100X SOTA

LLM-tokenlaskuri – Ilmainen tekoälyn hintalaskuri

Laske tokenit, merkit, sanat, kontekstiikkunan käyttö ja API-kustannukset malleille GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 ja Llama 4 RAM-muistissa

Käsitellään paikallisessa RAM-muistissa...

Seuraavat suositellut toimet

Pikatyönkulut

Puhdista piilotetut kehotteen vesileimat

Poista näkymättömät Unicode-merkit, jotka paisuttavat BPE-tokenien määriä.

Käynnistä Näkymättömien merkkien puhdistaja

Analysoi avainsana- ja sanatiheys

Tarkasta kehotteen pituus, lauseiden määrä ja 1x–3x fraasien esiintymistiheys.

Käynnistä Merkkilaskuri

Vahvista tekstityksen ja käsikirjoituksen ajoitus

Tarkista CPS-lukuunopeus ja CPL-rivirajoitukset tekoälyn luomille käsikirjoituksille.

Käynnistä Tekstitysten CPS-tarkistin

Yhdellä silmäyksellä

Pika-yhteenveto ja keskeiset huomiot

Tärkeimmät oivallukset, suorituskyky ja tietosuoja yhdellä silmäyksellä.

Virallinen määritelmä

LLM Token Counter ja AI Cost Calculator on kehittäjän työkalu, joka pilkkoo tekstin ja lähdekoodin Byte-Pair Encoding (BPE) -osasanatokeneiksi selaimen muistissa arvioidakseen kontekstiikkunan käyttöä ja API-päättelykustannuksia suurissa kielimalleissa.

Yleiskatsaus|Vahvistettu asiakaspuolen arkkitehtuuri

Laskeaksesi LLM-tokenit ja tekoälyn API-kehotteiden kustannukset verkossa ilmaiseksi, liitä kehotteesi tai koodisi Multinookin LLM-tokenlaskuriin. Asiakaspuolen Byte-Pair Encoding (BPE) -analysaattorimme pilkkoo tekstisi visuaalisiksi token-lohkoiksi selaimen RAM-muistissa ja vertailee tarkkoja token-määriä, kontekstiikkunan prosenttiosauksia sekä virallista API-syöttö- ja tulostushinnoittelua mallien GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek V3/R1, Grok 4 ja Llama 4 välillä.

Usean mallin vertailu

Vertaile tokenmääriä ja API-kustannuksia GPT-4o:n, Claude Sonnetin, Gemini Pro/Flashin ja DeepSeekin välillä kerralla.

Visuaalinen tokenien korostus

Näytä tarkat värikoodatut osasanatokenpalat löytääksesi token-raskaat JSON-, tyhjä tila- tai koodimerkkijonot.

Eräkohtainen API-kustannuslaskin

Simuloi yhden kutsun ja päivittäisiä tuotannon API-kuluja mukautetuilla syöte- ja tulostetokenliukusäätimillä.

100 % paikallinen kehotteen yksityisyys

Tarkasta luottamukselliset järjestelmäkehotteet ja oma lähdekoodi paikallisessa keskusmuistissa ilman pilvilatauksia.

Suorituskykyinen moottori

LLM-tokenlaskuri – Ilmainen tekoälyn hintalaskuri

Laske LLM-tokenit, merkit ja API-kehotteiden kustannukset OpenAI GPT-5/GPT-4.1/o3-, Claude 4.6-, Gemini 3.1/2.5-, DeepSeek-, Grok 4- ja Llama 4 -malleille verkossa ilmaiseksi.

Reaaliaikainen Byte-Pair Encoding (BPE) -tokenarvio ja visuaalinen värikoodattu token-rajojen korostaja

Samanaikainen vertailu 21 virallisen mallin välillä: 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 ja Meta Llama 4

Reaaliaikainen API-kustannuslaskuri virallisilla miljoonan syötteen ja tulosteen hinnoilla, odotetuilla tulostustokeneilla ja päivittäisillä eräkutsukertoimilla

Kontekstiikkunan käyttömittarit 128K, 164K, 200K, 400K, 500K ja 1M tokenin kontekstirajoilla

Näyttää tarkan merkkien ja tokenien välisen suhdeluvun sekä merkkien kokonaismäärän, sanat ja osasanojen rajat

100 % eristetty asiakaspuolen RAM-suoritus – tarkasta turvallisesti yrityksen järjestelmäkehotteet ja lähdekoodi ilman palvelinlatauksia

Eristetty tietosuoja

Absoluuttinen nollalatauksen luottamuksellisuus

Tiedostosi käsitellään tiukasti laitteesi RAM-muistissa WebAssemblyn avulla. Ei pilvilatauksia.

100% selaimen RAM-muistinkäsittely • Ei palvelinlatauksia

Vaiheittaiset ohjeet

Kuinka käyttää verkossa: LLM-tokenlaskuri – Ilmainen tekoälyn hintalaskuri

Seuraa näitä kolmea yksinkertaista vaihetta käsitelläksesi asiakirjasi suoraan selaimessasi ilman asennuksia.

Liitä järjestelmäkehotteesi, dokumenttisi tai koodisi

Liitä LLM-kehotteesi, RAG-kontekstidokumenttisi, JSON-skeemasi tai kooditiedostosi työtilaan tai lataa esimerkinomainen TypeScript-kehotteesi suoraan selaimen keskusmuistiin.

Tarkastele värikoodattuja tokenien rajoja

Katso reaaliaikaisia tokenmääriä, merkkien ja tokenien välisiä suhteita sekä värikoodattuja osasanatokenlohkoja, jotka näyttävät, kuinka BPE-tokenisoijat jakavat sanat, numerot ja koodin sisennykset.

Vertaile 21 virallista mallia ja API-hinnoittelua

Määritä odotetut tulostustokenisi ja päivittäinen API-kutsumääräsi vertaillaksesi tarkkoja pyyntökohtaisia ja eräkohtaisia dollarikustannuksia GPT-5-, GPT-4.1-, o3-, Claude 4.6-, Gemini 3.1/2.5-, DeepSeek-, Grok 4- ja Llama 4 -malleissa.

100 % ilmainen ikuisesti (ei kirjautumista)

Paid Cloud Portals

Vaatii kehittäjätilin

Ominaisuusvertailu	Multinook (selaimen RAM-muisti)	Paid Cloud Portals
Tuetut tekoälymallit	21 virallista API-mallia	Vain OpenAI:n vanhat mallit
Visuaalinen tokenien korostus	Värikoodatut BPE-osasanat	Vain pelkkä lukutulos
API-kustannus- ja erämatriisi	Syöte + Tuloste × Päivittäiset kutsut	Vaatii manuaalista laskentaa
Kontekstiikkunan mittari	128K / 400K / 500K / 1M	Ei sisälly
Kehotteen yksityisyys	100 % paikallinen RAM (0 latausta)	Lähetetään ulkoiselle API-palvelimelle
Hinta ja saatavuus	100 % ilmainen ikuisesti (ei kirjautumista)	Vaatii kehittäjätilin

Tekninen arkkitehtuuri ja tekniset tiedot

Tekniset tiedot ja muotoyhteensopivuus

Suunniteltu tiukasti W3C WebAssembly- ja Typed Array -määritysten mukaisesti.

TokenisointimoottoriSelaimen puoleinen BPE-osasen segmentoija (o200k_base, Claude BPE & SentencePiece)

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

Visuaalinen tarkastelijaVärikoodattu osasanatokenin rajojen korostaja

KustannusmallinnusVirallinen 1M syöte + tuloste token-hinnoittelu × päivittäinen erävolyymi

Kontekstitelemetria128K, 164K, 200K, 400K, 500K & 1M tokenin kontekstiikkunamittarit

Yksityisyysarkkitehtuuri100 % paikallinen selaimen RAM (ei palvelinlatauksia)

Kohdeyleisö ja työnkulut

Kohdeyleisö ja käytännön käyttötapaukset

Kuka hyötyy tästä selaimeen asennetusta työkalusta ja milloin sitä kannattaa käyttää.

RAG- ja agenttijärjestelmäarkkitehdit

Tekoälyinsinöörit ja LLM-sovelluskehittäjät

Kehotetokenien kokojen, kontekstiikkunan käytön ja päivittäisten API-päättelykustannusten vertailu OpenAI:ssa, Anthropicissa ja Googlessa.

Järjestelmäkehotteiden suunnittelijat

Kehotinsinöörit ja tekniset kirjoittajat

Visuaalisen tokenien korostuksen käyttäminen monisanaisten ohjeiden tiivistämiseen ja token-raskaiden muotoiluylimenojen poistamiseen.

Tekoälyn yksikkötalouden suunnittelijat

Tuotepäälliköt ja SaaS-perustajat

Käyttäjäkohtaisten ja kuukausittaisten LLM API -laskujen ennustaminen 1 000–100 000 päivittäisen pyynnön välillä ennen uusien tekoälyominaisuuksien julkaisua.

Tietoaineistojen ja hienosäädön kuraattorit

Datatieteilijät ja tutkijat

Merkkien ja tokenien välisten suhteiden mittaaminen monikielisissä korpuksissa ja JSONL-hienosäätötiedostoissa.

Empiirinen laboratoriotestaus

Ensimmäisen käden todennus ja suorituskykyvertailut

Empiiriset testaustulokset, jotka on suoritettu nykyaikaisilla selaimilla ja käyttöjärjestelmillä ilman verkkosiirtoa.

Google Chrome 128 (Apple M3 Max)

Tiedosto: 120 000 merkin RAG-kontekstidokumentti (~30 000 tokenia)

3,8 ms BPE-osasatokenisointi ja usean mallin kustannustaulukko0 kt siirretty (100 % paikallinen laitteen RAM)

Microsoft Edge 126 (Windows 11 x64 Intel i7)

Tiedosto: 15 000 merkin TypeScript- ja JSON-kehoite

1,1 ms reaaliaikainen visuaalinen tokenien rajojen renderöinti0 kt siirretty (100 % paikallinen laitteen RAM)

Mobile Safari (iOS 18 / iPhone 15 Pro)

Tiedosto: 4 000 merkin järjestelmäkehotemalli

0,5 ms välit��n mobiilitoken- ja kustannuslaskenta0 kt siirretty (100 % paikallinen laitteen RAM)

Testiympäristö / Laite	Testitiedosto ja monimutkaisuus	Käsittelyn viive	Verkkotiedonsiirto
Google Chrome 128 (Apple M3 Max)	120 000 merkin RAG-kontekstidokumentti (~30 000 tokenia)	3,8 ms BPE-osasatokenisointi ja usean mallin kustannustaulukko	0 kt siirretty (100 % paikallinen laitteen RAM)
Microsoft Edge 126 (Windows 11 x64 Intel i7)	15 000 merkin TypeScript- ja JSON-kehoite	1,1 ms reaaliaikainen visuaalinen tokenien rajojen renderöinti	0 kt siirretty (100 % paikallinen laitteen RAM)
Mobile Safari (iOS 18 / iPhone 15 Pro)	4 000 merkin järjestelmäkehotemalli	0,5 ms välit��n mobiilitoken- ja kustannuslaskenta	0 kt siirretty (100 % paikallinen laitteen RAM)

Yleiset tiedustelut

Usein kysytyt kysymykset

Kaikki mitä sinun tarvitsee tietää yksityisyydestä, turvallisuudesta, tiedistorajoista ja käytöstä.

Suuret kielimallit eivät lue tekstiä sanalta sanalta tai merkiltä merkiltä; sen sijaan ne jakavat tekstin osasanapaloihin, joita kutsutaan tokeneiksi, käyttämällä Byte-Pair Encoding (BPE)- tai SentencePiece-menetelmää. Tavalliselle englanninkieliselle tekstille 1 token vastaa noin 4 merkkiä tai 0,75 sanaa. Siksi 100 tokenia on noin 75 sanaa ja 1 000 sanaa on noin 1 333 tokenia.

BPE-tokenisoijat (`o200k_base` ja `cl100k_base`) on koulutettu pääasiassa yleisillä englanninkielisillä sanoilla, minkä ansiosta yleiset sanat, kuten 'application', mahtuvat yhteen tokeniin. Välimerkit, JSON-sulkeet, moninumeroiset luvut, tyhjän tilan sisennykset ja muut kuin latinalaiset UTF-8-skriptit kuitenkin pilkotaan pienemmiksi tavutason osasanoiksi, mikä kuluttaa usein 1,5–3 kertaa enemmän tokeneita samalla merkkipituudella.

Tekoälymallien tarjoajat veloittavat erikseen syöte- (kehoite) ja tulostetokeneista (täydennys ja päättely), ja hinnat ilmoitetaan miljoonaa tokenia (1M) kohden. Esimerkiksi OpenAI GPT-5 veloittaa 1,25 $/1M syötettä ja 10,00 $/1M tulostetta, GPT-4.1 veloittaa 2,00 $/1M syötettä ja 8,00 $/1M tulostetta, Claude Sonnet 4.6 veloittaa 3,00 $/1M syötettä ja 15,00 $/1M tulostetta, ja Google Gemini 2.5 Flash veloittaa 0,30 $/1M syötettä ja 2,50 $/1M tulostetta. Laskimemme kertoo tarkan syöttötokenmääräsi ja kohdetulostuspituutesi kunkin mallin virallisella dokumentoidulla API-hinnalla.

`cl100k_base` (100 000 sanastokoko) käytettiin vanhoissa GPT-4- ja GPT-3.5-Turbo-malleissa. Nykyaikaiset OpenAI-mallit – mukaan lukien GPT-5, GPT-4.1, o3, o4-mini ja GPT-4o – käyttävät `o200k_base`-muotoa (200 000 sanastokoko), joka pakkaa muunkielisen tekstin, lähdekoodin ja yleiset monisanaiset ilmaisut 10–25 % vähemmiksi tokeneiksi.

Virallisen API-dokumentaation mukaan: OpenAI GPT-5 / mini / nano tukevat 400 000 tokenia (400K); GPT-4.1 / mini tukevat 1 047 576 tokenia (1M); OpenAI o3 & o4-mini tukevat 200 000 tokenia (200K); Claude Opus 4.6 & Sonnet 4.6 tukevat jopa 1 000 000 tokenia (1M); Google Gemini 3.1 Pro, 3 Flash & 2.5 Pro/Flash tukevat 1 000 000 tokenia (1M); xAI Grok 4 tukee 500 000 tokenia (500K); DeepSeek V3 tukee 164 000 tokenia (164K); ja Meta Llama 4 Maverick tukee 1 048 576 tokenia (1M).

Voit vähentää tokenien kulutusta 20–40 % poistamalla tarpeettoman JSON-tyhjän tilan (pienentämällä JSON-koodin ennen sen siirtämistä kehotteisiin), korvaamalla monisanaiset XML-tagit tiiviillä Markdown- tai CSV-taulukoilla, poistamalla näkym��ttömät Unicode-merkit ja poistamalla toistuvat ohjeet.

Tarkkojen värikoodattujen tokenien rajojen näkeminen paljastaa, miksi LLM:illä on joskus vaikeuksia merkkitason tehtävien kanssa (kuten sanojen kääntäminen tai kirjainten laskeminen) ja korostaa tehottomia merkkijonoja – kuten UUID-tunnisteita, Base64-möykkyjä tai pienentämättömiä koodeja – jotka kuluttavat hiljaisesti kymmeniä tokeneita.

Ei koskaan. Multinook toimii 100-prosenttisesti paikallisesti selaimesi haihtuvassa keskusmuistissa. Järjestelmäkehotteesi, RAG-dokumenttisi ja lähdekoodisi eivät poistu laitteeltasi.

Standardit ja näyttö

Auktoritatiiviset standardit ja tekniset viitteet

Viralliset alan spesifikaatiot, verkkostandardit ja kryptografiset viitteet, jotka pyörittävät tätä moottoria.

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

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

Perustutkimuspaperi, joka esittelee Byte-Pair Encoding (BPE) -osasanatokenisoinnin neurokielimalleille.

Näytä tekniset tiedot

WHATWG Encoding Living Standard

UTF-8 TextEncoder Web API Specification

Virallinen verkkostandardi, joka hallitsee UTF-8-tavuvirtakoodausta, jota käytetään nykyaikaisten tavutason BPE-tokenisoijien peruskerroksena.

Näytä tekniset tiedot

Byte-Pair Encoding (BPE) -menetelmän sisällä: Miten LLM:t pilkkovat merkit osasanatokeneiksi

Nykyaikaiset transformer-arkkitehtuurit – mukaan lukien OpenAI:n GPT-5- ja GPT-4.1-sarjat, Anthropicin Claude 4.6, Googlen Gemini 3.1 ja 2.5, xAI:n Grok 4, Metan Llama 4 sekä DeepSeek V3/R1 – käsittelevät tekstiä determinististen osasanatokenisointialgoritmien, kuten Byte-Pair Encoding (BPE) ja SentencePiece, kautta. Sen sijaan että ylläpidettäisiin ääretöntä sanakirjaa jokaisesta sanasta millä tahansa kielellä, BPE aloittaa yksittäisillä UTF-8-tavuilla ja yhdistää iteratiivisesti useimmiten vierekkäiset merkkiparit osasanatokeneiksi.

Tämän seurauksena yleinen englanninkielinen sana, jonka edessä on tyhjä tila, kuten ` intelligence`, koodataan yhtenä kokonaislukutokenin tunnuksena, kun taas tuntematon yhdyssana, heksadesimaalitiiviste tai raskaasti sisennetty Python-lohko pilkotaan kymmeniksi yksittäisiksi tokeneiksi. Multinookin visuaalinen tokenisoija rekonstruoi nämä osasanojen rajat reaaliajassa selaimesi keskusmuistissa.

Kontekstiikkunatalouden optimointi GPT-5:ssä, GPT-4.1:ssä, Claude 4.6:ssa, Gemini 3.1:ssä ja DeepSeekissä

Tuotannon tekoälysovelluksissa ja Retrieval-Augmented Generation (RAG) -putkissa tokenien määrä säätelee suoraan sekä kuukausittaisia pilvilaskuja että Time-To-First-Token (TTFT) -viivettä. Koska itserakenteinen monimutkaisuus skaalautuu neliöllisesti sekvenssin pituuden mukaan, optimoimattomien 50 000 tokenin dokumenttien tunkeminen jokaiseen API-kutsuun tyhjentää budjetit nopeasti.

Vertaamalla kehotettasi samanaikaisesti lippulaivamallien (GPT-5, GPT-4.1, Claude Opus 4.6, Claude Sonnet 4.6, Gemini 3.1 Pro, Grok 4) ja korkean tehokkuuden päättely-/flash-mallien (GPT-5 mini/nano, o4-mini, Claude Haiku 4.5, Gemini 3 Flash, Gemini 2.5 Flash-Lite, DeepSeek V3/R1, Llama 4 Maverick) välillä, suunnittelutiimit voivat vertailla tarkkoja kustannuksia 1 000 kutsua kohden ja mitoittaa mallireitityksensä oikein.

100 % eristetyt kehotetarkastukset yritysten tekoälytiimeille

Järjestelmäkehotteet ja yritysten RAG-kontekstit edustavat keskeistä immateriaaliomaisuutta. Omia kehotemalleja tai asiakastietoaineistoja liittäminen kolmansien osapuolten pilvitokenisoijiin riskeeraa luottamuksellisen liiketoimintalogiikan vuotamisen. Multinook suorittaa kaiken BPE-segmentoinnin ja kustannusmallinnuksen tiukasti paikallisessa selaimen muistissa ilman verkkosiirtoja.

Varmennettu 100% selaimen RAM-turvallisuus

Päivitetty vuoden 2026 web-standardeille