Context rot
Context rot (degradação do contexto) é a queda na acurácia e na confiabilidade de um modelo de linguagem à medida que sua entrada fica mais longa, mesmo quando a entrada ainda cabe na janela de contexto e a informação necessária está presente.
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
Uma janela de contexto grande diz quanto texto um modelo aceita, não quão bem ele o usa. O context rot é a distância entre as duas coisas. À medida que os prompts ficam mais longos, os modelos deixam passar fatos, confundem passagens parecidas e seguem as instruções com menos rigor.
As evidências
O relatório da Chroma de julho de 2025 testou 18 modelos, incluindo GPT-4.1, Claude 4, Gemini 2.5 e Qwen3, e concluiu que o desempenho caía à medida que o tamanho da entrada crescia em todos os experimentos, muitas vezes de formas irregulares e surpreendentes. Testes simples de agulha no palheiro (needle-in-a-haystack), em que o modelo só precisa encontrar uma frase, escondem boa parte disso, porque tarefas reais exigem que o modelo raciocine sobre o que encontra e ignore distrações parecidas.
Por que isso importa para agentes
Agentes acumulam saídas de ferramentas, conteúdo de arquivos e turnos antigos, então seu contexto cresce sozinho. A partir de certo ponto, mais contexto piora o agente. Esse é um dos principais motivos da context engineering: colocar na janela só o que o próximo passo precisa.
Como reduzi-lo
Recupere as poucas passagens relevantes com geração aumentada por recuperação em vez de colar documentos inteiros. Resuma históricos longos com compactação de contexto. Mande tarefas paralelas para um subagente, para que a saída delas nunca chegue à thread principal. Coloque as instruções mais importantes onde o modelo as veja com clareza e teste sua própria tarefa nos tamanhos de contexto que você realmente usa, já que o declínio varia conforme o modelo e a tarefa.
Termos relacionados
- Compactação de contexto
- Compactação de contexto (context compaction) é a etapa em que um agente resume uma conversa que está chegando ao limite da janela de contexto e continua em uma janela nova que começa a partir desse resumo, para que uma tarefa longa possa seguir.
- Context engineering
- Context engineering (engenharia de contexto) é a prática de escolher e manter tudo o que entra na janela de contexto de um modelo de linguagem durante uma tarefa: instruções, documentos recuperados, definições de ferramentas, resultados de ferramentas e histórico da conversa.
- Janela de contexto
- Uma janela de contexto (context window) é a quantidade máxima de texto, contada em tokens, que um modelo de linguagem consegue considerar de uma vez, incluindo o prompt de sistema, a conversa, os documentos, os resultados de ferramentas e a resposta que ele escreve.
- Retrieval-augmented generation
- Retrieval-augmented generation (RAG, geração aumentada por recuperação) é um padrão em que um sistema primeiro busca em uma coleção de documentos os trechos relevantes para uma pergunta e depois entrega esses trechos a um modelo de linguagem para que a resposta se baseie neles.
- Memória de agente
- Memória de agente é o conjunto de técnicas que permitem a um agente de IA guardar informações além de uma única janela de contexto, como fatos sobre um usuário ou trabalhos anteriores, armazenando-as fora do modelo e carregando-as de volta quando necessário.