100X SOTA

Počítadlo tokenů LLM – bezplatná kalkulačka nákladů AI

Počítejte tokeny, znaky, slova, využití kontextového okna a náklady na API pro GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 a Llama 4 v RAM

Zpracovává se v místní RAM...

Doporučené další kroky

Rychlé pracovní postupy

Vyčistit skryté vodoznaky promptu

Odstraňte neviditelné znaky Unicode, které nafukují počty BPE tokenů.

Spustit Čistič neviditelných znaků

Analyzovat klíčová slova a hustotu slov

Auditujte délku promptu, počet vět a frekvenci frází 1x-3x.

Spustit Počítadlo znaků

Ověřit časování titulků a skriptu

Zkontrolujte rychlost čtení CPS a limity řádků CPL pro skripty generované AI.

Spustit Kontrolor CPS titulků

Stručně

Rychlé shrnutí a hlavní poznatky

Základní přehled, výkonnostní možnosti a ujištění o ochraně soukromí na jednom místě.

Oficiální definice

Počítadlo tokenů LLM a kalkulačka nákladů na AI je vývojářský nástroj, který rozděluje text a zdrojový kód na podřízené tokeny Byte-Pair Encoding (BPE) v paměti prohlížeče za účelem odhadu využití kontextového okna a nákladů na odvození pomocí API napříč velkými jazykovými modely.

Přehled|Ověřená klientská architektura

Chcete-li zdarma online spočítat LLM tokeny a vypočítat náklady na AI API prompt, vložte svůj prompt nebo kód do počítadla tokenů LLM Multinook. Náš klientský analyzátor Byte-Pair Encoding (BPE) rozdělí váš text na bloky vizuálních tokenů v paměti RAM prohlížeče a porovná přesné počty tokenů, procenta kontextového okna a oficiální ceny vstupů/výstupů API napříč modely GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek V3/R1, Grok 4 a Llama 4.

Porovnání více modelů

Porovnejte počet tokenů a náklady na API napříč modely GPT-4o, Claude Sonnet, Gemini Pro/Flash a DeepSeek najednou.

Vizuální zvýrazňovač tokenů

Prohlédněte si přesné barevně odlišené bloky podřízených tokenů a odhalte JSON náročný na tokeny, bílá místa nebo řetězce kódu.

Dávková kalkulačka nákladů API

Simulujte náklady na jednorázová a každodenní produkční volání API pomocí vlastních posuvníků vstupních a výstupních tokenů.

100% lokální soukromí promptů

Proveďte audit důvěrných systémových promptů a proprietárního zdrojového kódu v místní paměti RAM bez nahrávání do cloudu.

Vysoce výkonný engine

Počítadlo tokenů LLM – bezplatná kalkulačka nákladů AI

Počítejte LLM tokeny, znaky a náklady na API prompty pro OpenAI GPT-5/GPT-4.1/o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 a Llama 4 online zdarma.

Odhad tokenů metodou Byte-Pair Encoding (BPE) v reálném čase a vizuální barevně odlišený zvýrazňovač hranic tokenů

Současné porovnání napříč 21 oficiálními modely: 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 a Meta Llama 4

Živá kalkulačka nákladů na API s oficiálními sazbami za 1 milión vstupů a výstupů, očekávanými výstupními tokeny a multiplikátory denních dávkových volání API

Měřiče využití kontextového okna pro limity kontextu 128K, 164K, 200K, 400K, 500K a 1M tokenů

Zobrazuje přesný poměr znaků k tokenům vedle celkového počtu znaků, slov a hranic podřízených slov

100% izolované provádění v klientské RAM (air-gapped) – bezpečně auditujte proprietární systémové prompty a zdrojový kód s 0 nahráváními na server

Izolované soukromí dat

Absolutní důvěrnost bez nahrávání

Vaše soubory jsou zpracovávány striktně v paměti RAM vašeho zařízení pomocí WebAssembly. Nulové nahrávání do cloudu.

100% zpracování v RAM prohlížeče • Nulové nahrávání na server

Podrobné pokyny

Jak používat online: Počítadlo tokenů LLM – bezplatná kalkulačka nákladů AI

Následujte tyto 3 jednoduché kroky ke zpracování vašich dokumentů přímo v prohlížeči bez nutnosti instalace.

Vložte svůj systémový prompt, dokument nebo kód

Vložte svůj LLM prompt, kontextový dokument RAG, schéma JSON nebo soubor s kódem do pracovního prostoru, případně načtěte ukázkový prompt v jazyce TypeScript přímo do paměti RAM prohlížeče.

Zkontrolujte barevně odlišené hranice tokenů

Prohlédněte si počet tokenů v reálném čase, poměry znaků k tokenům a barevně odlišené bloky podřízených tokenů (subwords), které ukazují, jak tokenizátory BPE dělí slova, čísla a odsazení kódu.

Porovnejte 21 oficiálních modelů a cen API

Nastavte očekávaný počet výstupních tokenů a denní objem volání API, abyste mohli porovnat přesné dolarové náklady na požadavek a dávku (batch) napříč modely GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 a Llama 4.

100% zdarma navždy (bez přihlášení)

Paid Cloud Portals

Vyžaduje vývojářský účet

Porovnání funkcí	Multinook (v RAM prohlížeče)	Paid Cloud Portals
Podporované modely AI	21 oficiálních modelů API	Pouze starší modely OpenAI
Vizuální zvýrazňovač tokenů	Barevně odlišené BPE podřízené tokeny	Pouze prostý výstup čísel
Matice nákladů a dávek API	Vstup + výstup × denní volání	Vyžaduje ruční výpočet
Měřič kontextového okna	128K / 400K / 500K / 1M	Není součástí
Ochrana promptů soukromí	100% lokální RAM (0 nahrání)	Odesláno na externí server API
Cena a přístup	100% zdarma navždy (bez přihlášení)	Vyžaduje vývojářský účet

Technická architektura a specifikace

Specifikace a kompatibilita formátů

Navrženo striktně podle specifikací W3C WebAssembly a Typed Array.

Tokenizační engineKlientský segmentátor podřízených tokenů BPE (o200k_base, Claude BPE & SentencePiece)

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

Vizuální inspektorBarevně odlišený zvýrazňovač hranic podřízených tokenů

Modelování nákladůOficiální ceny vstupních + výstupních tokenů za 1M × objem denních dávek

Kontextová telemetrieMěřiče kontextového okna pro 128K, 164K, 200K, 400K, 500K & 1M tokenů

Architektura ochrany soukromí100% lokální RAM prohlížeče (bez nahrávání na server)

Cílová skupina a pracovní postupy

Cílová skupina a praktické případy použití

Kdo může tento nástroj v prohlížeči využít a kdy jej aplikovat.

Architekti systémů RAG & agentů

Inženýři AI a vývojáři aplikací LLM

Srovnávání velikosti tokenů promptů, využití kontextového okna a denních nákladů na odvození API napříč platformami OpenAI, Anthropic a Google.

Návrháři systémových promptů

Prompt inženýři a techničtí autoři

Použití vizuálního zvýrazňování tokenů ke kompresi rozvláčných instrukcí a odstranění režijních nákladů na formátování náročné na tokeny.

Plánovači jednotkové ekonomiky AI

Produktoví manažeři a zakladatelé SaaS

Předpovídání měsíčních účtů za LLM API na uživatele v rozmezí 1 000 až 100 000 denních požadavků před spuštěním nových funkcí AI.

Kurátoři datových sad a jemného ladění

Datoví vědci a výzkumní pracovníci

Měření poměrů znaků k tokenům napříč vícejazyčnými korpusy a soubory pro jemné ladění JSONL.

Empirické laboratořní testování

Ověření z první ruky a srovnávací testy výkonu

Výsledky empirických testů provedených v moderních prohlížečích a operačních systémech bez jakéhokoli přenosu dat po síti.

Google Chrome 128 (Apple M3 Max)

Soubor: Kontextový dokument RAG o délce 120 000 znaků (~30 000 tokenů)

3,8 ms segmentace podřízených tokenů BPE & tabulka nákladů pro více modelů0 KB přeneseno (100% lokální RAM zařízení)

Microsoft Edge 126 (Windows 11 x64 Intel i7)

Soubor: TypeScript & JSON prompt o délce 15 000 znaků

1,1 ms vykreslování hranic vizuálních tokenů v reálném čase0 KB přeneseno (100% lokální RAM zařízení)

Mobile Safari (iOS 18 / iPhone 15 Pro)

Soubor: Šablona systémového promptu o délce 4 000 znaků

0,5 ms okamžitý výpočet mobilních tokenů & nákladů0 KB přeneseno (100% lokální RAM zařízení)

Testovací prostředí / Zařízení	Testovací soubor a složitost	Latence zpracování	Přenos dat v síti
Google Chrome 128 (Apple M3 Max)	Kontextový dokument RAG o délce 120 000 znaků (~30 000 tokenů)	3,8 ms segmentace podřízených tokenů BPE & tabulka nákladů pro více modelů	0 KB přeneseno (100% lokální RAM zařízení)
Microsoft Edge 126 (Windows 11 x64 Intel i7)	TypeScript & JSON prompt o délce 15 000 znaků	1,1 ms vykreslování hranic vizuálních tokenů v reálném čase	0 KB přeneseno (100% lokální RAM zařízení)
Mobile Safari (iOS 18 / iPhone 15 Pro)	Šablona systémového promptu o délce 4 000 znaků	0,5 ms okamžitý výpočet mobilních tokenů & nákladů	0 KB přeneseno (100% lokální RAM zařízení)

Běžné dotazy

Často kladené otázky

Vše, co potřebujete vědět o soukromí, bezpečnosti, limitech souborů a používání.

Velké jazykové modely nečtou text slovo po slově ani znak po znaku; místo toho rozdělují text na menší úseky zvané tokeny pomocí kódování Byte-Pair Encoding (BPE) nebo SentencePiece. U běžného anglického textu odpovídá 1 token přibližně 4 znakům nebo 0,75 slovům. 100 tokenů je tedy zhruba 75 slov a 1 000 slov je přibližně 1 333 tokenů.

Tokenizátory BPE (`o200k_base` a `cl100k_base`) jsou trénovány převážně na běžných anglických slovech, což umožňuje, aby se častá slova jako 'application' vešla do jediného tokenu. Interpunkční znaménka, závorky JSON, vícemístná čísla, odsazení mezerami a nelatinská skripta UTF-8 se však rozdělují na menší bajtové podřízené tokeny, které pro stejnou délku znaků často spotřebují 1,5× až 3× více tokenů.

Poskytovatelé modelů AI účtují zvlášť vstupní tokeny (prompt) a výstupní tokeny (dokončení a uvažování), uvedené za 1 milion tokenů (1M). Například OpenAI GPT-5 účtuje 1,25 $ / 1M za vstup a 10,00 $ / 1M za výstup, GPT-4.1 účtuje 2,00 $ / 1M za vstup a 8,00 $ / 1M za výstup, Claude Sonnet 4.6 účtuje 3,00 $ / 1M za vstup a 15,00 $ / 1M za výstup a Google Gemini 2.5 Flash účtuje 0,30 $ / 1M za vstup a 2,50 $ / 1M za výstup. Naše kalkulačka vynásobí váš přesný počet vstupních tokenů a cílovou délku výstupu oficiální zdokumentovanou sazbou API každého modelu.

`cl100k_base` (velikost slovníku 100 000) byl používán pro starší modely GPT-4 a GPT-3.5-Turbo. Moderní modely OpenAI – včetně GPT-5, GPT-4.1, o3, o4-mini a GPT-4o – používají `o200k_base` (velikost slovníku 200 000), který komprimuje neanglický text, zdrojový kód a běžná víceslovná spojení do o 10 % až 25 % menšího počtu tokenů.

Podle oficiální dokumentace API: OpenAI GPT-5 / mini / nano podporují 400 000 tokenů (400K); GPT-4.1 / mini podporují 1 047 576 tokenů (1M); OpenAI o3 & o4-mini podporují 200 000 tokenů (200K); Claude Opus 4.6 & Sonnet 4.6 podporují až 1 000 000 tokenů (1M); Google Gemini 3.1 Pro, 3 Flash & 2.5 Pro/Flash podporují 1 000 000 tokenů (1M); xAI Grok 4 podporuje 500 000 tokenů (500K); DeepSeek V3 podporuje 164 000 tokenů (164K); a Meta Llama 4 Maverick podporuje 1 048 576 tokenů (1M).

Spotřebu tokenů můžete snížit o 20 % až 40% odstraněním nadbytečných mezer v JSONu (minifikací JSONu před jeho předáním do promptů), nahrazením rozvláčných tagů XML kompaktními tabulkami Markdown nebo CSV, odstraněním neviditelných znaků Unicode a odstraněním duplicitních instrukcí.

Zobrazení přesných barevně odlišených hranic tokenů odhaluje, proč mají LLM někdy problémy s úkoly na úrovni znaků (jako je otáčení slov nebo počítání písmen), a upozorňuje na neefektivní řetězce – jako jsou UUID, binární bloky Base64 nebo neminifikovaný kód –, které tiše spotřebovávají desítky tokenů.

Nikdy. Multinook funguje 100% lokálně v nestálé paměti RAM vašeho prohlížeče. Vaše systémové prompty, dokumenty RAG a zdrojový kód nikdy neopustí váš počítač.

Normy a důkazy

Autoritativní normy a technické citace

Oficiální oborové specifikace, webové standardy a kryptografické reference pohánějící tento engine.

Association for Computational Linguistics (ACL / Sennrich et al.)

Neural Machine Translation of Rare Words with Subword Units (BPE)

Základní výzkumná práce představující tokenizaci podřízených tokenů Byte-Pair Encoding (BPE) pro neurální jazykové modely.

Zobrazit specifikace

WHATWG Encoding Living Standard

UTF-8 TextEncoder Web API Specification

Oficiální webový standard upravující kódování bajtového proudu UTF-8 používaný jako základní vrstva moderních bajtových tokenizátorů BPE.

Zobrazit specifikace

Zákulisí kódování Byte-Pair Encoding (BPE): Jak LLM rozdělují znaky na podřízené tokeny

Moderní architektury transformátorů – včetně řad GPT-5 a GPT-4.1 od OpenAI, Claude 4.6 od Anthropic, Gemini 3.1 a 2.5 od Google, Grok 4 od xAI, Llama 4 od Meta a DeepSeek V3/R1 – zpracovávají text pomocí deterministických algoritmů subword tokenizace, jako je Byte-Pair Encoding (BPE) a SentencePiece. Místo udržování nekonečného slovníku každého slova v každém jazyce začíná BPE u jednotlivých bajtů UTF-8 a iterativně slučuje nejčastěji sousedící páry znaků do podřízených tokenů.

Výsledkem je, že běžné anglické slovo s úvodní mezerou, jako je ` intelligence`, je kódováno jako jediné celočíselné ID tokenu, zatímco neznámý složený výraz, šestnáctkovitý hash nebo silně odsazený blok Pythonu je rozdroben na desítky jednotlivých tokenů. Vizuální tokenizátor Multinook rekonstruuje tyto hranice podřízených tokenů v reálném čase uvnitř paměti RAM vašeho prohlížeče.

Optimalizace ekonomiky kontextového okna napříč modely GPT-5, GPT-4.1, Claude 4.6, Gemini 3.1 a DeepSeek

V produkčních aplikacích AI a v potrubích pro generování s rozšířeným vyhledáváním (RAG) počet tokenů přímo ovlivňuje měsíční účty za cloud i latenci Time-To-First-Token (TTFT). Vzhledem k tomu, že složitost samotné pozornosti (self-attention) roste kvadraticky s délkou sekvence, cpát neoptimalizované dokumenty o velikosti 50 000 tokenů do každého volání API rychle vyčerpává rozpočty.

Porovnáním vašeho promptu současně napříč vlajkovými modely (GPT-5, GPT-4.1, Claude Opus 4.6, Claude Sonnet 4.6, Gemini 3.1 Pro, Grok 4) a vysoce efektivními modely pro uvažování/bleskovými modely (GPT-5 mini/nano, o4-mini, Claude Haiku 4.5, Gemini 3 Flash, Gemini 2.5 Flash-Lite, DeepSeek V3/R1, Llama 4 Maverick) mohou vývojářské týmy provádět benchmarking přesných nákladů na 1 000 volání a správně dimenzovat směrování modelů.

100% izolované auditování promptů pro podnikové týmy AI

Systémové prompty a kontexty podnikových RAG představují klíčové duševní vlastnictví. Vkládání proprietárních šablon promptů nebo zákaznických datových sad do cloudových tokenizátorů třetích stran riskuje únik důvěrné obchodní logiky. Multinook provádí veškerou segmentaci BPE a modelování nákladů výhradně v místní paměti prohlížeče bez jakýchkoliv síťových přenosů.

Ověřená 100% bezpečnost v RAM prohlížeče

Aktualizováno pro webové standardy roku 2026