O que é o contexto da IA? — A realidade do "lê, mas não lê" na era de 1M de tokens

Em 2023, uma janela de contexto de 32K tokens parecia "espaçosa". Em maio de 2026, 1 milhão de tokens (1M) virou o padrão da indústria. Claude Opus 4.7, Claude Sonnet 4.6, GPT-5.5, Gemini 3.1 Pro, DeepSeek V4-Pro — todos os principais modelos de fronteira suportam 1M. O Gemini 3.1 Ultra chegou a 2M.

"Um milhão de tokens" se traduz aproximadamente em 8 a 10 livros de bolso em inglês, ou dezenas de milhares de linhas de código-fonte. Agora podemos manter tudo isso "à vista" em uma única sessão. Mas tem um detalhe: apenas um desses modelos realmente usa esse recipiente até o fim. Benchmarks independentes (multi-needle NIAH, detalhados adiante) mostram que somente o modo Gemini 3 Deep Think mantém a precisão por todo o 1M. Os outros começam a perder precisão entre 200K e 400K — essa é a realidade honesta de campo em 2026.

Deixo minha avaliação clara desde já: a era de escolher um modelo apenas pelo tamanho do recipiente acabou. O que importa agora é o trio "contexto efetivo × custo × estratégia", e a jogada da Anthropic com o preço plano de 1M é a reviravolta mais interessante do ano. Este artigo percorre o que é realmente o contexto, o lineup de modelos de maio de 2026, por que tamanho sozinho não basta, as diferenças de estrutura de custos e cinco táticas práticas de economia de contexto que devs solo e pequenos times podem aplicar hoje — embasadas em números de benchmarks independentes.

1. Cinco modelos de 1M de tokens em um ano — mas só um realmente lê tudo

Quando a OpenAI anunciou o GPT-5.5 em abril de 2026, a web vibrou: "OpenAI finalmente chegou a 1M". No mesmo mês, o Google lançou o Gemini 3.1 Ultra com 2M. A Anthropic havia introduzido o preço plano de 1M no Claude Opus 4.6 no ano anterior e reforçou isso com o 4.7. O V4-Pro da DeepSeek também é 1M. Cinco fornecedores de fronteira agora podem legitimamente escrever "1M+ tokens" na ficha técnica.

Isso deveria ter sido um grande evento. Apenas três anos atrás, 32K parecia impressionante. Vimos um salto de mais de 30x no tamanho da janela desde então. A corrida por tamanho de recipiente parecia vencida.

Então os avaliadores independentes Digital Applied e Zylos Research rodaram em 2026 um teste multi-needle Needle-in-a-Haystack (NIAH) — embutindo múltiplos fatos em documentos longos e pedindo aos modelos para recuperá-los todos corretamente. Eis o que descobriram:

• Gemini 3 Deep Think: mantém a precisão anunciada por todo o 1M
• Claude Opus 4.7 / GPT-5.5 / DeepSeek V4-Pro: a precisão cai a partir de cerca de 200K–400K

Então, mesmo que "suporte a 1M" seja universal, apenas um modelo realmente usa esse 1M até o fim em condições equivalentes a produção. Com outros modelos de fronteira, pedir que integrem múltiplos fatos começa a mostrar tensão entre 200K e 400K. Essa é a realidade de 2026.

Não interprete isso como "Claude ou GPT são ruins". Casos de uso que genuinamente precisam dos 1M completos são raros. Se você consegue ler 300K (≈ 2–3 livros de bolso) com confiabilidade, quase toda tarefa de programação, pesquisa ou sumarização é concluída. A armadilha é escolher um modelo apenas pela manchete do "suporte a 1M" — isso distorce a decisão.

2. O que é contexto? — Separe o recipiente do conteúdo

Terminologia rápida. Três palavras se misturam nesse espaço.

E também: não confunda "contexto" com "memória". O contexto vive dentro da sessão — feche o chat e ele desaparece. Recursos como o ChatGPT Memory ou o Claude Memory, por outro lado, são um mecanismo separado de retenção entre sessões. O conteúdo da memória acaba sendo injetado na janela de contexto, mas, da perspectiva do usuário, é armazenamento persistente vs. espaço de trabalho efêmero.

3. Principais modelos em maio de 2026 — tamanhos do recipiente

Com as definições claras, aqui estão os tamanhos de recipiente que os principais fornecedores publicam hoje. Todos os números vêm das especificações oficiais de maio de 2026.

Lendo só a tabela, você concluiria "Gemini Ultra vence, fim de papo". Mas há um fato que merece destaque: a Anthropic oferece 1M como tarifa plana no Opus 4.6/4.7 e no Sonnet 4.6, enquanto a OpenAI dobra o preço de entrada no GPT-5.5 acima de 272K tokens. Isso não é só um botão de precificação — é uma postura estratégica sobre como cargas de trabalho de contexto longo devem ser tratadas. Vamos detalhar a matemática de custo numa seção mais adiante.

Pessoalmente, mantenho o Claude Opus 4.7 como meu cavalo de batalha para trabalho de longo formato. Três motivos: preço plano, precisão estável até a faixa de 200K e a qualidade da documentação da Anthropic. Para documentos que genuinamente excedem 300K, troco para o Gemini 3 Deep Think. Misturar modelos por caso de uso é a jogada certa em 2026.

4. Três razões pelas quais "maior é melhor" não se sustenta

A tabela anterior só listou tamanhos físicos de recipiente. A pergunta mais difícil é se os modelos realmente usam o que anunciam. Resposta curta: fora o Gemini 3 Deep Think, o cenário é sombrio. Três razões.

Razão ①: Lost in the Middle (perdido no meio)

Documentado pela primeira vez por Stanford em 2023 e reproduzido em todas as gerações de modelos desde então. A IA pondera fortemente o início e o fim da entrada, ao mesmo tempo em que desvaloriza o meio (a faixa posicional de 30–70%). Informação colocada perto do centro de um contexto de 100K é recuperada com precisão de 5 a 15 pontos percentuais menor do que a mesma informação no início ou no fim.

O sintoma cotidiano: "colar um PDF longo, perguntar 'qual é o número de X?' e o modelo informar errado o número que está bem no meio." Isso é Lost in the Middle. Três anos após o artigo original de Stanford, mesmo modelos de fronteira não fecharam totalmente essa lacuna.

Razão ②: Context Rot (apodrecimento do contexto)

Quanto mais longa a conversa, mais suas instruções iniciais se desvanecem. Você disse "responda em inglês formal" no começo; vinte turnos depois, o modelo voltou a usar uma linguagem casual — isso é Context Rot.

Duas causas. ① Instruções iniciais ficam relativamente antigas e são ponderadas mais levemente no histórico. ② Com histórico longo, a atenção se dispersa e tokens específicos ficam mais difíceis de referenciar. A Anthropic, em 2026, começou a enquadrar isso como "context engineering" — uma habilidade deliberada para gerenciar esses efeitos.

Razão ③: Contexto anunciado ≠ contexto efetivo

Eis como os benchmarks mais recentes de 2026 (multi-needle NIAH, condições equivalentes a produção) realmente se parecem.

Para repetir: isso não é "Claude Opus 4.7 está quebrado". 200K–400K ainda equivale a 2–3 romances de bolso de capacidade. A maioria das tarefas do mundo real (revisão de código, escrita longa, resumos de reuniões, síntese de pesquisa) termina dentro dessa faixa. O problema é a suposição de que "como é 1M, basta jogar 1M" — essa estratégia só funciona no Gemini Deep Think.

5. A armadilha de custo — OpenAI dobra acima de 272K, Anthropic mantém plano

Acabamos de estabelecer que "o efetivo é de 200K–400K". Some a isso a segunda armadilha: entradas de contexto longo fazem a conta saltar. Anthropic e OpenAI adotaram estratégias opostas aqui.

Conta concreta. Entrada de 500K tokens + saída de 50K tokens, uma ida e volta — o caso canônico de resumir uma grande base de código ou um relatório anual em uma única passagem.

• Claude Opus 4.7: US$ 5,00 × 0,5 + US$ 25,00 × 0,05 = US$ 3,75
• GPT-5.5 (com a sobretaxa do excedente de 272K): US$ 10,00 × 0,5 + US$ 45,00 × 0,05 = US$ 7,25

São US$ 3,50 por chamada. Rode 100 vezes por dia e a diferença chega a US$ 10.500 por mês. Para times que rodam agentes de longa duração, a diferença alcança facilmente a casa dos cinco dígitos médios mensais. O mesmo padrão estrutural que cobrimos em Economizando custos de tokens e sessões de IA.

6. Cinco táticas de economia — ranqueadas por impacto real para devs solo

"O recipiente é de 1M, mas o efetivo é de ~300K, e usá-lo por muito tempo fica caro." Já cobrimos isso. Então, o que dá para fazer de fato no campo? Eis cinco táticas que uso no dia a dia, ranqueadas pelo que dá o maior retorno.

Minha melhor prática pessoal: só fazer ① e ② de forma consistente já desloca a precisão percebida de forma notável. Mesmo com o Claude Code, em vez de empurrar uma sessão longa, acionar /compact ou iniciar uma sessão nova a cada mudança de tópico mantém a qualidade do output final estável.

Resumo

Recapitulando:

• Janela de contexto = o máximo de tokens que uma IA consegue manipular numa única troca. O tamanho do recipiente.
• Em maio de 2026, Claude Opus 4.7 / Sonnet 4.6 / GPT-5.5 / Gemini 3.1 Pro / DeepSeek V4-Pro todos suportam 1M; o Gemini 3.1 Ultra chega a 2M.
• Benchmarks independentes (multi-needle NIAH) mostram que apenas o Gemini 3 Deep Think mantém a precisão por todo o 1M; os outros começam a esmaecer entre 200K e 400K.
• No custo, a Anthropic mantém o preço plano enquanto a OpenAI aplica sobretaxa acima de 272K. Divergência estratégica clara.
• As cinco táticas — encerrar a sessão, enviar trechos, reafirmar no fim, cachear, endereçar explicitamente — e as táticas ① e ② carregam o maior peso.

Mesmo com recipientes maiores, o trabalho real ainda é decidir o que enviar e o que deixar de fora. A habilidade de IA em 2026 não é "enfiar tudo dentro". É o discernimento de enviar somente o necessário, com precisão — isso é o que continua útil a longo prazo. Depois de assistir cinco fornecedores se coroarem "1M" este ano, essa é a minha conclusão.

FAQ