiar menos” na ferramenta, é sobre saber onde colocar a informação que importa dentro da mensagem, e quando é hora de dividir em partes menores em vez de jogar tudo numa conversa só.