PDF-er i Claude Code: konvertering, tokens og bevaring av struktur

Hva skjer med en PDF i Claude, og hvorfor koster hver side 1 500–3 000 tokens?#

Anthropics offisielle dokumentasjon beskriver prosessen i tre enkle trinn:

Det høres logisk ut, men behandlingskostnadene øker lineært med antall sider. Og her er tallet som forklarer hvorfor abonnementsgrensen din går med til én enkelt PDF:

For å vise hvor mye det er, målte Anthropic den samme PDF-en på 3 sider på Bedrock i to moduser. I tekstmodus (Converse Document Chat) brukte den ~1 000 tokens. Med visuell analyse (Claude PDF Chat) brukte den ~7 000 tokens. Når bilder tas med, blir behandlingen 7 ganger dyrere.

Skjermbilder av sider er enda verre. Et skjermbilde på 1000×1000 piksler koster omtrent 1 300 tokens.

Mekanismen er enkel: PDF-er er dyre fordi Claude ikke stoler på OCR-en sin. Den bruker både tekst og bilde for å sammenligne dem — og du betaler for begge lagene samtidig. For store dokumenter kan du gjøre det annerledes: lagre filen som Markdown i prosjektmappen og si til Claude: «her er et dokument med informasjon — fordel den». Den fordeler innholdet i sine egne filer og fortsetter å jobbe med den organiserte teksten i stedet for å bruke alt på én gang.

Hvor mye bruker en PDF i en typisk oppgave?#

De konkrete tallene (Sonnet 4.x-modell, inndata til $3 per million tokens):

Og det er bare for én runde med 4 forespørsler. Etter det kommer promptbufring inn i bildet (5 minutters TTL som standard, opptil 1 time på et utvidet nivå, med opptil 90% rabatt på gjentatte kall i tidsrommet) — besparelsen blir større.

Hver gang du laster opp den samme PDF-en i en ny chat, leser Claude den på nytt; hurtigbufferen følger ikke med mellom chatter.

Hvis samme PDF på 15 sider konverteres til Markdown én gang og legges inn som .md i hver av fire nye chatter, bruker eksemplet 15 × 300 × 4 = 18 000 inndatatokens i stedet for 135 000. De 300 tokens per konvertert side og 2 250 per PDF-side er regneforutsetninger, ikke målte konstanter for enhver PDF. Tell det faktiske dokumentet og bekreft konverteringskvaliteten før du anslår besparelser.

Dette regnestykket blir enda mer relevant med et Claude Pro-abonnement. Én rapport på 100 sider kan bruke opp hele 5-timersgrensen. Etter konvertering til Markdown får du plass til 10+ slike dokumenter innenfor samme budsjett.

Hva er Anthropic API-grensene for PDF-er i 2026?#

Anthropics dokumentasjon oppgir grensene øverst (gjeldende per 31. mai 2026):

Claude.ai (nettappen for forbrukere) har andre grenser: maksimalt 500 MB per fil og opptil 20 filer i en chat. Visuell analyse fungerer imidlertid bare for PDF-er på opptil 100 sider — utover det ser Claude bare teksten, uten diagrammer og grafer.

Tre måter å sende en PDF gjennom API-et på:

1. Via URL - "source": {"type": "url", "url": "..."} - enklest når dokumentet ligger på nettet.
2. I Base64 - "source": {"type": "base64", "media_type": "application/pdf", "data": "..."} - for lokale filer.
3. Gjennom Files API - "source": {"type": "file", "file_id": "file_abc123"} - for gjentatte forespørsler; krever betahodet anthropic-beta: files-api-2025-04-14.

Files API er den viktigste måten å spare på når du jobber med den samme PDF-en i ulike chatter. Last den opp én gang, få en file_id, og bruk den deretter i alle samtaler. Med cache_control: ephemeral koster gjentatte kall 10% av den vanlige prisen.

Anthropic gir også offisielle råd om hvordan du kan redusere bruken:

Metode 1: Hvordan setter du opp MarkItDown på 5 minutter?#

MarkItDown er et offisielt Microsoft-prosjekt som vedlikeholdes av AutoGen-teamet. På GitHub har det 134 tusen stjerner og 9,2 tusen fork-er (ved utgangen av mai 2026). Formålet beskrives direkte i README-filen:

Støttede formater:

• Dokumenter: PDF, DOCX, PPTX, XLSX
• Nett: HTML, JSON, XML, CSV
• Medier: lyd med transkripsjon, bilder med EXIF og OCR, YouTube-videoer (via teksting)
• Arkiver: ZIP, EPub
• Annet: alle vedlegg i Outlook MSG-filer

Installasjon

Krav: Python 3.10+ (vanligvis allerede installert på macOS; på Windows må du installere det separat).

pip install 'markitdown[all]'

Hvis du ikke trenger alle formatene, kan du installere bare utvalgte formater:

pip install 'markitdown[pdf, docx, pptx]'

Konvertere én fil

Det enkleste tilfellet:

markitdown document.pdf > document.md

Etterpå vises document.md i den gjeldende mappen. Legg den inn i Claude Code med @document.md, eller legg den bare ved siden av prosjektet.

Python-API

Hvis du vil integrere det i skriptet ditt:

from markitdown import MarkItDown

md = MarkItDown()
result = md.convert("research-paper.pdf")
print(result.text_content)

# Du kan lagre det med én gang:
with open("research-paper.md", "w") as f:
    f.write(result.text_content)

Hva MarkItDown IKKE KAN gjøre

• OCR for skannede PDF-er - det returnerer ingenting. Skannede dokumenter krever PyMuPDF4LLM eller Docling.
• Komplekse oppsett med flere kolonner - leserekkefølgen kan bli rotete.
• Innebygde URL-er fra PDF-er - de bevares ikke.

For enkle PDF-er (rapporter, artikler, dokumentasjon) er MarkItDown det beste valget: et allsidig verktøy som installeres på et minutt og ikke krever Python-kunnskaper. Hvordan det fungerer med kyrillisk tekst og skanninger, vises i målingene i analysen av hvordan du kan konvertere en PDF til tekst for AI.

Metode 2: Hva tilbyr PyMuPDF4LLM, og når er det bedre?#

MarkItDown tilbyr bredde i formatstøtten; PyMuPDF4LLM tilbyr dybde i PDF-behandlingen.

Versjonen per 31. mai 2026 er 1.27.2.3 (utgitt 24. april 2026).

Dette er inkludert

• Sider med flere kolonner i riktig leserekkefølge
• Tabeller konvertert til GitHub-flavored Markdown
• Topptekster og bunntekster fjernes automatisk
• Bilder hentes ut med relative lenker til en separat mappe
• Smart OCR: brukes bare på uleselige områder og sparer ~50% av behandlingstiden
• Opprinnelig C-motor, ingen GPU nødvendig

Installasjon

pip install pymupdf4llm

Bruk

import pymupdf4llm

# Grunnleggende bruk - rett til Markdown:
md_text = pymupdf4llm.to_markdown("document.pdf")

# Lagre det:
with open("document.md", "w") as f:
    f.write(md_text)

På én linje, som lovet:

python3 -c "import pymupdf4llm; \
  open('document.md','w').write(pymupdf4llm.to_markdown('document.pdf'))"

Når bør du velge PyMuPDF4LLM fremfor MarkItDown?

• Når PDF-en har mange lenker du må bevare (MarkItDown mister dem).
• Når dokumentet er skannet og du trenger OCR.
• Når du trenger høy hastighet på tusenvis av filer lokalt — den opprinnelige C-motoren er raskere enn Python-innpakninger.
• Når du trenger bilder fra PDF-en i en separat mappe for videre behandling.

Lisensdetaljer (viktig for bedrifter)

PyMuPDF4LLM har dobbelt lisens: AGPL v3 ELLER Artifex commercial.

AGPL betyr: Hvis du bruker biblioteket i en offentlig SaaS-tjeneste, må du publisere hele kildekoden til tjenesten under den samme AGPL-lisensen. For intern bruk (skriptet ditt på laptopen) er det ingen begrensninger.

For kommersiell utvikling uten å offentliggjøre kode kjøper du en lisens fra Artifex (artifex.com). Prisene er ikke publisert; be salgsavdelingen om dem.

Hvis du bygger et produkt for kunder, bør du sjekke lisensen med én gang. MarkItDown (MIT) og Docling (MIT) er tryggere for SaaS.

Metode 3: Hvordan kobler du MarkItDown MCP-serveren til Claude Code?#

MarkItDown i CLI-modus betyr «jeg konverterer filer manuelt på forhånd»; MCP-serveren betyr «Claude Code bestemmer selv når den skal konvertere».

Installasjon

Du trenger pakkebehandleren uv. Du trenger ikke å installere serveren separat; uv laster den ned første gang den kjøres.

Konfigurasjon i Claude Code

Én kommando kobler serveren til alle prosjektene dine med en låst versjon:

claude mcp add --scope user --env 'ORT_DISABLE_TELEMETRY=1' --env 'UV_PYTHON=3.12' --transport stdio markitdown -- uvx markitdown-mcp@0.0.1a7
claude mcp list

Oppføringen markitdown skal vise «Connected». Første oppstart laster ned omtrent sytti pakker og tar opptil ett minutt; etter det starter serveren på ett eller to sekunder.

Her er grunnen til at kommandoen trenger de to variablene. ORT_DISABLE_TELEMETRY=1 slår av statistikk som onnxruntime-motoren i serveren som standard sender til Microsoft på Mac og Linux. UV_PYTHON=3.12 kjører serveren med Python 3.12, som har forhåndsbygde pakker for Windows, Linux og Mac-er med Apple Silicon. På Intel-Mac-er og macOS 13 og eldre kan ikke serveren installeres med Python 3.14. Det finnes et forbehold for Intel og 3.12: uv bygger cryptography-biblioteket fra kildekoden fordi det ikke har vært tilgjengelige forhåndsbygde Intel-pakker siden juni 2026. Installasjonen tar lengre tid og kan mislykkes. Hvis du ikke har Python 3.12, laster uv det ned for deg.

Serveren kjører direkte på datamaskinen din og kan åpne alle filer du har tilgang til. Hvis Claude Code var åpent, starter du det på nytt, så vises markitdown på listen over MCP-servere.

Slik bruker du den

I Claude Code sier du ganske enkelt:

Convert /Users/your-user/Documents/report.pdf to Markdown and analyze the main points.

Claude kaller selv convert_to_markdown(uri), henter Markdown og jobber med den — PDF-en lastes ikke inn i konteksten i det hele tatt.

Støttede URI-er

• file:// - lokale filer
• http://, https:// - dokumenter på nettet
• data: - innebygde data (Base64)

Sikkerhet

Fra den offisielle README-filen:

Som standard er den bundet til localhost. Hvis du kjører den over HTTP/SSE (alternativet --http --host 127.0.0.1 --port 3001), må du ikke eksponere porten eksternt uten en autentisert reverse proxy.

Hvilken metode bør du velge for oppgaven din?#

Utvidet sammenligningstabell:

Marker oppgir imponerende nøyaktighetstall fra referansetester:

Men Marker trenger en GPU for god hastighet og tar med seg maskinlæringsmodeller. For de fleste oppgaver (vanlige PDF-er med tekst) gjør PyMuPDF4LLM eller MarkItDown jobben uten GPU på noen sekunder.

En enkel regel for valg

1. Én eller to PDF-er, trenger det raskt - MarkItDown CLI.
2. Dusinvis av PDF-er, trenger automatisering - MarkItDown MCP-server eller PyMuPDF4LLM i et skript.
3. PDF-er med lenker og bilder der det er viktig å bevare strukturen - PyMuPDF4LLM.
4. Produksjons-RAG for bedrifter der tabellstabilitet er viktig - Docling.
5. Vitenskapelige artikler med formler - Marker.
6. Vil ikke tenke på det; la Claude konvertere - MarkItDown MCP-server.

Hvordan skriver du et klart skript for å konvertere en mappe med dokumenter automatisk?#

Et praktisk eksempel: Tenk deg at du har 40 PDF- og PPTX-rapporter fra kunder i én mappe — meglerutskrifter, kontrakter, presentasjoner. Det er nytteløst å laste hele mappen direkte opp til Claude: kontekstvinduet fylles med informasjon før det første svaret. Kjør hele mappen gjennom skriptet nedenfor én gang, og fortsett deretter å jobbe med lette .md-filer i stedet for store PDF-er.

Lagre dette skriptet som scripts/docs-to-md.sh i prosjektets rotmappe:

#!/bin/bash
# docs-to-md.sh - konverterer alle dokumenter i en mappe til Markdown ved hjelp av MarkItDown
# Bruk: bash docs-to-md.sh ./documents

set -e

INPUT_DIR="${1:-./documents}"
OUTPUT_DIR="${INPUT_DIR}/_md"

mkdir -p "$OUTPUT_DIR"

echo "Scanning $INPUT_DIR..."

for file in "$INPUT_DIR"/*.{pdf,docx,pptx,xlsx}; do
  [ -f "$file" ] || continue

  basename=$(basename "$file")
  name="${basename%.*}"
  output="$OUTPUT_DIR/${name}.md"

  if [ -f "$output" ] && [ "$output" -nt "$file" ]; then
    echo "Skipping $basename (already converted)"
    continue
  fi

  echo "Converting $basename..."
  markitdown "$file" > "$output"
done

echo "Done. Results are in $OUTPUT_DIR"

Gjør det kjørbart:

chmod +x scripts/docs-to-md.sh

Kjør det:

bash scripts/docs-to-md.sh ./reports

Etter kjøringen inneholder ./reports/_md/ .md-versjoner av alle dokumentene. Legg dem inn i Claude Code med @reports/_md/ og jobb med den komprimerte teksten i stedet for PDF-er.

Skriptet hopper automatisk over filer som allerede er konvertert (hvis .md-filen er nyere enn kildefilen) — det er billig å kjøre det på nytt, og det beregner ikke alt på nytt.

Idempotens og trinnvis konvertering

Hvis du vil at skriptet skal oppdage PDF-er som har endret seg (lagret på nytt under samme navn), legger du til en kontroll av innholdshashen:

hash=$(shasum -a 256 "$file" | cut -d' ' -f1)
hash_file="$OUTPUT_DIR/.${name}.sha256"

if [ -f "$hash_file" ] && [ "$(cat "$hash_file")" = "$hash" ]; then
  echo "Skipping $basename (hash matches)"
  continue
fi

markitdown "$file" > "$output"
echo "$hash" > "$hash_file"

Denne versjonen konverterer bare en fil på nytt hvis innholdet er endret.

Når er en PDF i Claude fortsatt bedre enn Markdown?#

Tre tilfeller der Markdown-konvertering kommer til kort:

1. Visuell analyse av diagrammer og grafer

Hvis Claude må «lese» en graf — en priskurve, et prosessdiagram eller et arkitekturdiagram — finnes ikke informasjonen i Markdown. Markdown bevarer bare bildetekster; selve figuren går tapt.

Løsning: last opp PDF-en og aktiver visuell modus uttrykkelig. I Claude API fungerer flagget automatisk; på AWS Bedrock trenger du flagget citations.

2. Komplekse tabeller med sammenslåtte celler

Markdown-tabeller er flate. Hvis PDF-en har en tabell med sammenslåtte celler, overskrifter på flere nivåer eller nestede undertabeller, vil konvertereren enten gjøre den flat eller miste sammenhengene.

Løsning: bruk PDF-en direkte, bruk Docling (som håndterer komplekse tabeller best), eller formater den manuelt etter konverteringen.

3. Dokumenter som artefakter med sidereferanser

For juridiske dokumenter, kontrakter og møtereferater er det viktig å kunne sitere «side 7, avsnitt 3». Sidetall går tapt i Markdown.

Løsning: PDF + Files API + promptbufring. Last opp dokumentet én gang, og referer deretter til det med file_id; Claude ser pagineringen og kan vise til bestemte sider.

Korte dokumenter

Hvis en PDF er på færre enn 2 sider og du bruker den én gang, er det ikke verdt å konvertere den. 5 000 tokens for en PDF mot 800 for Markdown er ikke nok besparelse til å forsvare installasjonen av MarkItDown.

Lønnsomhetsgrensen er omtrent 5+ sider eller 2+ ganger bruk av det samme dokumentet. Under det bør du laste opp PDF-en direkte; over det bør du konvertere den.

Hva er de 5 vanligste feilene folk gjør med PDF-er i Claude?#

1. Laste opp den samme PDF-en på nytt i en ny chat hver gang

Claude Pro har en meldingsgrense over 5 timer — én rapport på 50 sider kan bruke opp alt før du stiller et nytt spørsmål.

Det finnes et enkelt prinsipp for dette: én oppgave — én chat. Når AI begynner å bruke en absurd mengde tokens, betyr det at du stapper alt inn i én chat og legger inn PDF-en igjen og igjen. Ha én liten oppgave i hvert vindu. Konverter dokumentet til Markdown én gang, og legg deretter .md-filen inn i hvert nye vindu sammen med prosjektet. Sirkelen for kontekstvinduet blir ikke gul.

Løsning: konverter den til Markdown én gang, eller bruk Files API med file_id og promptbufring.

2. Et skjermbilde i stedet for tekst

Et typisk eksempel: Noen vil vise Claude et stykke kode eller en tabell, tar et skjermbilde av hele skjermen på 1920×1080 og lurer på hvorfor grensen gikk tom etter 5 forespørsler.

Et skjermbilde på 1000×1000 piksler koster ~1 300 tokens. Den samme teksten kopiert for hånd koster 50–100 tokens. Det er en forskjell på 13–26 ganger.

Løsning: beskjær skjermbilder tett (slik at bare den viktige delen vises), eller enda bedre, kopier teksten direkte.

3. En skannet PDF uten OCR

MarkItDown kan ikke utføre OCR. Hvis du konverterer en skanning, blir resultatet en tom .md-fil (eller 3 linjer med støy).

Løsning: bruk PyMuPDF4LLM (med den innebygde smarte OCR-en) eller Docling for skanninger.

4. Overse grensen på 100 sider

Anthropics dokumentasjon oppgir en grense på 600 sider per forespørsel — men i praksis er grensen for modeller med 200K kontekst (Sonnet 4.x, Opus 4.x) 100 sider. Grensen på 600 sider er ment for eldre modeller eller spesialnivåer.

Hvis du laster opp en rapport på 150 sider til Sonnet 4.6, får du en feilmelding eller, enda verre, behandler Claude bare de første 100 sidene og oppfører seg som om det har lest hele dokumentet.

Løsning: del lange PDF-er opp i deler før du laster dem opp. Eller konverter dem til Markdown — da finnes det ingen sidegrense, bare en tokenbegrensning.

5. Ikke bruke promptbufring for gjentatte forespørsler

Hvis du jobber med det samme dokumentet gjennom API-et, pakk det inn i cache_control: ephemeral. Gjentatte kall innen 5 minutter koster 10% av den opprinnelige prisen. Én forespørsel koster mer; resten får 90% rabatt.

Løsning: aktiver promptbufring som standard for alt du laster opp mer enn én gang.

Hva nå: kontekstutvikling#

Å konvertere PDF til Markdown er én måte å spare tokens på. I seg selv gjør det ikke svarene fra Claude mer nøyaktige. Nøyaktigheten kommer fra kontekstutvikling — arbeidet med å bestemme hva du legger inn i modellens kontekst før du stiller et spørsmål.

Hvis CLAUDE.md har 800 linjer, prosjektet ditt har 10 unødvendige MCP-servere, og du legger til en PDF på 100 sider, hindrer Markdown-konvertering én lekkasje, men de tre andre består. Derfor tar disse guidene for seg:

• Hvor tokens forsvinner i Claude Code - 9 mønstre for kontekstlekkasje, ikke bare PDF-er.
• Context Engineering in 2026 - systematisk kontekststyring.
• Plan Mode in Claude Code - planleggingsmodus før Claude begynner å skrive kode.