100X SOTA

Comptador de tokens LLM - Calculadora de costos d'IA gratuïta

Compta tokens, caràcters, paraules, ús de la finestra de context i costos d'API per a GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 i Llama 4 a la RAM

Processant a la RAM local...

Següents accions recomanades

Fluxos de treball ràpids

Neteja les marques d'aigua ocultes del missatge

Elimina els caràcters Unicode invisibles que inflen el recompte de tokens BPE.

Llançar Netejador de caràcters invisibles

Analitza la densitat de paraules clau i paraules

Audita la longitud del missatge, el recompte de frases i la freqüència de frases d'1x-3x.

Llançar Comptador de caràcters

Valida la sincronització de subtítols i guions

Comprova la velocitat de lectura de CPS i els límits de línia de CPL per a guions generats per IA.

Llançar Comprovador de CPS de subtítols

D'un cop d'ull

Resum ràpid i conclusions clau

Informació essencial, capacitats de rendiment i garanties de privadesa d'un cop d'ull.

Definició oficial

Un comptador de tokens d'LLM i una calculadora de costos d'IA és una utilitat de desenvolupament que segmenta text i codi font en tokens de subparaules de codificació de parells de bytes (BPE) a la memòria del navegador per estimar l'ús de la finestra de context i els costos d'inferència de l'API en grans models de llenguatge.

Resum|Arquitectura del costat del client verificada

Per comptar tokens de LLM i calcular costos de prompt d'API d'IA en línia de manera gratuïta, enganxa el teu prompt o codi al Comptador de tokens LLM de Multinook. El nostre analitzador de codificació de parells de bytes (BPE) del costat del client segmenta el teu text en blocs de tokens visuals a la RAM del navegador i compara recomptes de tokens exactes, percentatges de finestres de context i preus oficials d'entrada/sortida d'API entre GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek V3/R1, Grok 4 i Llama 4.

Comparació de múltiples models

Compareu recomptes de tokens i costos d'API a GPT-4o, Claude Sonnet, Gemini Pro/Flash i DeepSeek alhora.

Ressaltador de tokens visual

Consulteu fragments de tokens de subparaules exactes amb codificació de colors per detectar cadenes de JSON, espais en blanc o codi carregades de tokens.

Calculadora de costos d'API per lots

Simuleu despeses d'API de producció diàries i de trucada única amb controls lliscants de tokens d'entrada i sortida personalitzats.

Privadesa d'indicacions 100% local

Auditeu missatges de sistema confidencials i codi font propietari a la memòria RAM local sense cap càrrega al núvol.

Motor d'alt rendiment

Comptador de tokens LLM - Calculadora de costos d'IA gratuïta

Compta tokens de LLM, caràcters i costos de prompt d'API per a OpenAI GPT-5/GPT-4.1/o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 i Llama 4 en línia gratuïtament.

Estimació de tokens de codificació de parells de bytes (BPE) en temps real i ressaltador visual de límits de tokens codificat per colors

Comparació simultània entre 21 models oficials: 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

Calculadora de costos d'API en directe amb tarifes oficials per 1 milió d'entrades i sortides, tokens de sortida esperats i multiplicadors de trucades d'API per lots diaris

Mesuradors d'utilització de la finestra de context amb límits de context de 128K, 164K, 200K, 400K, 500K i 1M de tokens

Mostra la ràtio exacta de caràcters per token juntament amb el total de caràcters, paraules i límits de subparaules

Execució 100% aïllada a la RAM del client: audita amb seguretat els prompts de sistemes propietaris i el codi font amb 0 pujades al servidor

Privacitat de dades a l'aire

Confidencialitat absoluta sense pujades

Els teus fitxers es processen estrictament dins de la RAM del teu dispositiu utilitzant WebAssembly. Sense pujades al núvol.

Processament amb RAM 100% al navegador • Sense pujades al servidor

Instruccions pas a pas

Com utilitzar en línia: Comptador de tokens LLM - Calculadora de costos d'IA gratuïta

Segueix aquests 3 senzills passos per processar els teus documents directament al teu navegador sense instal·lacions.

Enganxeu el vostre missatge de sistema, document o codi

Enganxeu el vostre missatge d'LLM, document de context RAG, esquema JSON o fitxer de codi a l'espai de treball, o carregueu un missatge de mostres de TypeScript directament a la memòria RAM del navegador.

Inspeccioneu els límits de tokens amb codificació de colors

Consulteu recompte de tokens en directe, proporcions de caràcters a tokens i fragments de tokens de subparaules amb codificació de colors que mostren com els tokenitzadors BPE divideixen paraules, números i la sagnia del codi.

Compareu 21 models oficials i preus d'API

Establiu els vostres tokens de sortida esperats i el volum diari de trucades a l'API per comparar exactament els costos en dòlars per sol·licitud i per lots a GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 i Llama 4.

100% gratuït per sempre (sense inici de sessió)

Paid Cloud Portals

Requereix compte de desenvolupador

Comparació de característiques	Multinook (RAM al navegador)	Paid Cloud Portals
Models d'IA admesos	21 models d'API oficials	Només models anteriors d'OpenAI
Ressaltador de tokens visual	Subparaules BPE amb codificació de colors	Només sortida de nombres plans
Matriu de cost i lots d'API	Entrada + Sortida × Trucades diàries	Es requereix càlcul manual
Mesurador de finestra de context	128K / 400K / 500K / 1M	No inclòs
Privadesa de les indicacions	RAM 100% local (0 càrregues)	S'envia al servidor d'API extern
Cost i accés	100% gratuït per sempre (sense inici de sessió)	Requereix compte de desenvolupador

Arquitectura tècnica i especificacions

Especificacions i compatibilitat de formats

Dissenyat estrictament segons les especificacions W3C WebAssembly i Typed Array.

Motor de tokenitzacióSegmentador de subparaules BPE del costat del client (o200k_base, Claude BPE i SentencePiece)

Ecosistemes admesosOpenAI (GPT-5/4.1/o3), Anthropic (Claude 4.6/4.5), Google (Gemini 3.1/2.5), DeepSeek, Grok 4 i Llama 4

Inspecció visualRessaltador de límits de tokens de subparaules amb codificació de colors

Modelatge de costosPreus oficials per cada 1M de tokens d'entrada + sortida × volum de lots diari

Telemetria de contextMesuradors de finestra de context de tokens de 128K, 164K, 200K, 400K, 500K i 1M

Arquitectura de privadesaRAM de navegador local aïllada d'aire 100% (sense càrregues al servidor)

Públic i fluxos de treball

Públic objectiu i casos d'ús pràctics

Qui es beneficia d'aquesta utilitat de navegador i quan aplicar-la.

Arquitectes de sistemes RAG i d'agents

Enginyers d'IA i desenvolupadors d'aplicacions d'LLM

Avaluació de la mida dels tokens d'indicació, la utilització de la finestra de context i els costos d'inferència diaris de l'API a OpenAI, Anthropic i Google.

Dissenyadors de missatges de sistema

Enginyers d'indicacions i redactors tècnics

Utilització del ressaltat visual de tokens per comprimir instruccions detallades i eliminar la sobrecàrrega de format pesada de tokens.

Planificadors d'economia unitària d'IA

Gestors de producte i fundadors de SaaS

Previsió de factures d'API d'LLM per usuari i mensuals de 1.000 a 100.000 sol·licituds diàries abans de llançar noves funcionalitats d'IA.

Comissaris de conjunts de dades i d'ajustament fi (fine-tuning)

Científics de dades i investigadors

Mesura de proporcions de caràcters a tokens en corpus multilingües i fitxers d'ajustament fi JSONL.

Proves empíriques de laboratori

Verificació de primera mà i referències de rendiment

Resultats de proves empíriques dutes a terme en navegadors i sistemes operatius moderns sense cap transmissió de xarxa.

Google Chrome 128 (Apple M3 Max)

Fitxer: Document de context RAG de 120.000 caràcters (~30.000 tokens)

Segmentació de subparaules BPE de 3,8 ms i taula de costos de múltiples models0 KB transferits (RAM de dispositiu 100% local)

Microsoft Edge 126 (Windows 11 x64 Intel i7)

Fitxer: Indicació de TypeScript i JSON de 15.000 caràcters

Renderització de límits de tokens visuals en directe d'1,1 ms0 KB transferits (RAM de dispositiu 100% local)

Mobile Safari (iOS 18 / iPhone 15 Pro)

Fitxer: Plantilla de missatge de sistema de 4.000 caràcters

Càlcul instantani de cost i tokens mòbils de 0,5 ms0 KB transferits (RAM de dispositiu 100% local)

Entorn de prova / Dispositiu	Fitxer de prova i complexitat	Latència de processament	Transferència de dades de xarxa
Google Chrome 128 (Apple M3 Max)	Document de context RAG de 120.000 caràcters (~30.000 tokens)	Segmentació de subparaules BPE de 3,8 ms i taula de costos de múltiples models	0 KB transferits (RAM de dispositiu 100% local)
Microsoft Edge 126 (Windows 11 x64 Intel i7)	Indicació de TypeScript i JSON de 15.000 caràcters	Renderització de límits de tokens visuals en directe d'1,1 ms	0 KB transferits (RAM de dispositiu 100% local)
Mobile Safari (iOS 18 / iPhone 15 Pro)	Plantilla de missatge de sistema de 4.000 caràcters	Càlcul instantani de cost i tokens mòbils de 0,5 ms	0 KB transferits (RAM de dispositiu 100% local)

Consultes habituals

Preguntes freqüents

Tot el que necessites saber sobre privacitat, seguretat, límits de fitxers i ús.

Els grans models de llenguatge no llegeixen el text paraula per paraula o caràcter per caràcter; en canvi, divideixen el text en fragments de subparaules anomenats tokens utilitzant la codificació de parells de bytes (BPE) o SentencePiece. Per al text en anglès estàndard, 1 token equival aproximadament a 4 caràcters o 0,75 paraules. Per tant, 100 tokens equivalen aproximadament a 75 paraules, i 1.000 paraules equivalen aproximadament a 1.333 tokens.

Els tokenitzadors BPE (`o200k_base` i `cl100k_base`) estan entrenats predominantment en paraules comunes en anglès, permetent que paraules freqüents com 'application' cabeixin en un sol token. No obstant això, els signes de puntuació, els claudàtors JSON, els números de diversos dígits, la sagnia d'espais en blanc i els scripts UTF-8 que no pertanyen a l'alfabet llatí es divideixen en subparaules a nivell de byte més petites, consumint sovint d'1,5x a 3x més tokens per a la mateixa longitud de caràcters.

Els proveïdors de models d'IA cobren per separat els tokens d'entrada (indicacions) i els tokens de sortida (finalització i raonament), pressupostats per cada 1 milió de tokens (1M). Per exemple, OpenAI GPT-5 cobra 1,25 $/1M d'entrada i 10,00 $/1M de sortida, GPT-4.1 cobra 2,00 $/1M d'entrada i 8,00 $/1M de sortida, Claude Sonnet 4.6 cobra 3,00 $/1M d'entrada i 15,00 $/1M de sortida, i Google Gemini 2.5 Flash cobra 0,30 $/1M d'entrada i 2,50 $/1M de sortida. La nostra calculadora multiplica el vostre recompte exacte de tokens d'entrada i la longitud de sortida objectiu per la tarifa d'API oficial documentada de cada model.

`cl100k_base` (mida de vocabulari de 100.000) es va utilitzar per a les versions anteriors de GPT-4 i GPT-3.5-Turbo. Els models moderns d'OpenAI—inclosos GPT-5, GPT-4.1, o3, o4-mini i GPT-4o—utilitzen `o200k_base` (mida de vocabulari de 200.000), que comprimeix el text que no és en anglès, el codi font i les expressions comunes de diverses paraules entre un 10% i un 25% menys de tokens.

Segons la documentació oficial de l'API: OpenAI GPT-5 / mini / nano admeten 400.000 tokens (400K); GPT-4.1 / mini admeten 1.047.576 tokens (1M); OpenAI o3 i o4-mini admeten 200.000 tokens (200K); Claude Opus 4.6 i Sonnet 4.6 admeten fins a 1.000.000 de tokens (1M); Google Gemini 3.1 Pro, 3 Flash i 2.5 Pro/Flash admeten 1.000.000 de tokens (1M); xAI Grok 4 admet 500.000 tokens (500K); DeepSeek V3 admet 164.000 tokens (164K); i Meta Llama 4 Maverick admet 1.048.576 tokens (1M).

Podeu reduir el consum de tokens entre un 20% i un 40% eliminant els espais en blanc JSON redundants (minimitzant el JSON abans de passar-lo a les indicacions), substituint les etiquetes XML redundants per taules compactes de Markdown o CSV, eliminant caràcters Unicode invisibles i desduplicant instruccions repetides.

Veure els límits exactes dels tokens amb codificació de colors revela per què els LLM de vegades tenen dificultats amb tasques a nivell de caràcter (com invertir paraules o comptar lletres) i destaca cadenes ineficients —com ara UUIDs, blocs Base64 o codi no minimitzat— que cremen silenciosament dotzenes de tokens.

Mai. Multinook s'executa 100% localment dins de la memòria RAM volàtil del vostre navegador. Els vostres missatges de sistema, documents RAG i codi font no abandonen mai la vostra màquina.

Estàndards i evidència

Estàndards autoritzats i citacions tècniques

Especificacions oficials de la indústria, estàndards web i referències criptogràfiques que alimenten aquest motor.

Associació per a la Lingüística Computacional (ACL / Sennrich et al.)

Traducció automàtica neuronal de paraules rares amb unitats de subparaules (BPE)

Article de recerca fonamental que introdueix la tokenització de subparaules de codificació de parells de bytes (BPE) per a models de llenguatge neuronal.

Visualitza l'especificació

Estàndard vivent d'codificació WHATWG

Especificació de l'API web UTF-8 TextEncoder

Estàndard web oficial que regeix la codificació de fluxos de bytes UTF-8 utilitzada com a capa base dels tokenitzadors BPE moderns a nivell de byte.

Visualitza l'especificació

A l'interior de la codificació de parells de bytes (BPE): com els LLM segmenten els caràcters en tokens de subparaules

Les arquitectures transformadores modernes—incloses les sèries GPT-5 i GPT-4.1 d'OpenAI, Claude 4.6 d'Anthropic, Gemini 3.1 i 2.5 de Google, Grok 4 d'xAI, Llama 4 de Meta i DeepSeek V3/R1—processen text mitjançant algorismes de tokenització de subparaules deterministes com ara la codificació de parells de bytes (BPE) i SentencePiece. En lloc de mantenir un diccionari infinit de cada paraula en cada idioma, BPE comença amb bytes UTF-8 individuals i fusiona de manera iterativa els parells de caràcters adjacents més freqüents en tokens de subparaules.

Com a resultat, una paraula anglesa comuna amb un espai inicial com ` intelligence` es codifica com un únic identificador de token sencer, mentre que un terme compost desconegut, un hash hexadecimal o un bloc Python amb molta sagnia es fractura en dotzenes de tokens individuals. El tokenitzador visual de Multinook reconstrueix aquests límits de subparaules en temps real dins de la memòria RAM del vostre navegador.

Optimització de l'economia de la finestra de context a GPT-5, GPT-4.1, Claude 4.6, Gemini 3.1 i DeepSeek

En aplicacions d'IA de producció i canonades de generació augmentada per recuperació (RAG), el recompte de tokens regeix directament tant les factures mensuals del núvol com la latència del temps fins al primer token (TTFT). Com que la complexitat d'autoatenció escala quadràticament amb la longitud de la seqüència, omplir cada trucada de l'API amb documents de 50.000 tokens no optimitzats esgota ràpidament els pressupostos.

En comparar la vostra indicació simultàniament entre models insígnia de frontera (GPT-5, GPT-4.1, Claude Opus 4.6, Claude Sonnet 4.6, Gemini 3.1 Pro, Grok 4) i models de raonament/flash d'alta eficiència (GPT-5 mini/nano, o4-mini, Claude Haiku 4.5, Gemini 3 Flash, Gemini 2.5 Flash-Lite, DeepSeek V3/R1, Llama 4 Maverick), els equips d'enginyeria poden avaluar el cost exacte per cada 1.000 trucades i dimensionar adequadament el seu encaminament de models.

Auditoria d'indicacions aïllada d'aire (air-gapped) 100% per a equips d'IA empresarials

Els missatges de sistema i els contextos RAG empresarials representen la propietat intel·lectual principal. Enganxar plantilles d'indicacions propietàries o conjunts de dades de clients en tokenitzadors de núvol de tercers comporta el risc de filtrar lògica de negoci confidencial. Multinook realitza tota la segmentació BPE i el modelatge de costos estrictament dins de la memòria local del navegador sense cap transmissió de xarxa.

Seguretat amb RAM 100% al navegador verificada

Actualitzat per als estàndards web de 2026