100X SOTA

LLM tokenų skaitiklis – nemokama dirbtinio intelekto kainų skaičiuoklė

Skaičiuokite tokenus, simbolius, žodžius, konteksto lango naudojimą ir API išlaidas GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 ir Llama 4 modeliams RAM atmintyje

Apdorojama vietinėje RAM atmintyje...

Kiti rekomenduojami veiksmai

Greitos darbo eigos

Išvalyti paslėptus užklausos vandens ženklus

Pašalinkite nematomus Unicode simbolius, kurie padidina BPE žetonų skaičių.

Paleisti Nematomų simbolių valiklis

Išanalizuoti raktažodžių ir žodžių tankį

Atlikite užklausos ilgio, sakinių skaičiaus ir 1x–3x frazių dažnio auditą.

Paleisti Simbolių skaitiklis

Patvirtinti subtitrų ir scenarijaus laiką

Patikrinkite CPS skaitymo greitį ir CPL eilučių apribojimus AI generuotiems scenarijams.

Paleisti Subtitrų CPS tikrintuvas

Trumpai

Trumpa suvestinė ir pagrindiniai pastebėjimai

Svarbiausios įžvalgos, veikimo spartos galimybės ir privatumo garantijos iš pirmo žvilgsnio.

Oficialus apibrėžimas

LLM žetonų skaitiklis ir AI kainų skaičiuoklė yra kūrėjo įrankis, kuris naršyklės atmintyje suskirsto tekstą ir programinį kodą į baitų porų kodavimo (BPE) subžodžių žetonus, kad įvertintų konteksto lango naudojimą ir API išvadų kainas tarp didelių kalbos modelių.

Apžvalga|Patvirtinta architektūra naršyklėje

Jei norite nemokamai internete suskaičiuoti LLM tokenus ir apskaičiuoti AI API užklausų išlaidas, įklijuokite savo užklausą arba kodą į „Multinook“ LLM tokenų skaitiklį. Mūsų kliento pusės baitų porų kodavimo (BPE) analizatorius suskaido jūsų tekstą į vizualius tokenų blokus naršyklės RAM ir palygina tikslius tokenų kiekius, konteksto lango procentus bei oficialias API įvesties / išvesties kainas GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek V3/R1, Grok 4 ir Llama 4 modeliuose.

Kelių modelių palyginimas

Vienu metu palyginkite žetonų kiekius ir API išlaidas tarp GPT-4o, Claude Sonnet, Gemini Pro/Flash ir DeepSeek.

Vizualus žetonų išryškintojas

Matykite tikslius spalvomis pažymėtus subžodžių žetonų blokus, kad pastebėtumėte žetonų gausius JSON, tarpų ar kodo eilutes.

Paketinio API kainų skaičiuoklė

Imuliuokite vienos užklausos ir kasdienio gamybinio API išlaidas naudodami pasirinktinius įvesties ir išvesties žetonų slankiklius.

100% vietinis raginimų privatumas

Audituokite konfidencialius sisteminius raginimus ir patentuotą kodą vietinėje RAM be jokių įkėlimų į debesiją.

Didelio našumo variklis

LLM tokenų skaitiklis – nemokama dirbtinio intelekto kainų skaičiuoklė

Nemokamai skaičiuokite LLM tokenus, simbolius ir API užklausų išlaidas „OpenAI GPT-5/GPT-4.1/o3“, „Claude 4.6“, „Gemini 3.1/2.5“, „DeepSeek“, „Grok 4“ ir „Llama 4“ modeliams internete.

Realaus laiko baitų porų kodavimo (BPE) tokenų apskaičiavimas ir vizualus spalvomis pažymėtas tokenų ribų žymeklis

Lygiagretus palyginimas tarp 21 oficialaus modelio: „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“ ir „Meta Llama 4“

Tiesioginė API išlaidų skaičiuoklė su oficialiais įvesties ir išvesties įkainiais už 1M, numatomais išvesties tokenais ir kasdieniais paketinės API užklausų daugikliais

Konteksto lango išnaudojimo matuokliai 128K, 164K, 200K, 400K, 500K ir 1M tokenų konteksto limitams

Rodomas tikslus simbolių ir tokenų santykis kartu su bendru simbolių, žodžių ir subžodžių ribų skaičiumi

100% izoliuotas kliento pusės RAM vykdymas – saugiai tikrinkite nuosavybės teise priklausančias sistemos užklausas ir pirminį kodą be jokių serverio įkėlimų

Izoliuotas duomenų privatumas

Absoliutus konfidencialumas be įkėlimo

Jūsų failai apdorojami griežtai jūsų įrenginio RAM atmintyje naudojant WebAssembly. Jokių įkėlimų į debesį.

100% naršyklės RAM apdorojimas • Jokių įkėlimų į serverį

Nuoseklios instrukcijos

Kaip naudotis internete: LLM tokenų skaitiklis – nemokama dirbtinio intelekto kainų skaičiuoklė

Atlikite 3 paprastus veiksmus, kad apdorotumėte dokumentus tiesiai naršyklėje be jokių diegimų.

Įklijuokite savo sisteminį raginimą, dokumentą arba kodą

Įklijuokite savo LLM užklausą, RAG konteksto dokumentą, JSON schemą arba kodo failą į darbastalį arba įkelkite pavyzdinį TypeScript raginimą tiesiai į naršyklės RAM.

Apžiūrėkite spalvomis pažymėtas žetonų ribas

Peržiūrėkite tiesioginius žetonų skaičius, simbolių ir žetonų santykius bei spalvomis pažymėtus subžodžių žetonų blokus, rodančius, kaip BPE žetonų kūrėjai skirsto žodžius, skaičius ir kodo įtraukas.

Palyginkite 21 oficialų modelį ir API kainodarą

Nustatykite numatomus išvesties žetonus ir kasdienį API užklausų kiekį, kad galėtumėte palyginti tikslias vienos užklausos ir paketinio apdorojimo dolerių išlaidas tarp GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 ir Llama 4.

100% nemokamai amžinai (be prisijungimo)

Paid Cloud Portals

Reikalinga kūrėjo paskyra

Funkcijų palyginimas	Multinook (naršyklės RAM)	Paid Cloud Portals
Palaikomi AI modeliai	21 oficialus API modelis	Tik seni „OpenAI“ modeliai
Vizualus žetonų išryškintojas	Spalvomis pažymėti BPE subžodžiai	Tik paprastų skaičių išvestis
API kainų ir paketu matrica	Įvestis + Išvestis × Dienos užklausos	Reikalingas rankinis skaičiavimas
Konteksto lango matuoklis	128K / 400K / 500K / 1M	Nepridedama
Raginimų privatumas	100% vietinė RAM (0 įkėlimų)	Siunčiama į išorinį API serverį
Kaina ir prieiga	100% nemokamai amžinai (be prisijungimo)	Reikalinga kūrėjo paskyra

Techninė architektūra ir specifikacijos

Specifikacijos ir formatų suderinamumas

Sukurtta griežtai laikantis W3C WebAssembly ir Typed Array specifikacijų.

Tokenizavimo variklisKliento pusėje veikiantis BPE subžodžių segmentatorius (`o200k_base`, „Claude BPE“ ir „SentencePiece“)

Palaikomos ekosistemosOpenAI (GPT-5/4.1/o3), Anthropic (Claude 4.6/4.5), Google (Gemini 3.1/2.5), DeepSeek, Grok 4 ir Llama 4

Vizualinis inspektoriusSpalvomis pažymėtas subžodžių žetonų ribų išryškintojas

Kainų modeliavimasOficiali kaina už 1M įvesties + išvesties žetonų × kasdienis paketo tūris

Konteksto telemetrija128K, 164K, 200K, 400K, 500K ir 1M žetonų konteksto lango matuokliai

Privatumo architektūra100% izoliuota vietinė naršyklės RAM (jokių įkėlimų į serverį)

Auditorija ir darbo eigų scenarijai

Tikslinė auditorija ir praktiniai naudojimo atvejai

Kam naudingas šis naršyklėje veikiantis įrankis ir kada jį naudoti.

RAG ir agentinių sistemų architektai

AI inžinieriai ir LLM programų kūrėjai

Raginimų žetonų dydžių, konteksto lango panaudojimo ir kasdienių API išvadų išlaidų palyginimas tarp „OpenAI“, „Anthropic“ ir „Google“.

Sisteminių raginimų dizaineriai

Raginimų inžinieriai ir techniniai rašytojai

Vizualaus žetonų išryškinimo naudojimas ilgų instrukcijų sutankinimui ir daug žetonų reikalaujančio formatavimo pašalinimui.

AI vienetų ekonomikos planuotojai

Produktų vadovai ir SaaS steigėjai

Vartotojo ir mėnesio LLM API sąskaitų prognozavimas nuo 1 000 iki 100 000 kasdienių užklausų prieš paleidžiant naujas AI funkcijas.

Duomenų rinkinių ir tikslinio derinimo kuratoriai

Duomenų mokslininkai ir tyrėjai

Simbolių ir žetonų santykių matavimas daugiakalbiuose korpusuose ir JSONL tikslinio derinimo failuose.

Empiriniai laboratoriniai tyrimai

Pirminis patvirtinimas ir našumo testavimai

Empirinio testavimo rezultatai, atlikti naudojant šiuolaikines naršykles ir operacines sistemas, nenaudojant jokių tinklo perdavimų.

Google Chrome 128 (Apple M3 Max)

Failas: 120 000 simbolių RAG konteksto dokumentas (~30 000 žetonų)

3,8 ms BPE subžodžių segmentavimas ir kelių modelių kainų lentelė0 KB perstatyta (100% vietinio įrenginio RAM)

Microsoft Edge 126 (Windows 11 x64 Intel i7)

Failas: 15 000 simbolių TypeScript ir JSON raginimas

1,1 ms tiesioginis vizualus žetonų ribų atvaizdavimas0 KB perstatyta (100% vietinio įrenginio RAM)

Mobile Safari (iOS 18 / iPhone 15 Pro)

Failas: 4 000 simbolių sisteminio raginimo šablonas

0,5 ms momentinis mobilus žetonų ir kainų skaičiavimas0 KB perstatyta (100% vietinio įrenginio RAM)

Testavimo aplinka / Įrenginys	Testo failas ir sudėtingumas	Apdorojimo delsa	Tinklo duomenų perdavimas
Google Chrome 128 (Apple M3 Max)	120 000 simbolių RAG konteksto dokumentas (~30 000 žetonų)	3,8 ms BPE subžodžių segmentavimas ir kelių modelių kainų lentelė	0 KB perstatyta (100% vietinio įrenginio RAM)
Microsoft Edge 126 (Windows 11 x64 Intel i7)	15 000 simbolių TypeScript ir JSON raginimas	1,1 ms tiesioginis vizualus žetonų ribų atvaizdavimas	0 KB perstatyta (100% vietinio įrenginio RAM)
Mobile Safari (iOS 18 / iPhone 15 Pro)	4 000 simbolių sisteminio raginimo šablonas	0,5 ms momentinis mobilus žetonų ir kainų skaičiavimas	0 KB perstatyta (100% vietinio įrenginio RAM)

Dažni klausimai

Dažniausiai užduodami klausimai

Viskas, ką reikia žinoti apie privatumą, saugumą, failų apribojimus ir naudojimą.

Didieji kalbos modeliai neskaito teksto žodis po žodžio ar simbolis po simbolio; vietoj to jie padalija tekstą į subžodžių blokus, vadinamus žetonais (tokenais), naudodami baitų porų kodavimą (BPE) arba „SentencePiece“. Standartiniam anglų tekstui 1 žetonas prilygsta maždaug 4 simboliams arba 0,75 žodžio. Vadinasi, 100 žetonų yra maždaug 75 žodžiai, o 1 000 žodžių – maždaug 1 333 žetonai.

BPE žetonų kūrėjai (`o200k_base` ir `cl100k_base`) yra apmokyti dažniausiai naudojamų anglų kalbos žodžių pagrindu, todėl dažni žodžiai, pavyzdžiui, „application“, telpa į vieną žetoną. Tačiau skyrybos ženklai, JSON skliaustai, kelių skaitmenų skaičiai, tarpų įtraukos ir ne lotyniški UTF-8 skriptai yra suskaidomi į mažesnius baitinio lygio subžodžius, todėl tokiam pačiam simbolių ilgiui dažnai sunaudojama nuo 1,5 iki 3 kartų daugiau žetonų.

AI modelių teikėjai atskirai apmokestina įvesties (raginimo) žetonus ir išvesties (užbaigimo ir samprotavimo) žetonus, nurodydami kainą už 1 milijoną žetonų (1M). Pavyzdžiui, „OpenAI GPT-5“ kainuoja 1,25 USD už 1M įvesties ir 10,00 USD už 1M išvesties, „GPT-4.1“ – 2,00 USD už 1M įvesties ir 8,00 USD už 1M išvesties, „Claude Sonnet 4.6“ – 3,00 USD už 1M įvesties ir 15,00 USD už 1M išvesties, o „Google Gemini 2.5 Flash“ – 0,30 USD už 1M įvesties ir 2,50 USD už 1M išvesties. Mūsų skaičiuoklė padaugina jūsų tikslų įvesties žetonų skaičių ir tikslinės išvesties ilgį iš oficialiai dokumentuoto kiekvieno modelio API tarifo.

`cl100k_base` (100 000 žodyno dydis) buvo naudojamas seniems GPT-4 ir GPT-3.5-Turbo modeliams. Šiuolaikiniai „OpenAI“ modeliai, įskaitant GPT-5, GPT-4.1, o3, o4-mini ir GPT-4o, naudoja `o200k_base` (200 000 žodyno dydį), kuris suspaudžia ne anglų kalbos tekstą, programinį kodą ir bendras daugiarapėse išraiškas į 10–25 % mažesnį žetonų kiekį.

Remiantis oficialia API dokumentacija: „OpenAI GPT-5 / mini / nano“ palaiko 400 000 žetonų (400K); „GPT-4.1 / mini“ palaiko 1 047 576 žetonus (1M); „OpenAI o3 & o4-mini“ palaiko 200 000 žetonų (200K); „Claude Opus 4.6 & Sonnet 4.6“ palaiko iki 1 000 000 žetonų (1M); „Google Gemini 3.1 Pro, 3 Flash & 2.5 Pro/Flash“ palaiko 1 000 000 žetonų (1M); „xAI Grok 4“ palaiko 500 000 žetonų (500K); „DeepSeek V3“ palaiko 164 000 žetonų (164K); o „Meta Llama 4 Maverick“ palaiko 1 048 576 žetonus (1M).

Galite sumažinti žetonų suvartojimą 20–40 %, pašalindami nereikalingus JSON tarpus (sumažindami JSON prieš įtraukiant jį į raginimus), pakeisdami daugiažodžius XML žymas kompaktiškomis Markdown arba CSV lentelėmis, pašalindami nematomus Unicode simbolius ir pašalindami pasikartojančias instrukcijas.

Tikslus spalvomis pažymėtų žetonų ribų matymas parodo, kodėl LLM kartais sunkiai sekasi atlikti užduotis simbolių lygyje (pvz., apversti žodžius ar skaičiuoti raides) ir išryškina neveiksmingas eilutes – tokias kaip UUID, Base64 blokai ar nesumažintas kodas – kurios tyliai sudegina dešimtis žetonų.

Niekada. „Multinook“ veikia 100 % lokaliai jūsų naršyklės operatyviojoje atmintyje (RAM). Jūsų sisteminiai raginimai, RAG dokumentai ir programinis kodas niekada nepalieka jūsų kompiuterio.

Standartai ir įrodymai

Oficialūs standartai ir techninės citatos

Oficialios pramonės specifikacijos, žiniatinklio standartai ir kriptografinės nuorodos, kurios varo šį varikliuką.

Skaitmeninės lingvistikos asociacija (ACL / Sennrich ir kt.)

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

Fundamentinis tyrimo dokumentas, pristatantis baitų porų kodavimo (BPE) subžodžių tokenizavimą neuroniniams kalbos modeliams.

Peržiūrėti specifikaciją

WHATWG kodavimo gyvasis standartas

UTF-8 TextEncoder Web API Specification

Oficialus interneto standartas, reglamentuojantis UTF-8 baitų srauto kodavimą, naudojamą kaip šiuolaikinių baitinio lygio BPE žetonų kūrėjų pagrindinį sluoksnį.

Peržiūrėti specifikaciją

Žvilgsnis į baitų porų kodavimą (BPE): kaip LLM segmentuoja simbolius į subžodžių žetonus

Šiuolaikinės transformerių architektūros, įskaitant „OpenAI“ GPT-5 ir GPT-4.1 serijas, „Anthropic“ Claude 4.6, „Google“ Gemini 3.1 ir 2.5, „xAI“ Grok 4, „Meta“ Llama 4 ir DeepSeek V3/R1, apdoroja tekstą naudodami deterministinius subžodžių tokenizavimo algoritmus, tokius kaip baitų porų kodavimas (BPE) ir „SentencePiece“. Vietoj to, kad palaikytų begalinį kiekvieno žodžio kiekvienoje kalboje žodyną, BPE prasideda nuo atskirų UTF-8 baitų ir pakartotinai sujungia dažniausiai greta esančias simbolių poras į subžodžių žetonus.

Dėl to dažnas angliškas žodas su priekiniu tarpu, pavyzdžiui, ` intelligence`, yra užkoduojamas kaip vienas sveikojo skaičiaus žetono ID, o nepažįstamas sudėtinis terminas, šešioliktainis maišos kodas arba giliai įtrauktas Python blokas yra suskaidomas į dešimtis atskirų žetonų. „Multinook“ vizualinis žetonų kūrėjas realiuoju laiku atkuria šias subžodžių ribas jūsų naršyklės RAM.

Konteksto lango ekonomikos optimizavimas per GPT-5, GPT-4.1, Claude 4.6, Gemini 3.1 ir DeepSeek

Gamybinėse AI programose ir papildomo generavimo su paieška (RAG) konvejeriuose žetonų skaičius tiesiogiai lemia tiek mėnesines debesijos sąskaitas, tiek pirmojo žetono gavimo laiko (TTFT) delsmą. Kadangi savidėmesio sudėtingumas proporcingai didėja su sekos ilgiu, neoptimizuotų 50 000 žetonų dokumentų įtraukimas į kiekvieną API užklausą greitai išsekina biudžetus.

Lygindami savo raginimą vienu metu su flagmanais modeliais (GPT-5, GPT-4.1, Claude Opus 4.6, Claude Sonnet 4.6, Gemini 3.1 Pro, Grok 4) ir didelio efektyvumo samprotavimo / greitaisiais modeliais (GPT-5 mini/nano, o4-mini, Claude Haiku 4.5, Gemini 3 Flash, Gemini 2.5 Flash-Lite, DeepSeek V3/R1, Llama 4 Maverick), inžinerijos komandos gali įvertinti tikslią kainą už 1 000 užklausų ir optimaliai parinkti modelio maršrutą.

100 % izoliuotas raginimų auditas įmonių AI komandoms

Sisteminiai raginimai ir įmonių RAG kontekstai yra pagrindinė intelektinė nuosavybė. Patentuotų raginimų šablonų ar klientų duomenų rinkinių įklijavimas į trečiųjų šalių debesijos žetonų kūrėjus kelia konfidencialios verslo logikos nutekėjimo riziką. „Multinook“ atlieka visą BPE segmentavimą ir kainų modeliavimą griežtai vietinėje naršyklės atmintyje be jokių tinklo perdavimų.

Patvirtintas 100% naršyklės RAM saugumas

Atnaujinta 2026 m. žiniatinklio standartams