Entenda qualquer PDF sem ler tudo.

Uma ferramenta gratuita que resume documentos, cria estruturas e listas de entidades e responde a perguntas sobre eles com um modelo de linguagem que roda no seu dispositivo — sem chaves de API, sem envios, sem cobrança por página. Ela é voltada a estudantes com listas de leitura, pesquisadores que fazem a triagem de papers e profissionais que precisam extrair os fatos de relatórios e contratos longos.

PDF, DOCX, TXT e Markdown funcionam igualmente, há dois pequenos modelos de pesos abertos para escolher, e cada execução fica guardada num histórico local ao qual você volta semanas depois.

Como funciona

O texto do documento é extraído no dispositivo: o pdf.js percorre um PDF página a página, DOCX é descompactado localmente, e textos e Markdown são lidos direto. Documentos que cabem numa janela de contexto são analisados de uma vez; os mais longos são divididos nas fronteiras de página em partes de cerca de 8.000 caracteres. Cada parte é resumida separadamente (map), e os resumos parciais são destilados num briefing final (reduce), de modo que a saída cobre o documento inteiro e não só o começo.

As respostas chegam em streaming, token a token, com progresso ao vivo durante a fase de partes. Tudo pode ser exportado como Markdown pronto para colar.

Seis tarefas, dois modelos

Seis modos cobrem os trabalhos comuns: Resumo começa com uma visão geral de um parágrafo seguida dos pontos mais importantes; Pontos-chave extrai fatos, números, datas e itens de ação numa lista; Estrutura produz um sumário Markdown hierárquico de toda a organização; Entidades agrupa pessoas, organizações, locais, datas e termos; Explicação simples reescreve o documento em linguagem clara que um estudante de ensino médio entende; e Fazer uma pergunta responde apenas a partir do conteúdo do documento, avisando quando a resposta não está nele.

Dois modelos ONNX quantizados (q4f16) rodam localmente via Transformers.js: HuggingFaceTB/SmolLM2-1.7B-Instruct (cerca de 1 GB) e onnx-community/Qwen2.5-1.5B-Instruct (cerca de 1,1 GB). Ambos respondem no idioma do documento, a menos que sua pergunta seja feita em outro idioma.

Histórico local de execuções

Cada execução bem-sucedida — nome do documento, tarefa, modelo, pergunta, duração, número de páginas e saída completa — é salva no armazenamento local do navegador. O painel de histórico permite restaurar um briefing anterior, copiar de novo ou apagar entradas individuais; como não existe conta, nada é sincronizado com a nuvem. O plano grátis mantém as 20 execuções mais recentes; o Pro, 100, com a entrada mais antiga descartada automaticamente.

WebGPU, modo CPU e PDFs digitalizados

Chrome ou Edge com WebGPU são fortemente recomendados: a geração é rápida o bastante para parecer conversacional. Sem WebGPU os modelos rodam em CPU via WebAssembly — todas as tarefas funcionam, mas um documento longo pode demorar bastante e a interface avisa isso com honestidade logo no começo. PDFs só de imagem não têm camada de texto legível; isso é detectado e a ferramenta de OCR é sugerida primeiro. Os modelos são baixados uma vez do hub aberto e ficam em cache para uso offline.

Limites grátis e Pro

O plano grátis processa documentos de até 120 páginas com execuções ilimitadas e um histórico local de 20 itens. O Pro sobe para 600 páginas e 100 execuções. Um documento além do limite contribui com as primeiras páginas com um aviso claro sobre quantas foram puladas; não há um teto rígido de envio porque nada é enviado — o limite prático é a memória do seu dispositivo e a sua paciência. Os dois planos incluem uso comercial, sem marcas d'água nem cota mensal.

Expectativas honestas e privacidade

Um modelo local de 1,5–1,7 bilhão de parâmetros resume com fidelidade e responde bem a perguntas factuais ancoradas no texto, mas não é um chatbot de fronteira na nuvem: para raciocínio aberto trate a saída como um primeiro rascunho rápido e confira números na fonte. As fichas de modelo do SmolLM2 e do Qwen2.5 são públicas no hub.

Papers, contratos, documentos médicos e notas internas nunca saem da sua máquina após o download único do modelo. Esse é exatamente o ponto da ferramenta: resumir com segurança material que você jamais colaria num LLM na nuvem.