100X SOTA

Conta Token LLM - Calcolatore Costi IA Gratuito

Conta token, caratteri, parole, utilizzo della finestra di contesto e costi API per GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 e Llama 4 nella RAM

Elaborazione nella RAM locale...

Prossime azioni consigliate

Flussi rapidi

Pulisci le filigrane nascoste del prompt

Elimina i caratteri Unicode invisibili che gonfiano i conteggi dei token BPE.

Avvia Pulitore Caratteri Invisibili

Analizza la densità di parole chiave e parole

Verifica la lunghezza del prompt, il conteggio delle frasi e la frequenza delle frasi da 1x a 3x.

Avvia Conta Caratteri

Valida la tempistica di sottotitoli e copione

Controlla la velocità di lettura CPS e i limiti di riga CPL per i copioni generati dall'IA.

Avvia Verificatore CPS Sottotitoli

A colpo d'occhio

Riepilogo Rapido e Punti Chiave

Informazioni essenziali, capacità di performance e garanzie sulla privacy a colpo d'occhio.

Definizione Ufficiale

Un contatore di token LLM e calcolatore di costi per l'IA è un'utilità per sviluppatori che segmenta il testo e il codice sorgente in token di sotto-parole Byte-Pair Encoding (BPE) nella memoria del browser per stimare l'utilizzo della finestra di contesto e i costi di inferenza delle API tra vari modelli linguistici di grandi dimensioni.

Panoramica|Architettura lato client verificata

Per contare i token LLM e calcolare i costi dei prompt API IA online gratuitamente, incolla il tuo prompt o codice nel Conta Token LLM di Multinook. Il nostro analizzatore Byte-Pair Encoding (BPE) lato client segmenta il tuo testo in blocchi di token visivi nella RAM del browser e confronta conteggi di token esatti, percentuali della finestra di contesto e prezzi ufficiali di input/output API tra GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek V3/R1, Grok 4 e Llama 4.

Confronto multi-modello

Confronta il conteggio dei token e i costi delle API tra GPT-4o, Claude Sonnet, Gemini Pro/Flash e DeepSeek contemporaneamente.

Evidenziatore visivo di token

Visualizza blocchi di token di sotto-parole con codice a colori esatto per individuare JSON pesanti di token, spazi bianchi o stringhe di codice.

Calcolatore dei costi API batch

Simula le spese API di produzione singole e giornaliere con cursori personalizzati per i token di input e output.

Privacy dei prompt locale al 100%

Verifica system prompt confidenziali e codice sorgente proprietario nella RAM locale senza caricamenti sul cloud.

Motore ad alte prestazioni

Conta Token LLM - Calcolatore Costi IA Gratuito

Conta token LLM, caratteri e costi dei prompt API per OpenAI GPT-5/GPT-4.1/o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 e Llama 4 online gratuitamente.

Stima dei token Byte-Pair Encoding (BPE) in tempo reale ed evidenziatore visivo codificato a colori dei confini dei token

Confronto simultaneo tra 21 modelli ufficiali: 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 e Meta Llama 4

Calcolatore di costi API in tempo reale con tariffe ufficiali per 1 milione di input e output, token di output attesi e moltiplicatori di chiamate API batch giornaliere

Misuratori di utilizzo della finestra di contesto su limiti di contesto da 128K, 164K, 200K, 400K, 500K e 1M di token

Mostra l'esatto rapporto tra caratteri e token insieme a caratteri totali, parole e confini dei sottotoken

Esecuzione in RAM lato client isolata al 100% — controlla in sicurezza prompt di sistema proprietari e codice sorgente con 0 caricamenti sul server

Privacy dei dati Air-Gapped

Riservatezza assoluta con zero caricamenti

I tuoi file vengono elaborati rigorosamente all'interno della RAM del tuo dispositivo utilizzando WebAssembly. Zero caricamenti sul cloud.

Elaborazione 100% in RAM nel browser • Zero caricamenti sul server

Istruzioni dettagliate

Come usare online: Conta Token LLM - Calcolatore Costi IA Gratuito

Segui questi 3 semplici passaggi per elaborare i tuoi documenti direttamente nel browser senza alcuna installazione.

Incolla il tuo system prompt, documento o codice

Incolla il tuo prompt LLM, il documento di contesto RAG, lo schema JSON o il file di codice nell'area di lavoro, oppure carica un prompt TypeScript di esempio direttamente nella RAM del browser.

Ispeziona i confini dei token con codice a colori

Visualizza i conteggi dei token in tempo reale, i rapporti carattere-token e i blocchi di token secondari (subword) con codice a colori che mostrano come i tokenizer BPE suddividono parole, numeri e rientri del codice.

Confronta 21 modelli ufficiali e prezzi API

Imposta i token di output previsti e il volume giornaliero di chiamate API per confrontare i costi esatti in dollari per richiesta e per batch tra GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 e Llama 4.

100% gratuito per sempre (nessun login)

Paid Cloud Portals

Richiede un account sviluppatore

Confronto delle funzionalità	Multinook (RAM nel browser)	Paid Cloud Portals
Modelli di IA supportati	21 modelli API ufficiali	Solo modelli legacy OpenAI
Evidenziatore visivo di token	Subword BPE con codice a colori	Solo output numerico semplice
Matrice di costi e batch API	Input + Output × Chiamate giornaliere	Calcoli manuali richiesti
Misuratore della finestra di contesto	128K / 400K / 500K / 1M	Non incluso
Privacy dei prompt	RAM locale al 100% (0 caricamenti)	Inviato a un server API esterno
Costo e accesso	100% gratuito per sempre (nessun login)	Richiede un account sviluppatore

Architettura tecnica e specifiche

Specifiche e compatibilità dei formati

Progettato rigorosamente secondo le specifiche W3C WebAssembly e Typed Array.

Motore di tokenizzazioneSegmentatore di sotto-parole BPE client-side (o200k_base, Claude BPE e SentencePiece)

Ecosistemi supportatiOpenAI (GPT-5/4.1/o3), Anthropic (Claude 4.6/4.5), Google (Gemini 3.1/2.5), DeepSeek, Grok 4 e Llama 4

Ispettore visivoEvidenziatore dei confini dei token di sotto-parole con codice a colori

Modellazione dei costiPrezzi ufficiali per 1M token di input + output × volume batch giornaliero

Telemetria di contestoMisuratori di finestre di contesto da 128K, 164K, 200K, 400K, 500K e 1M token

Architettura della privacyRAM del browser locale isolata al 100% (zero caricamenti sul server)

Pubblico e Flussi di Lavoro

Pubblico di Riferimento e Casi d'Uso Pratici

Chi trae beneficio da questa utility basata su browser e quando utilizzarla.

Architetti di sistemi RAG e ad agenti

Ingegneri di IA e sviluppatori di applicazioni LLM

Benchmarking delle dimensioni dei token dei prompt, dell'utilizzo della finestra di contesto e dei costi di inferenza API giornalieri tra OpenAI, Anthropic e Google.

Progettisti di system prompt

Prompt Engineer e Technical Writer

Utilizzo dell'evidenziazione visiva dei token per comprimere istruzioni prolisse ed eliminare l'overhead di formattazione pesante.

Pianificatori dell'economia unitaria dell'IA

Product Manager e fondatori di SaaS

Previsione delle bollette API LLM per utente e mensili su un volume da 1.000 a 100.000 richieste giornaliere prima di lanciare nuove funzionalità di IA.

Curatori di dataset e fine-tuning

Data Scientist e ricercatori

Misurazione dei rapporti carattere-token tra corpora multilingue e file di fine-tuning JSONL.

Test Empirici di Laboratorio

Verifica Diretta e Benchmark di Performance

Risultati dei test empirici condotti su browser e sistemi operativi moderni senza alcuna trasmissione di rete.

Google Chrome 128 (Apple M3 Max)

File: Documento di contesto RAG da 120.000 caratteri (~30.000 token)

Segmentazione subword BPE in 3,8 ms e tabella dei costi multi-modello0 KB trasferiti (RAM del dispositivo locale al 100%)

Microsoft Edge 126 (Windows 11 x64 Intel i7)

File: Prompt TypeScript e JSON da 15.000 caratteri

Rendering in tempo reale dei confini dei token in 1,1 ms0 KB trasferiti (RAM del dispositivo locale al 100%)

Mobile Safari (iOS 18 / iPhone 15 Pro)

File: Modello di system prompt da 4.000 caratteri

Calcolo istantaneo di token e costi su mobile in 0,5 ms0 KB trasferiti (RAM del dispositivo locale al 100%)

Ambiente di test / Dispositivo	File di test e complessità	Latenza di elaborazione	Trasferimento dati di rete
Google Chrome 128 (Apple M3 Max)	Documento di contesto RAG da 120.000 caratteri (~30.000 token)	Segmentazione subword BPE in 3,8 ms e tabella dei costi multi-modello	0 KB trasferiti (RAM del dispositivo locale al 100%)
Microsoft Edge 126 (Windows 11 x64 Intel i7)	Prompt TypeScript e JSON da 15.000 caratteri	Rendering in tempo reale dei confini dei token in 1,1 ms	0 KB trasferiti (RAM del dispositivo locale al 100%)
Mobile Safari (iOS 18 / iPhone 15 Pro)	Modello di system prompt da 4.000 caratteri	Calcolo istantaneo di token e costi su mobile in 0,5 ms	0 KB trasferiti (RAM del dispositivo locale al 100%)

Domande comuni

Domande frequenti

Tutto quello che c'è da sapere su privacy, sicurezza, limiti dei file e utilizzo.

I modelli linguistici di grandi dimensioni (LLM) non leggono il testo parola per parola o carattere per carattere; suddividono invece il testo in blocchi di sotto-parole chiamati token usando il Byte-Pair Encoding (BPE) o SentencePiece. Per il testo in inglese standard, 1 token equivale a circa 4 caratteri o 0,75 parole. Di conseguenza, 100 token corrispondono approssimativamente a 75 parole e 1.000 parole a circa 1.333 token.

I tokenizer BPE (`o200k_base` e `cl100k_base`) sono addestrati prevalentemente su parole inglesi comuni, consentendo a parole frequenti come 'application' di rientrare in un unico token. Tuttavia, i segni di punteggiatura, le parentesi JSON, i numeri a più cifre, i rientri con spazi bianchi e gli script UTF-8 non latini vengono suddivisi in sotto-parole a livello di byte più piccole, consumando spesso da 1,5x a 3x token in più per la stessa lunghezza in caratteri.

I fornitori di modelli di IA fatturano separatamente per i token di Input (Prompt) e i token di Output (Completamento e Ragionamento), quotati per 1 milione di token (1M). Ad esempio, OpenAI GPT-5 fattura 1,25 $/1M di input e 10,00 $/1M di output, GPT-4.1 fattura 2,00 $/1M di input e 8,00 $/1M di output, Claude Sonnet 4.6 fattura 3,00 $/1M di input e 15,00 $/1M di output e Google Gemini 2.5 Flash fattura 0,30 $/1M di input e 2,50 $/1M di output. Il nostro calcolatore moltiplica il conteggio esatto dei token di input e la lunghezza dell'output desiderato rispetto alla tariffa API ufficiale documentata di ciascun modello.

`cl100k_base` (con un vocabolario di 100.000 dimensioni) veniva usato per i precedenti GPT-4 e GPT-3.5-Turbo. I moderni modelli OpenAI, tra cui GPT-5, GPT-4.1, o3, o4-mini e GPT-4o, utilizzano `o200k_base` (con un vocabolario di 200.000 dimensioni), che comprime testo non inglese, codice sorgente ed espressioni comuni multi-parola riducendo i token dal 10% al 25%.

Secondo la documentazione API ufficiale: OpenAI GPT-5 / mini / nano supportano 400.000 token (400K); GPT-4.1 / mini supportano 1.047.576 token (1M); OpenAI o3 e o4-mini supportano 200.000 token (200K); Claude Opus 4.6 e Sonnet 4.6 supportano fino a 1.000.000 di token (1M); Google Gemini 3.1 Pro, 3 Flash e 2.5 Pro/Flash supportano 1.000.000 di token (1M); xAI Grok 4 supporta 500.000 token (500K); DeepSeek V3 supporta 164.000 token (164K); e Meta Llama 4 Maverick supporta 1.048.576 token (1M).

Puoi ridurre il consumo di token dal 20% al 40% rimuovendo gli spazi bianchi JSON ridondanti (minificando il JSON prima di passarlo nei prompt), sostituendo i tag XML prolissi con tabelle Markdown o CSV compatte, rimuovendo i caratteri Unicode invisibili e deduplicando le istruzioni ripetute.

Vedere i confini esatti dei token colorati rivela perché gli LLM a volte faticano con attività a livello di carattere (come invertire le parole o contare le lettere) ed evidenzia le stringhe inefficienti — come UUID, blob Base64 o codice non minificato — che bruciano silenziosamente dozzine di token.

Mai. Multinook viene eseguito al 100% in locale all'interno della RAM volatile del tuo browser. I tuoi system prompt, documenti RAG e codici sorgente non lasciano mai il tuo dispositivo.

Standard e Riferimenti

Standard Autorevoli e Citazioni Tecniche

Specifiche ufficiali del settore, standard Web e riferimenti crittografici che alimentano questo motore.

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

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

Documento di ricerca fondamentale che introduce la tokenizzazione di sotto-parole Byte-Pair Encoding (BPE) per i modelli linguistici neurali.

Visualizza specifica

WHATWG Encoding Living Standard

Specifiche dell'API Web UTF-8 TextEncoder

Standard web ufficiale che regola la codifica del flusso di byte UTF-8 utilizzata come livello di base dei moderni tokenizer BPE a livello di byte.

Visualizza specifica

All'interno del Byte-Pair Encoding (BPE): come gli LLM segmentano i caratteri in token di sotto-parole

Le moderne architetture transformer, tra cui le serie GPT-5 e GPT-4.1 di OpenAI, Claude 4.6 di Anthropic, Gemini 3.1 e 2.5 di Google, Grok 4 di xAI, Llama 4 di Meta e DeepSeek V3/R1, elaborano il testo tramite algoritmi deterministici di tokenizzazione a livello di sotto-parole (subword), come il Byte-Pair Encoding (BPE) e SentencePiece. Invece di mantenere un dizionario infinito di ogni parola in ogni lingua, il BPE parte da singoli byte UTF-8 e unisce iterativamente le coppie di caratteri adiacenti più frequenti in token di sotto-parole.

Di conseguenza, una parola inglese comune con uno spazio iniziale come ` intelligence` viene codificata come un singolo ID token intero, mentre un termine composto non familiare, un hash esadecimale o un blocco Python fortemente indentato viene frammentato in dozzine di token individuali. Il tokenizer visivo di Multinook ricostruisce questi confini di sotto-parole in tempo reale all'interno della RAM del tuo browser.

Ottimizzazione dell'economia della finestra di contesto su GPT-5, GPT-4.1, Claude 4.6, Gemini 3.1 e DeepSeek

Nelle applicazioni di IA in produzione e nelle pipeline di Retrieval-Augmented Generation (RAG), il conteggio dei token governa direttamente sia le bollette cloud mensili che la latenza Time-To-First-Token (TTFT). Poiché la complessità dell'auto-attenzione scala quadraticamente con la lunghezza della sequenza, inserire documenti da 50.000 token non ottimizzati in ogni chiamata API esaurisce rapidamente i budget.

Confrontando contemporaneamente il tuo prompt tra i modelli di punta (GPT-5, GPT-4.1, Claude Opus 4.6, Claude Sonnet 4.6, Gemini 3.1 Pro, Grok 4) e i modelli flash/di ragionamento ad alta efficienza (GPT-5 mini/nano, o4-mini, Claude Haiku 4.5, Gemini 3 Flash, Gemini 2.5 Flash-Lite, DeepSeek V3/R1, Llama 4 Maverick), i team di ingegneri possono effettuare il benchmarking dei costi esatti per 1.000 chiamate e dimensionare correttamente il routing dei modelli.

Auditing dei prompt isolato al 100% (air-gapped) per i team di IA aziendali

I system prompt e i contesti RAG aziendali rappresentano la proprietà intellettuale fondamentale. Incollare modelli di prompt proprietari o set di dati dei clienti in tokenizer cloud di terze parti rischia di compromettere la logica aziendale confidenziale. Multinook esegue tutta la segmentazione BPE e la modellazione dei costi rigorosamente all'interno della memoria locale del browser senza alcuna trasmissione di rete.

Sicurezza verificata al 100% in RAM nel browser

Aggiornato agli standard web del 2026