Print do erro ou texto colado: qual o custo de token de imagem, PDF e texto?

Deu erro na tela, tu aperta print e joga no chat

É o gesto mais automático do vibe coding hoje, e quase ninguém para pra pensar quanto aquilo pesa

O detalhe é que o MESMO erro pode entrar na conversa de três jeitos diferentes: como imagem, como PDF ou como texto colado, e cada formato consome o contexto de um jeito próprio, com contas totalmente diferentes por trás

Então bora comparar os três: como cada um é contado, quanto custa em média, qual o teto de cada item e, no fim, as regras práticas de quando a imagem é insubstituível e quando ela é só desperdício de janela

Como o modelo conta os tokens de uma imagem

Antes da fórmula, o porquê

O modelo não enxerga a tua imagem como um bloco único, ele fatia a imagem em quadradinhos e lê pedaço por pedaço

Se tu já mexeu com sprite sheet em jogo 2D, a ideia é bem parecida: a imagem é uma grade

Cada bloco de 28×28 pixels dessa grade vale 1 token visual

Daí sai a fórmula oficial do custo de token de imagem:

tokens visuais = ⌈largura / 28⌉ × ⌈altura / 28⌉

E existe uma aproximação rápida pra quando tu só quer uma ordem de grandeza, sem calculadora:

tokens visuais ≈ largura × altura / 750

Aplicando as duas numa imagem qualquer, pra tu sentir que elas batem:

Imagem de 840 x 560 px

Fórmula:      ⌈840/28⌉ × ⌈560/28⌉ = 30 × 20 = 600 tokens visuais
Aproximação:  840 × 560 / 750 = cerca de 627 tokens visuais

Legal né? 😀 A conta é só geometria, não tem mistério nenhum

Formação Recomendada

Formação Vibe Coding

Do Prompt ao Produto: Crie Software Real com IA

• 474 aulas
• 20 projetos
• 39h 27min

Conhecer formação

E se a imagem for gigante?

Aqui entra o teto

Existe um orçamento máximo de tokens visuais por imagem: 1568 tokens visuais no tier padrão e 4784 tokens visuais no tier de alta resolução

Imagens maiores que isso são reduzidas ANTES do processamento, então mandar um monstro não compra mais detalhe, só compra mais upload

A resolução realmente aproveitada é medida pela borda mais longa da imagem: 2576 px no tier de alta resolução (Claude Opus 4.7+, Opus 5, Sonnet 5, Fable 5 e Mythos 5) e 1568 px no tier padrão

E tome cuidado com o corte duro: acima de cerca de 8.000 px em um dos lados a requisição NÃO é reduzida, ela é rejeitada com erro de validação

Detalhe de quem já se ferrou com print de monitor ultrawide costurado: ali o problema não é caro, é que nem passa

A referência completa dessa parte está na documentação de visão da API

Por que o PDF é o formato mais caro por página

O PDF parece o formato mais "limpo", afinal é texto num arquivo, certo?

Errado, e o motivo é justamente o que faz ele funcionar tão bem

No suporte a PDF, cada página é convertida em imagem E o texto daquela página é extraído e enviado junto com a imagem, os dois no mesmo pacote

Ou seja: tu paga o lado visual e o lado textual da mesma página

Por isso o consumo típico fica entre 1.500 e 3.000 tokens por página, variando conforme a densidade do conteúdo

Faz a conta de cabeça com um relatório de 20 páginas e tu já entende por que o contexto some do nada 😅

Uma coisa importante pra não sair boato por aí: não existe taxa extra por PDF, vale o preço padrão da API, sem cobrança adicional pelo formato

O que muda a tua fatura é volume, não penalidade, e se a tua dúvida hoje ainda é entre pagar por API ou assinar o plano, o raciocínio é o mesmo de sempre: medir o uso real antes de decidir

E tem a armadilha da densidade: páginas com fonte pequena, tabelas complexas ou muitos gráficos enchem a janela de contexto ANTES de bater o limite de páginas da requisição

Os detalhes desse comportamento estão na documentação de suporte a PDF

Quanto custa o texto colado (e por que ele quase sempre ganha)

A régua do texto é bem mais simples

A estimativa oficial: 1 token equivale a cerca de 4 caracteres ou 0,75 palavra em inglês, e o número exato varia conforme o idioma

Guarda essa aproximação de 4 caracteres, porque é ela que resolve a maior parte das tuas decisões do dia

Na prática, com um stack trace ou um log recortado, funciona assim:

Trecho de log com 2.000 caracteres

2.000 / 4 = cerca de 500 tokens (estimativa)

Agora compara mentalmente com uma página de PDF, que sozinha já parte de 1.500 tokens

E aqui mora a maior economia disponível, que não é nem escolher formato: é RECORTAR

Um stack trace inteiro de 300 linhas quase sempre tem 15 linhas que importam, o resto é ruído de framework que só empurra contexto útil pra fora da janela

Colar as 15 linhas certas é mais barato E funciona melhor, porque o modelo não precisa adivinhar qual pedaço tu quer que ele olhe

Imagem, PDF e texto colado lado a lado

Como medir o custo antes de enviar

Chega de achismo, dá pra medir antes de apertar enter

1. Estime pela fórmula ou pela aproximação. Pega as dimensões da imagem em pixels e roda ⌈largura/28⌉ × ⌈altura/28⌉, ou joga no atalho largura × altura / 750 se tu só quer a ordem de grandeza. O erro comum deste passo é estimar em cima do tamanho do arquivo em MB: peso do arquivo não é custo de token, o que conta é a grade de pixels

2. Confira no endpoint de contagem de tokens. Ele aceita os mesmos tipos de entrada da criação de mensagem, incluindo system prompt, tools, imagens e PDFs, então dá pra medir o pacote inteiro antes de mandar. O erro comum deste passo é contar só o anexo e esquecer que system prompt e definição de tools também entram na conta

3. Trate o número como estimativa. A contagem devolvida é aproximada e o consumo real de tokens de entrada pode diferir por uma pequena margem. O erro comum deste passo é planejar colado no limite da janela e depois levar estouro por causa dessa margem

4. Meça à vontade, sem medo do rate limit. A contagem de tokens e a criação de mensagem têm limites de taxa separados e independentes, o uso de um não conta contra o limite do outro. O erro comum deste passo é evitar medir achando que a medição "gasta" o limite da conversa

5. No Claude Code, roda o /context. Ele mostra o uso real do contexto por categoria, com sugestões de otimização, incluindo quais arquivos CLAUDE.md e de memória foram carregados

/context

O erro comum deste passo é culpar o print pelo contexto cheio quando, na real, são os arquivos de memória e CLAUDE.md ocupando o espaço desde antes de tu anexar qualquer coisa

A mecânica do endpoint está descrita na documentação de contagem de tokens

Quando a imagem é insubstituível e quando é só desperdício

Imagem não é vilã, ela só é mal usada

São duas listas bem curtas, e elas resolvem a decisão em dois segundos

Insubstituível (manda o print sem dó):

• layout quebrado, aquele card que vazou do container e tu não sabe explicar em palavras
• diferença visual de UI, tipo comparar o antes e o depois de um ajuste de CSS
• gráfico, dashboard, qualquer coisa em que a FORMA é a informação
• erro dentro de um app sem texto copiável, onde a mensagem simplesmente não sai de lá

Desperdício (isso já é texto, então cola como texto):

• stack trace
• log de build ou de servidor
• mensagem de terminal
• trecho de código
• JSON de resposta da API
• tabela ou planilha que tu consegue copiar

Tudo isso já nasce em texto, e vai pra conversa por uma fração do custo se tu colar em vez de fotografar

A régua fica assim: se tu consegue selecionar com o mouse, não é print, é Ctrl+C

E quando a imagem for mesmo necessária, no Claude Code tu tem alguns caminhos

Dá pra arrastar e soltar a imagem direto na janela

Dá pra colar a imagem no CLI pelo atalho de teclado: Ctrl+V no geral, Cmd+V no iTerm2 no macOS e Alt+V no Windows

Ao colar, ele insere um chip [Image #N] na posição do cursor, e esse marcador serve justamente pra tu referenciar aquela imagem específica dentro do prompt

E dá pra passar o caminho do arquivo dentro do próprio prompt, tipo Analyze this image: /path/to/your/image.png, que é o jeito mais prático quando o print já está salvo em disco

Esses fluxos estão na documentação do Claude Code

Veredito: o que usar em cada situação

Texto colado e recortado é o padrão

Se a informação existe como texto, manda como texto, sempre

A régua de cerca de 4 caracteres por token é generosa perto de qualquer alternativa visual, e o recorte do trecho relevante economiza mais do que qualquer truque de formato

Imagem só quando a informação é visual

E quando for, manda no MENOR tamanho que ainda deixa o detalhe legível

Não adianta mandar gigante: acima da resolução aproveitada pelo tier (2576 px na borda mais longa no tier de alta resolução, 1568 px no tier padrão) a imagem é reduzida antes do processamento mesmo, e o teto de tokens visuais continua sendo o teto

PDF só quando o documento inteiro importa

É o formato mais caro por item porque cada página carrega imagem e texto no mesmo pacote

Com 1.500 a 3.000 tokens por página, poucas páginas densas já viram dezenas de milhares de tokens, e aí não sobra janela pro trabalho de verdade

Se tu só precisa de duas frases de um contrato de 40 páginas, tu não precisa do PDF, tu precisa das duas frases

Conclusão

A régua dos três formatos, resumida pra guardar:

imagem é grade de blocos de 28×28 px, com fórmula fechada e teto de 1568 ou 4784 tokens visuais conforme o tier

PDF é imagem mais texto na mesma página, de 1.500 a 3.000 tokens por página, sem taxa extra mas com peso real

texto é cerca de 4 caracteres por token, e ainda aceita o corte que os outros dois não aceitam

O próximo passo é bem simples: roda /context na tua sessão atual do Claude Code e olha pra onde o contexto está indo de verdade, antes de culpar o print

E no próximo anexo, passa ele pelo endpoint de contagem de tokens antes de enviar, só pra ver o número com os próprios olhos

Medir uma vez muda o hábito pra sempre 😀

até o próximo post!