PDF v Claude Code: konverzia, tokeny a zachovanie štruktúry

Čo sa deje s PDF v Claude a prečo každá strana stojí 1 500–3 000 tokenov?#

Oficiálna dokumentácia Anthropic opisuje postup v troch jednoduchých krokoch:

Znie to logicky, ale náklady na spracovanie rastú lineárne s počtom strán. A práve toto číslo vysvetľuje, prečo vám limit predplatného vyčerpá jediné PDF:

Aby ste videli, koľko to je, Anthropic zmeral to isté 3-stranové PDF v Bedrocku v dvoch režimoch. V textovom režime (Converse Document Chat) spotrebovalo ~1 000 tokenov. Pri vizuálnej analýze (Claude PDF Chat) spotrebovalo ~7 000 tokenov. Zahrnutie obrázkov zdražuje spracovanie 7-krát.

Snímky strán obrazovky sú ešte horšie. Snímka obrazovky s rozmermi 1000×1000 pixelov stojí približne 1 300 tokenov.

Mechanizmus je jednoduchý: PDF sú nákladné, pretože Claude nedôveruje svojmu OCR. Používa text aj obrázok, aby ich mohol porovnať — a platíte za obe vrstvy naraz. Pri veľkých dokumentoch môžete postupovať inak: uložiť súbor ako Markdown do priečinka projektu a povedať Claude: „tu je dokument s informáciami — rozdeľ ich“. Obsah rozloží do vlastných súborov a bude pokračovať v práci s usporiadaným textom namiesto toho, aby všetko spracoval naraz.

Koľko spotrebuje PDF pri bežnej úlohe?#

Konkrétne čísla (model Sonnet 4.x, vstup za 3 $ na milión tokenov):

A to je len jeden cyklus 4 požiadaviek. Potom prichádza na rad ukladanie promptov do vyrovnávacej pamäte (predvolené TTL 5 minút, až 1 hodina pri rozšírenej úrovni, so zľavou až 90 % na opakované volania v rámci daného okna) — úspory sa znásobia.

Zakaždým, keď nahráte to isté PDF v novej konverzácii, Claude ho číta znova; vyrovnávacia pamäť sa medzi konverzáciami neprenáša.

Ak rovnaké 15-stranové PDF raz prevediete do Markdownu a potom ho vložíte do každej zo štyroch nových konverzácií ako .md, príklad spotrebuje 15 × 300 × 4 = 18 000 vstupných tokenov namiesto 135 000. Hodnoty 300 tokenov na prevedenú stranu a 2 250 na stranu PDF sú predpoklady výpočtu, nie namerané konštanty každého PDF. Pred odhadom úspor spočítajte skutočný dokument a potvrďte kvalitu konverzie.

Tento výpočet je ešte významnejší pri predplatnom Claude Pro. Jedna 100-stranová správa môže vyčerpať celý 5-hodinový limit. Po prevode do Markdownu sa do rovnakého rozpočtu zmestí 10+ takýchto dokumentov.

Aké sú limity Anthropic API pre PDF v roku 2026?#

Dokumentácia Anthropic uvádza limity hneď na začiatku (aktuálne k 31. máju 2026):

Claude.ai (spotrebiteľská webová aplikácia) má iné limity: maximálne 500 MB na súbor a až 20 súborov v jednej konverzácii. Vizuálna analýza však funguje len pri PDF s maximálne 100 stranami — pri väčších Claude vidí iba text, bez grafov a diagramov.

Tri spôsoby odoslania PDF cez API:

1. Pomocou URL - "source": {"type": "url", "url": "..."} - najjednoduchšie, keď je dokument online.
2. Vo formáte Base64 - "source": {"type": "base64", "media_type": "application/pdf", "data": "..."} - pre lokálne súbory.
3. Cez Files API - "source": {"type": "file", "file_id": "file_abc123"} - pre opakované požiadavky; vyžaduje beta hlavičku anthropic-beta: files-api-2025-04-14.

Files API je hlavný spôsob úspory pri práci s tým istým PDF v rôznych konverzáciách. Nahrajte ho raz, získajte file_id a potom ho použite pri všetkých interakciách. S nastavením cache_control: ephemeral stoja opakované volania 10 % bežnej ceny.

Anthropic ponúka aj oficiálne rady na zníženie spotreby:

Metóda 1: Ako nastaviť MarkItDown za 5 minút?#

MarkItDown je oficiálny projekt Microsoftu, ktorý spravuje tím AutoGen. Na GitHube má 134 tisíc hviezdičiek a 9,2 tisíca forků (stav ku koncu mája 2026). Jeho účel je priamo uvedený v súbore README:

Podporované formáty:

• Dokumenty: PDF, DOCX, PPTX, XLSX
• Web: HTML, JSON, XML, CSV
• Médiá: zvuk s prepisom, obrázky s EXIF a OCR, videá z YouTube (pomocou titulkov)
• Archívy: ZIP, EPub
• Ostatné: všetky prílohy v súboroch Outlook MSG

Inštalácia

Požiadavka: Python 3.10+ (v macOS býva zvyčajne už nainštalovaný; vo Windows ho treba nainštalovať osobitne).

pip install 'markitdown[all]'

Ak nepotrebujete všetky formáty, môžete nainštalovať len vybrané:

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

Konverzia jedného súboru

Najjednoduchší prípad:

markitdown document.pdf > document.md

Potom sa v aktuálnom priečinku objaví súbor document.md. Vložte ho do Claude Code pomocou @document.md alebo ho jednoducho umiestnite vedľa svojho projektu.

Python API

Ak ho chcete integrovať do svojho skriptu:

from markitdown import MarkItDown

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

# You can save it straight away:
with open("research-paper.md", "w") as f:
    f.write(result.text_content)

Čo MarkItDown NEDOKÁŽE

• OCR pre skenované PDF - nevráti nič. Skeny vyžadujú PyMuPDF4LLM alebo Docling.
• Zložité rozloženia s viacerými stĺpcami - môže poprehadzovať poradie čítania.
• Vložené URL odkazy z PDF - nezachováva ich.

Pri jednoduchých PDF (správy, články, dokumentácia) je MarkItDown najlepšou voľbou: všestranný nástroj, ktorý nainštalujete za minútu a nevyžaduje znalosti Pythonu. Jeho výkon pri dokumentoch s cyrilikou a skenmi ukazujú merania v analýze o tom, ako previesť PDF na text pre AI.

Metóda 2: Čo ponúka PyMuPDF4LLM a kedy je lepší?#

MarkItDown ponúka šírku formátov; PyMuPDF4LLM ponúka hĺbku spracovania PDF.

Verzia k 31. máju 2026 je 1.27.2.3 (vydaná 24. apríla 2026).

Čo obsahuje

• Strany s viacerými stĺpcami v správnom poradí čítania
• Tabuľky prevedené do Markdownu vo formáte GitHub
• Automatické odstránenie hlavičiek a pätičiek
• Extrahovanie obrázkov s relatívnymi odkazmi do samostatného priečinka
• Inteligentné OCR: aplikuje sa iba na nečitateľné oblasti, čím šetrí ~50 % času spracovania
• Natívne jadro C, nepotrebuje GPU

Inštalácia

pip install pymupdf4llm

Použitie

import pymupdf4llm

# Basic use - straight to Markdown:
md_text = pymupdf4llm.to_markdown("document.pdf")

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

Ako sme sľúbili, jedným riadkom:

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

Kedy si vybrať PyMuPDF4LLM namiesto MarkItDown

• Keď má PDF veľa odkazov, ktoré potrebujete zachovať (MarkItDown ich stráca).
• Keď je dokument skenovaný a potrebujete OCR.
• Keď potrebujete rýchlo spracovať tisíce lokálnych súborov — natívne jadro C je rýchlejšie než obaly v Pythone.
• Keď potrebujete obrázky z PDF v samostatnom priečinku na ďalšie spracovanie.

Podrobnosti o licencii (dôležité pre podnikanie)

PyMuPDF4LLM má dvojitú licenciu: AGPL v3 ALEBO komerčnú licenciu Artifex.

AGPL znamená: ak knižnicu používate vo verejnej službe SaaS, musíte zverejniť celý zdrojový kód svojej služby pod rovnakou licenciou AGPL. Pri internom používaní (váš skript na vlastnom notebooku) neplatia žiadne obmedzenia.

Ak chcete vyvíjať komerčný produkt bez zverejnenia kódu, kúpte si licenciu od Artifex (artifex.com). Ceny nie sú zverejnené; vyžiadajte si ich od obchodného oddelenia.

Ak vyvíjate produkt pre klientov, licenciu si overte hneď na začiatku. MarkItDown (MIT) a Docling (MIT) sú pre SaaS bezpečnejšie.

Metóda 3: Ako pripojiť server MarkItDown MCP ku Claude Code?#

MarkItDown v režime CLI znamená „súbory prevádzam vopred ručne“; server MCP znamená „Claude Code rozhoduje, kedy ich previesť“.

Inštalácia

Potrebujete správcu balíkov uv. Server netreba inštalovať samostatne; uv ho stiahne pri prvom spustení.

Konfigurácia v Claude Code

Jediný príkaz pripojí server ku všetkým vašim projektom a pevne určí jeho verziu:

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

Položka markitdown by mala zobrazovať stav „Connected.“ Pri prvom spustení sa stiahne približne sedemdesiat balíkov a môže to trvať až minútu; potom sa server spustí za sekundu či dve.

Prečo príkaz potrebuje tieto dve premenné? ORT_DISABLE_TELEMETRY=1 vypína štatistiky, ktoré jadro onnxruntime v serveri štandardne odosiela spoločnosti Microsoft v systémoch Mac a Linux. UV_PYTHON=3.12 spúšťa server v Pythone 3.12, pre ktorý sú k dispozícii predkompilované balíky pre Windows, Linux a Macy s Apple Silicon. Na Macoch s procesorom Intel a v macOS 13 a starších sa server nenainštaluje pod Pythonom 3.14. Pri Intel a verzii 3.12 je tu háčik: uv zostaví knižnicu cryptography zo zdrojového kódu, pretože predkompilovaný balík pre Intel nie je dostupný od júna 2026. Inštalácia trvá dlhšie a môže zlyhať. Ak nemáte Python 3.12, uv ho stiahne za vás.

Server beží priamo vo vašom počítači a môže otvoriť každý súbor, ku ktorému máte prístup. Ak bolo Claude Code otvorené, reštartujte ho a markitdown sa zobrazí v zozname serverov MCP.

Použitie

V Claude Code jednoducho povedzte:

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

Claude samo zavolá convert_to_markdown(uri), získa Markdown a pracuje s ním — PDF sa do kontextu vôbec nenačíta.

Podporované URI

• file:// - lokálne súbory
• http://, https:// - online dokumenty
• data: - vložené údaje (Base64)

Bezpečnosť

Z oficiálneho README:

Štandardne sa viaže na localhost. Ak ho spúšťate cez HTTP/SSE (voľba --http --host 127.0.0.1 --port 3001), nesprístupňujte port zvonka bez autentifikovaného reverzného proxy servera.

Ktorú metódu si vybrať pre svoju úlohu?#

Rozšírená porovnávacia tabuľka:

Marker uvádza pôsobivé výsledky presnosti v benchmarkoch:

Marker však na dobrú rýchlosť potrebuje GPU a prináša so sebou modely strojového učenia. Pri väčšine úloh (bežné textové PDF) svoju prácu zvládnu PyMuPDF4LLM alebo MarkItDown bez GPU za pár sekúnd.

Jednoduché pravidlo výberu

1. Jedno alebo dve PDF, potrebujete to rýchlo - MarkItDown CLI.
2. Desiatky PDF, potrebujete automatizáciu - server MarkItDown MCP alebo PyMuPDF4LLM v skripte.
3. PDF s odkazmi a obrázkami, pri ktorých záleží na zachovaní štruktúry - PyMuPDF4LLM.
4. Produkčné RAG pre podnikanie, pri ktorom záleží na stabilite tabuliek - Docling.
5. Vedecké články so vzorcami - Marker.
6. Nechcete sa tým zaoberať; nechajte PDF previesť Claude - server MarkItDown MCP.

Ako napísať hotový skript na automatický prevod priečinka s dokumentmi?#

Praktický príklad: predstavte si, že máte v jednom priečinku 40 správ PDF a PPTX od klientov — výpisy z maklérskych účtov, zmluvy, prezentácie. Nahrať celý priečinok priamo do Claude nemá zmysel: kontextové okno sa zaplní informáciami ešte pred prvou odpoveďou. Jedným prechodom spracujte celý priečinok pomocou nižšie uvedeného skriptu a potom pokračujte v práci s ľahkými súbormi .md namiesto objemných PDF.

Uložte tento skript do koreňového priečinka projektu ako scripts/docs-to-md.sh:

#!/bin/bash
# docs-to-md.sh - converts all documents in a folder to Markdown using MarkItDown
# Usage: 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"

Nastavte ho ako spustiteľný:

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

Spustite ho:

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

Po spustení bude ./reports/_md/ obsahovať verzie .md všetkých dokumentov. Vložte ich do Claude Code pomocou @reports/_md/ a pracujte so zhusteným textom namiesto PDF.

Skript automaticky preskakuje súbory, ktoré už previedol (ak je súbor .md novší než zdrojový súbor) — jeho opätovné spustenie je lacné a všetko neprepočítava.

Idempotencia a priebežná konverzia

Ak chcete, aby skript zachytil zmenené PDF (uložené znova pod rovnakým názvom), pridajte kontrolu hash-u obsahu:

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"

Táto verzia prevedie súbor znova len vtedy, ak sa zmenil jeho obsah.

Kedy je PDF v Claude stále lepšie než Markdown?#

Tri prípady, v ktorých konverzia do Markdownu nestačí:

1. Vizuálna analýza diagramov a grafov

Ak má Claude „čítať“ graf — cenovú krivku, procesný diagram alebo diagram architektúry — tieto informácie v Markdowne nie sú. Markdown zachováva len popisy obrázkov; samotný obrázok sa stratí.

Riešenie: nahrajte PDF a výslovne zapnite vizuálny režim. V Claude API príznak funguje automaticky; v AWS Bedrock potrebujete príznak citations.

2. Zložité tabuľky so zlúčenými bunkami

Tabuľky Markdownu sú ploché. Ak PDF obsahuje tabuľku so zlúčenými bunkami, viacúrovňovými hlavičkami alebo vnorenými podtabuľkami, konvertor ju buď sploští, alebo stratí vzťahy medzi jej časťami.

Riešenie: použite priamo PDF, použite Docling (zložité tabuľky spracúva najlepšie) alebo tabuľku po konverzii naformátujte ručne.

3. Dokumenty ako artefakty s odkazmi na strany

Pri právnych dokumentoch, zmluvách a zápisniciach je dôležité vedieť citovať „stranu 7, odsek 3“. Čísla strán sa v Markdowne stratia.

Riešenie: PDF + Files API + ukladanie promptov do vyrovnávacej pamäte. Nahrajte ho raz a potom naň odkazujte pomocou file_id; Claude vidí číslovanie strán a môže uvádzať konkrétne strany.

Krátke dokumenty

Ak má PDF menej než 2 strany a použijete ho raz, konverzia sa neoplatí. 5 000 tokenov za PDF oproti 800 za Markdown nie je dostatočná úspora, aby ospravedlnila inštaláciu MarkItDown.

Bod zvratu je približne 5+ strán alebo 2+ použitia toho istého dokumentu. Pod touto hranicou nahrajte PDF priamo; nad ňou ho preveďte.

Akých je 5 najčastejších chýb pri práci s PDF v Claude?#

1. Zakaždým nahráte to isté PDF v novej konverzácii

Claude Pro má limit správ za 5 hodín — jedna 50-stranová správa ho môže vyčerpať celý ešte pred druhou otázkou.

Platí tu jednoduchý princíp: jedna úloha — jedna konverzácia. Keď AI začne spotrebúvať absurdné množstvo tokenov, znamená to, že všetko tlačíte do jednej konverzácie a stále znova vkladáte PDF. V každom okne si nechajte jednu mikroúlohu. Dokument raz preveďte do Markdownu a potom do každého nového okna spolu s projektom pridajte súbor .md. Kruh kontextového okna nezožltne.

Riešenie: buď ho raz preveďte do Markdownu, alebo použite Files API s file_id a ukladaním promptov do vyrovnávacej pamäte.

2. Snímka obrazovky namiesto textu

Typický príklad: niekto chce Claude ukázať úryvok kódu alebo tabuľku, spraví snímku celej obrazovky s rozmermi 1920×1080 a čuduje sa, prečo sa limit minul už po 5 požiadavkách.

Snímka obrazovky s rozmermi 1000×1000 pixelov stojí ~1 300 tokenov. Rovnaký text skopírovaný ručne stojí 50–100 tokenov. To je rozdiel 13–26-násobku.

Riešenie: snímky obrazovky orežte tesne okolo dôležitej časti alebo ešte lepšie, skopírujte text priamo.

3. Skenované PDF bez OCR

MarkItDown nedokáže vykonať OCR. Ak prevediete sken, výsledkom bude prázdny súbor .md (alebo 3 riadky šumu).

Riešenie: pri skenoch použite PyMuPDF4LLM (so vstavaným inteligentným OCR) alebo Docling.

4. Ignorovanie limitu 100 strán

Dokumentácia Anthropic uvádza limit 600 strán na požiadavku — v praxi je však limit pri modeloch s kontextom 200K (Sonnet 4.x, Opus 4.x) 100 strán. Limit 600 strán je určený pre staršie modely alebo špeciálne úrovne.

Ak nahráte 150-stranovú správu do Sonnet 4.6, dostanete chybu alebo, čo je ešte horšie, Claude spracuje iba prvých 100 strán a bude sa tváriť, akoby prečítalo celý dokument.

Riešenie: pred nahratím rozdeľte dlhé PDF na časti. Alebo ich preveďte do Markdownu — neexistuje limit strán, len limit tokenov.

5. Nepoužívanie ukladania promptov do vyrovnávacej pamäte pri opakovaných požiadavkách

Ak cez API pracujete s tým istým dokumentom, obaľte ho nastavením cache_control: ephemeral. Opakované volania v priebehu 5 minút stoja 10 % pôvodnej ceny. Jedna požiadavka stojí viac; ostatné získajú zľavu 90 %.

Riešenie: predvolene zapnite ukladanie promptov do vyrovnávacej pamäte pre všetko, čo nahrávate viac než raz.

Čo ďalej: kontextové inžinierstvo#

Prevádzanie PDF do Markdownu je jeden zo spôsobov, ako šetriť tokeny. Samo osebe nezvyšuje presnosť odpovedí Claude. Presnosť prináša kontextové inžinierstvo — disciplína rozhodovania o tom, čo vložíte do kontextu modelu pred položením otázky.

Ak má váš CLAUDE.md 800 riadkov, projekt obsahuje 10 zbytočných serverov MCP a pridáte 100-stranové PDF, konverzia do Markdownu zabráni jednému úniku, ale ostatné tri zostanú. Preto tieto sprievodcovia pokrývajú:

• Kam smerujú tokeny v Claude Code - 9 vzorcov úniku kontextu, nielen PDF.
• Context Engineering v roku 2026 - systematická správa kontextu.
• Plan Mode v Claude Code - režim plánovania predtým, než Claude začne písať kód.