100X SOTA

LLM Brojač Tokena - Besplatan Kalkulator AI Troškova

Brojite tokene, znakove, riječi, korištenje prozora konteksta i troškove API-ja za GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 & Llama 4 u RAM-u

Obrada u lokalnom RAM-u...

Sljedeće preporučene radnje

Brzi radni procesi

Očisti skrivene vodene žigove upita

Ukloni nevidljive Unicode znakove koji povećavaju broj BPE tokena.

Pokreni Čistač nevidljivih znakova

Analiziraj gustoću ključnih riječi i riječi

Provjeri dužinu upita, broj rečenica i frekvenciju fraza 1x-3x.

Pokreni Brojač znakova

Potvrdi titlove i vrijeme skripte

Provjeri CPS brzinu čitanja i CPL ograničenja linija za skripte generisane pomoću AI.

Pokreni Provjerivač CPS-a titlova

Ukratko

Brzi sažetak i ključni zaključci

Osnovni uvidi, performanse i garancije privatnosti na jednom mjestu.

Zvanična definicija

Brojač LLM tokena i kalkulator AI troškova je uslužni program za programere koji segmentira tekst i izvorni kod u tokene podreči kodiranja parova bajtova (BPE) u memoriji pretraživača kako bi procijenio korištenje prozora konteksta i troškove API zaključivanja za velike jezičke modele.

Pregled|Provjerena arhitektura na klijentskoj strani

Za besplatno brojanje LLM tokena i izračun troškova AI API upita online, zalijepite svoj upit ili kod u Multinookov LLM brojač tokena. Naš klijentski analizator kodiranja parova bajtova (BPE) segmentira vaš tekst u blokove vizuelnih tokena u RAM-u pretraživača i upoređuje tačan broj tokena, procente prozora konteksta i službene cijene API ulaza/izlaza za GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek V3/R1, Grok 4 i Llama 4.

Višestruko poređenje modela

Uporedite broj tokena i API troškove za GPT-4o, Claude Sonnet, Gemini Pro/Flash i DeepSeek odjednom.

Vizuelni označivač tokena

Pogledajte tačne komade tokena podreči označene bojama kako biste uočili JSON, razmake ili nizove koda koji troše mnogo tokena.

Kalkulator API troškova serije

Simulirajte troškove produkcijskog API-ja za pojedinačne pozive i dnevne troškove pomoću prilagođenih klizača ulaznih i izlaznih tokena.

100% lokalna privatnost upita

Izvršite reviziju povjerljivih sistemskih upita i vlasničkog izvornog koda u lokalnom RAM-u bez prijenosa u oblak.

Pogon visokih performansi

LLM Brojač Tokena - Besplatan Kalkulator AI Troškova

Brojite LLM tokene, znakove i troškove API upita za OpenAI GPT-5/GPT-4.1/o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 i Llama 4 besplatno online.

Procjena tokena kodiranja parova bajtova (BPE) u stvarnom vremenu i vizualni označivač granica tokena označen bojama

Istovremena usporedba na 21 službenom modelu: OpenAI (GPT-5, GPT-4.1, o3, o4-mini, GPT-4o), Anthropic (Claude Opus 4.6, Sonnet 4.6, Haiku 4.5, 3.7 Sonnet), Google (Gemini 3.1 Pro, 3 Flash, 2.5 Pro/Flash), DeepSeek V3/R1, xAI Grok 4 i Meta Llama 4

Kalkulator API troškova uživo sa službenim cijenama po 1M ulaza i izlaza, očekivanim izlaznim tokenima i multiplikatorima dnevnih serijskih API poziva

Mjerači iskorištenja prozora konteksta kroz ograničenja konteksta od 128K, 164K, 200K, 400K, 500K i 1M tokena

Prikazuje tačan omjer znakova i tokena uz ukupne znakove, riječi i granice podriječi

100% izolirano izvršavanje u RAM-u klijenta — sigurno provjerite vlasničke sistemske upite i izvorni kod uz 0 učitavanja na server

Izolovana privatnost podataka

Apsolutna povjerljivost bez slanja podataka

Vaši fajlovi se obrađuju isključivo u RAM-u vašeg uređaja koristeći WebAssembly. Bez slanja na oblak.

100% obrada u RAM-u preglednika • Bez slanja na server

Uputstva korak po korak

Kako koristiti na mreži: LLM Brojač Tokena - Besplatan Kalkulator AI Troškova

Slijedite ova 3 jednostavna koraka za obradu vaših dokumenata direktno u pregledniku bez instalacija.

Zalijepite svoj sistemski upit, dokument ili kod

Zalijepite svoj LLM upit, RAG kontekstni dokument, JSON šemu ili datoteku sa kodom u radni prostor, ili učitajte uzorak TypeScript upita direktno u RAM pretraživača.

Pregledajte granice tokena označene bojama

Pogledajte broj tokena uživo, omjere znakova i tokena, kao i podsvijetljene komade tokena označene bojama koji pokazuju kako BPE tokenizatori dijele riječi, brojeve i uvlake koda.

Uporedite 21 zvanični model i cijene API-ja

Postavite očekivane izlazne tokene i dnevnu količinu API poziva da biste uporedili tačne troškove u dolarima po zahtjevu i seriji za GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 i Llama 4.

100% besplatno zauvijek (bez prijave)

Paid Cloud Portals

Zahtijeva developerski nalog

Poređenje funkcija	Multinook (u RAM-u preglednika)	Paid Cloud Portals
Podržani AI modeli	21 zvanični API model	Samo stariji modeli OpenAI-ja
Vizuelni označivač tokena	BPE podreči označene bojama	Samo običan brojčani izlaz
Matrica API troškova i serija	Unos + izlaz × dnevni pozivi	Potrebno ručno računanje
Mjerač prozora konteksta	128K / 400K / 500K / 1M	Nije uključeno
Privatnost upita	100% lokalni RAM (0 prijenosa)	Šalje se na vanjski API server
Cijena i pristup	100% besplatno zauvijek (bez prijave)	Zahtijeva developerski nalog

Tehnička arhitektura i specifikacije

Specifikacije i kompatibilnost formata

Dizajnirano strogo prema W3C WebAssembly i Typed Array specifikacijama.

Tokenizacijski mehanizamBPE segmentator podreči na strani klijenta (o200k_base, Claude BPE & SentencePiece)

Podržani ekosistemiOpenAI (GPT-5/4.1/o3), Anthropic (Claude 4.6/4.5), Google (Gemini 3.1/2.5), DeepSeek, Grok 4 & Llama 4

Vizuelni inspektorIsticanje granica tokena podreči označeno bojama

Modeliranje troškovaSlužbene cijene ulaznih + izlaznih tokena po 1M × dnevni obim serije

Telemetrija kontekstaMjerači prozora konteksta od 128K, 164K, 200K, 400K, 500K & 1M tokena

Arhitektura privatnosti100% lokalni RAM pretraživača sa zračnim procjepom (nula prijenosa na server)

Publika i radni procesi

Ciljna publika i praktični slučajevi upotrebe

Ko ima koristi od ovog uslužnog programa u pretraživaču i kada ga primijeniti.

Arhitekti RAG i agentskih sistema

AI inženjeri i programeri LLM aplikacija

Upoređivanje veličina tokena upita, iskorištenosti prozora konteksta i dnevnih troškova API zaključivanja na OpenAI-ju, Anthropicu i Googleu.

Dizajneri sistemskih upita

Inženjeri upita i tehnički pisci

Korištenje vizuelnog isticanja tokena za sažimanje opširnih uputstava i eliminaciju opterećenja formatiranjem koje troši tokene.

Planeri jedinične ekonomije vještačke inteligencije

Menadžeri proizvoda i osnivači SaaS-a

Prognoziranje mjesečnih računa LLM API-ja po korisniku za 1.000 do 100.000 dnevnih zahtjeva prije pokretanja novih AI funkcija.

Kustosi skupova podataka i finetuninga

Data naučnici i istraživači

Mjerenje omjera znakova i tokena u višejezičnim korpusima i JSONL datotekama za fino podešavanje.

Empirijsko laboratorijsko testiranje

Provjera iz prve ruke i mjerila performansi

Rezultati empirijskih testiranja provedenih na modernim pretraživačima i operativnim sistemima bez ikakvog mrežnog prijenosa.

Google Chrome 128 (Apple M3 Max)

Datoteka: RAG kontekstni dokument od 120.000 znakova (~30.000 tokena)

BPE segmentacija podreči od 3,8 ms i tabela troškova za više modela0 KB prenijeto (100% lokalni RAM uređaja)

Microsoft Edge 126 (Windows 11 x64 Intel i7)

Datoteka: TypeScript i JSON upit od 15.000 znakova

Icrtavanje granica vizuelnog tokena uživo od 1,1 ms0 KB prenijeto (100% lokalni RAM uređaja)

Mobile Safari (iOS 18 / iPhone 15 Pro)

Datoteka: Šablon sistemskog upita od 4.000 znakova

Trenutni izračun mobilnog tokena i cijene od 0,5 ms0 KB prenijeto (100% lokalni RAM uređaja)

Testno okruženje / Uređaj	Testna datoteka i složenost	Kašnjenje obrade	Prijenos mrežnih podataka
Google Chrome 128 (Apple M3 Max)	RAG kontekstni dokument od 120.000 znakova (~30.000 tokena)	BPE segmentacija podreči od 3,8 ms i tabela troškova za više modela	0 KB prenijeto (100% lokalni RAM uređaja)
Microsoft Edge 126 (Windows 11 x64 Intel i7)	TypeScript i JSON upit od 15.000 znakova	Icrtavanje granica vizuelnog tokena uživo od 1,1 ms	0 KB prenijeto (100% lokalni RAM uređaja)
Mobile Safari (iOS 18 / iPhone 15 Pro)	Šablon sistemskog upita od 4.000 znakova	Trenutni izračun mobilnog tokena i cijene od 0,5 ms	0 KB prenijeto (100% lokalni RAM uređaja)

Uobičajeni upiti

Često postavljana pitanja

Sve što trebate znati o privatnosti, sigurnosti, ograničenjima fajlova i korištenju.

Veliki jezički modeli ne čitaju tekst riječ po riječ ili znak po znak; umjesto toga, oni dijele tekst na komade podreči koji se zovu tokeni koristeći kodiranje parova bajtova (BPE) ili SentencePiece. Za standardni engleski tekst, 1 token je otprilike jednak 4 znaka ili 0,75 riječi. Stoga je 100 tokena otprilike 75 riječi, a 1.000 riječi je otprilike 1.333 tokena.

BPE tokenizatori (`o200k_base` i `cl100k_base`) uglavnom su trenirani na uobičajenim engleskim riječima, omogućavajući da se česte riječi poput 'application' uklope u jedan token. Međutim, interpunkcijski znakovi, JSON zagrade, visodecifreni brojevi, uvlake razmaka i ne-latinične UTF-8 skripte rastavljaju se na manje podreči na nivou bajta, često trošeći 1,5x do 3x više tokena za istu dužinu znakova.

Pružaoci AI modela naplaćuju odvojeno tokene za unos (upit) i izlaz (dovršavanje i zaključivanje), navedene po 1 milion tokena (1M). Na primjer, OpenAI GPT-5 naplaćuje 1,25$/1M za unos i 10,00$/1M za izlaz, GPT-4.1 naplaćuje 2,00$/1M za unos i 8,00$/1M za izlaz, Claude Sonnet 4.6 naplaćuje 3,00$/1M za unos i 15,00$/1M za izlaz, a Google Gemini 2.5 Flash naplaćuje 0,30$/1M za unos i 2,50$/1M za izlaz. Naš kalkulator množi vaš tačan broj ulaznih tokena i ciljanu izlaznu dužinu sa službenom dokumentovanom API stopom svakog modela.

`cl100k_base` (veličina rječnika 100.000) korišten je za starije verzije GPT-4 i GPT-3.5-Turbo. Moderni modeli OpenAI-ja — uključujući GPT-5, GPT-4.1, o3, o4-mini i GPT-4o — koriste `o200k_base` (veličina rječnika 200.000), koji kompresuje neengleski tekst, izvorni kod i uobičajene izraze od više riječi u 10% do 25% manje tokena.

Prema zvaničnoj API dokumentaciji: OpenAI GPT-5 / mini / nano podržavaju 400.000 tokena (400K); GPT-4.1 / mini podržavaju 1.047.576 tokena (1M); OpenAI o3 & o4-mini podržavaju 200.000 tokena (200K); Claude Opus 4.6 & Sonnet 4.6 podržavaju do 1.000.000 tokena (1M); Google Gemini 3.1 Pro, 3 Flash & 2.5 Pro/Flash podržavaju 1.000.000 tokena (1M); xAI Grok 4 podržava 500.000 tokena (500K); DeepSeek V3 podržava 164.000 tokena (164K); a Meta Llama 4 Maverick podržava 1.048.576 tokena (1M).

Potrošnju tokena možete smanjiti za 20% do 40% uklanjanjem suvišnih JSON razmaka (minifikacijom JSON-a prije prosljeđivanja u upite), zamjenom opširnih XML oznaka kompaktnim Markdown ili CSV tabelama, uklanjanjem nevidljivih Unicode znakova i uklanjanjem duplikata ponovljenih uputstava.

Vidljivost tačnih granica tokena označenih bojama otkriva zašto se LLM-ovi ponekad bore sa zadacima na nivou znakova (poput obrtanja riječi ili brojanja slova) i ističe neefikasne nizove — kao što su UUID-ovi, Base64 blokovi ili neminifikovani kod — koji tiho troše desetine tokena.

Nikada. Multinook radi 100% lokalno unutar nestabilnog RAM-a vašeg pretraživača. Vaši sistemski upiti, RAG dokumenti i izvorni kod nikada ne napuštaju vaš uređaj.

Standardi i dokazi

Mjerodavni standardi i tehničke reference

Zvanične industrijske specifikacije, web standardi i kriptografske reference koje pokreću ovaj mehanizam.

Udruženje za kompjutersku lingvistiku (ACL / Sennrich i saradnici)

neuronsko mašinsko prevođenje rijetkih riječi jedinicama podreči (BPE)

Temeljni istraživački rad koji uvodi tokenizaciju podreči kodiranjem parova bajtova (BPE) za neuronske jezičke modele.

Pogledaj specifikaciju

WHATWG Encoding Living Standard

Specifikacija UTF-8 TextEncoder Web API-ja

Zvanični web standard koji uređuje kodiranje toka bajtova UTF-8 koji se koristi kao osnovni sloj modernih BPE tokenizatora na nivou bajta.

Pogledaj specifikaciju

Unutar kodiranja parova bajtova (BPE): Kako LLM-ovi segmentiraju znakove u tokene podreči

Moderne arhitekture transformatora — uključujući OpenAI-jevu seriju GPT-5 i GPT-4.1, Anthropicov Claude 4.6, Googleov Gemini 3.1 i 2.5, xAI-jev Grok 4, Metin Llama 4 i DeepSeek V3/R1 — obrađuju tekst kroz determinističke algoritme tokenizacije podreči kao što su Byte-Pair Encoding (BPE) i SentencePiece. Umjesto održavanja beskonačnog rječnika svake riječi na svakom jeziku, BPE počinje s pojedinačnim UTF-8 bajtovima i iterativno spaja najčešće susjedne parove znakova u tokene podreči.

Kao rezultat toga, uobičajena engleska riječ s vodećim razmakom poput ` intelligence` kodira se kao jedan cijeli ID tokena, dok se nepoznat složeni izraz, heksadecimalni heš ili jako uvučeni Python blok razbija na desetine pojedinačnih tokena. Multinookov vizuelni tokenizator rekonstruiše ove granice podreči u realnom vremenu unutar RAM-a vašeg pretraživača.

Optimizacija ekonomije prozora konteksta kroz GPT-5, GPT-4.1, Claude 4.6, Gemini 3.1 i DeepSeek

U produkcijskim AI aplikacijama i cjevovodima za generisanje obogaćeno pronalaženjem (RAG), broj tokena direktno upravlja i mjesečnim računima u oblaku i kašnjenjem vremena do prvog tokena (TTFT). Budući da složenost samopažnje raste kvadratno sa dužinom sekvence, ubacivanje neoptimizovanih dokumenata od 50.000 tokena u svaki API poziv brzo iscrpljuje budžete.

Upoređivanjem vašeg upita istovremeno na vodećim modelima (GPT-5, GPT-4.1, Claude Opus 4.6, Claude Sonnet 4.6, Gemini 3.1 Pro, Grok 4) i visokoefikasnim modelima za zaključivanje/brzim modelima (GPT-5 mini/nano, o4-mini, Claude Haiku 4.5, Gemini 3 Flash, Gemini 2.5 Flash-Lite, DeepSeek V3/R1, Llama 4 Maverick), inženjerski timovi mogu izvršiti benchmark tačnih troškova po 1.000 poziva i pravilno dimenzionisati usmjeravanje modela.

Revizija upita sa 100% zračnog procjepa (air-gapped) za korporativne AI timove

Sistemski upiti i korporativni RAG konteksti predstavljaju ključno intelektualno vlasništvo. Lijepljenje vlasničkih šablona upita ili skupova podataka klijenata u tokenizatore oblaka treće strane rizikuje curenje povjerljive poslovne logike. Multinook obavlja svu BPE segmentaciju i modeliranje troškova striktno unutar lokalne memorije pretraživača sa nula mrežnih prijenosa.

Provjerena sigurnost 100% u RAM-u preglednika

Ažurirano za internet standarde u 2026.