100X SOTA

LLM Token Teller - Gratis AI Kosten Calculator

Tel tokens, tekens, woorden, contextvenstergebruik en API-kosten voor GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 & Llama 4 in RAM

Verwerken in lokaal RAM...

Volgende aanbevolen acties

Snelle workflows

Schoon verborgen promptwatermerken op

Verwijder onzichtbare Unicode-tekens die BPE-tokentellingen opblazen.

Starten Onzichtbare Tekens Schoner

Analyseer trefwoord- & woorddichtheid

Controleer promptlengte, zinsschema en 1x-3x zinsfrequentie.

Starten Tekenteller

Valideer ondertitel- & scripttiming

Controleer de CPS-leessnelheid en CPL-regellimieten voor door AI gegenereerde scripts.

Starten Ondertitel CPS Checker

In één oogopslag

Snelle samenvatting & Belangrijkste punten

Essentiële inzichten, prestatiecapaciteiten en privacygaranties in één oogopslag.

Officiële definitie

Een LLM Token Counter en AI Cost Calculator is een ontwikkelaarshulpprogramma dat tekst en broncode segmenteert in Byte-Pair Encoding (BPE)-subwoordtokens in het browsergeheugen om het gebruik van contextvensters en API-inferentiekosten over grote taalmodellen te schatten.

Overzicht|Geverifieerde Client-side Architectuur

Om online gratis LLM-tokens te tellen en AI-API-promptkosten te berekenen, plakt u uw prompt of code in de LLM Token Teller van Multinook. Onze client-side Byte-Pair Encoding (BPE)-analyser segmenteert uw tekst in visuele tokenblokken in het browser-RAM en vergelijkt exacte tokentellingen, percentages van het contextvenster en officiële API-input/output-prijzen over GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek V3/R1, Grok 4 en Llama 4.

Vergelijking van meerdere modellen

Vergelijk tokentellingen en API-kosten over GPT-4o, Claude Sonnet, Gemini Pro/Flash en DeepSeek in één keer.

Visuele tokenmarker

Bekijk exacte, met kleur gecodeerde subwoordtokenbrokken om tokenzware JSON-, witruimte- of codereeksen te spotten.

Batch API-kostencalculator

Simuleer API-uitgaven voor enkelvoudige aanroepen en dagelijkse productie met aangepaste schuifregelaars voor invoer- en uitvoertokens.

100% lokale promptprivacy

Controleer vertrouwelijke systeemprompts en eigen broncode in lokaal RAM zonder clouduploads.

Krachtige engine

LLM Token Teller - Gratis AI Kosten Calculator

Tel LLM-tokens, tekens en API-promptkosten voor OpenAI GPT-5/GPT-4.1/o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 en Llama 4 online gratis.

Real-time Byte-Pair Encoding (BPE) token-schatting & visuele, gekleurde markering van tokenbegrenzingen

Gelijktijdige vergelijking over 21 officiële modellen: 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 en Meta Llama 4

Live API-kostencalculator met officiële tarieven per 1M input & output, verwachte output-tokens en vermenigvuldigers voor dagelijkse batch-API-aanroepen

Meters voor het gebruik van het contextvenster over contextlimieten van 128K, 164K, 200K, 400K, 500K en 1M tokens

Toont de exacte verhouding tussen tekens en tokens naast het totaal aantal tekens, woorden en subwoordgrenzen

100% geïsoleerde client-side RAM-uitvoering — controleer veilig propriëtaire systeemprompts en broncode met 0 serveruploads

Air-gapped dataprivacy

Absolute vertrouwelijkheid met nul uploads

Uw bestanden worden strikt binnen het RAM van uw apparaat verwerkt met behulp van WebAssembly. Nul cloud-uploads.

100% in-browser RAM-verwerking • Nul server-uploads

Stapsgewijze instructies

Hoe online te gebruiken: LLM Token Teller - Gratis AI Kosten Calculator

Volg deze 3 eenvoudige stappen om uw documenten rechtstreeks in uw browser te verwerken zonder installaties.

Plak uw systeemprompt, document of code

Plak uw LLM-prompt, RAG-contextdocument, JSON-schema of codebestand in de werkruimte, of laad een voorbeeld TypeScript-prompt rechtstreeks in het browser-RAM.

Inspecteer met kleur gecodeerde tokengrenzen

Bekijk live tokentellingen, teken-tot-tokenverhoudingen en met kleur gecodeerde subwoordtokenbrokken die laten zien hoe BPE-tokenizers woorden, getallen en code-inspringing opsplitsen.

Vergelijk 21 officiële modellen & API-prijzen

Stel uw verwachte uitvoertokens en dagelijkse API-aanroepvolume in om exacte dollarberekende kosten per verzoek en batch te vergelijken over GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 en Llama 4.

100% voor altijd gratis (geen login)

Paid Cloud Portals

Ontwikkelaarsaccount vereist

Functievergelijking	Multinook (in-browser RAM)	Paid Cloud Portals
Ondersteunde AI-modellen	21 officiële API-modellen	Alleen verouderde OpenAI-modellen
Visuele tokenmarker	Met kleur gecodeerde BPE-subwoorden	Alleen uitvoer met plat getal
API-kosten- en batchmatrix	Invoer + uitvoer × dagelijkse aanroepen	Handmatig rekenwerk vereist
Contextvenstermeter	128K / 400K / 500K / 1M	Niet inbegrepen
Promptprivacy	100% lokaal RAM (0 uploads)	Verzonden naar externe API-server
Kosten en toegang	100% voor altijd gratis (geen login)	Ontwikkelaarsaccount vereist

Technische architectuur & specificaties

Specificaties & formaatcompatibiliteit

Strikt ontworpen volgens de W3C WebAssembly- en Typed Array-specificaties.

Tokenisatie-engineClient-side BPE-subwoordsegmenter (o200k_base, Claude BPE & SentencePiece)

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

Visuele inspecteurMet kleur gecodeerde subwoordtokengrensmarker

KostenmodelleringOfficiële prijzen per 1M invoer- + uitvoerwisselstroom × dagelijks batchvolume

Contexttelemetrie128K, 164K, 200K, 400K, 500K & 1M token contextvenstermeters

Privacyarchitectuur100% air-gapped lokaal browser-RAM (geen serveruploads)

Doelgroep & Workflows

Doelgroep & Praktische Toepassingen

Wie profiteert van dit in-browser hulpprogramma en wanneer dit te gebruiken.

RAG- & agentische systeemarchitecten

AI-ingenieurs & LLM-toepassingsontwikkelaars

Het benchmarken van prompttokengroottes, het gebruik van contextvensters en dagelijkse API-inferentiekosten over OpenAI, Anthropic en Google.

Systeempromptontwerpers

Prompt-ingenieurs & technische schrijvers

Gebruikmaken van visuele tokenmarkering om uitgebreide instructies te comprimeren en tokenzware opmaakoverhead te elimineren.

Planners van AI-unit-economie

Productmanagers & SaaS-oprichters

Het voorspellen van LLM API-rekeningen per gebruiker en per maand over 1.000 tot 100.000 dagelijkse aanroepen voordat nieuwe AI-functies worden gelanceerd.

Dataset- & fine-tuningcurators

Data-wetenschappers & onderzoekers

Het meten van teken-tot-tokenverhoudingen over meertalige corpora en JSONL fine-tuningbestanden.

Empirische Labtests

Eerstehands Verificatie & Prestatiebenchmarks

Empirische testresultaten uitgevoerd op moderne browsers en besturingssystemen zonder netwerkoverdracht.

Google Chrome 128 (Apple M3 Max)

Bestand: RAG-contextdocument van 120.000 tekens (~30.000 tokens)

3,8ms BPE-subwoordsegmentatie & kostenentabel voor meerdere modellen0 KB overgedragen (100% lokaal apparaat-RAM)

Microsoft Edge 126 (Windows 11 x64 Intel i7)

Bestand: TypeScript- & JSON-prompt van 15.000 tekens

1,1ms live visuele tokengrensrendering0 KB overgedragen (100% lokaal apparaat-RAM)

Mobile Safari (iOS 18 / iPhone 15 Pro)

Bestand: Systeemprompttemplate van 4.000 tekens

0,5ms directe mobiele token- & kostenberekening0 KB overgedragen (100% lokaal apparaat-RAM)

Testomgeving / Apparaat	Testbestand & Complexiteit	Verwerkingstijd	Netwerkgegevensbestand
Google Chrome 128 (Apple M3 Max)	RAG-contextdocument van 120.000 tekens (~30.000 tokens)	3,8ms BPE-subwoordsegmentatie & kostenentabel voor meerdere modellen	0 KB overgedragen (100% lokaal apparaat-RAM)
Microsoft Edge 126 (Windows 11 x64 Intel i7)	TypeScript- & JSON-prompt van 15.000 tekens	1,1ms live visuele tokengrensrendering	0 KB overgedragen (100% lokaal apparaat-RAM)
Mobile Safari (iOS 18 / iPhone 15 Pro)	Systeemprompttemplate van 4.000 tekens	0,5ms directe mobiele token- & kostenberekening	0 KB overgedragen (100% lokaal apparaat-RAM)

Veelgestelde vragen

Alles wat u moet weten over privacy, beveiliging, bestandslimieten en gebruik.

Large Language Models lezen tekst niet woord voor woord of teken voor teken; in plaats daarvan splitsen ze tekst op in subwoordbrokken die tokens worden genoemd met behulp van Byte-Pair Encoding (BPE) of SentencePiece. Voor standaard Engelse tekst komt 1 token overeen met ongeveer 4 tekens of 0,75 woorden. Daarom is 100 tokens ongeveer 75 woorden en is 1.000 woorden ongeveer 1.333 tokens.

BPE-tokenizers (`o200k_base` en `cl100k_base`) zijn voornamelijk getraind op veelvoorkomende Engelse woorden, waardoor frequent voorkomende woorden zoals 'application' in een enkel token passen. Leestekens, JSON-haken, getallen met meerdere cijfers, witruimte-inspringing en niet-Latijnse UTF-8-scripts worden echter opgesplitst in kleinere subwoorden op byteniveau, die vaak 1,5x tot 3x meer tokens verbruiken voor dezelfde tekenlengte.

AI-modelproviders factureren invoertokens (prompt) en uitvoertokens (voltooiing & redenering) apart, uitgedrukt per 1 miljoen tokens (1M). OpenAI GPT-5 factureert bijvoorbeeld $ 1,25/1M invoer en $ 10,00/1M uitvoer, GPT-4.1 factureert $ 2,00/1M invoer en $ 8,00/1M uitvoer, Claude Sonnet 4.6 factureert $ 3,00/1M invoer en $ 15,00/1M uitvoer, en Google Gemini 2.5 Flash factureert $ 0,30/1M invoer en $ 2,50/1M uitvoer. Onze calculator vermenigvuldigt uw exacte invoertokental en doeluitvoerlengte met het officiële gedocumenteerde API-tarief van elk model.

`cl100k_base` (vocabulaire grootte van 100.000) werd gebruikt voor verouderde GPT-4 en GPT-3.5-Turbo. Moderne OpenAI-modellen — waaronder GPT-5, GPT-4.1, o3, o4-mini en GPT-4o — gebruiken `o200k_base` (vocabulaire grootte van 200.000), wat niet-Engelse tekst, broncode en veelvoorkomende uitdrukkingen met meerdere woorden comprimeert tot 10% tot 25% minder tokens.

Volgens officiële API-documentatie: OpenAI GPT-5 / mini / nano ondersteunen 400.000 tokens (400K); GPT-4.1 / mini ondersteunen 1.047.576 tokens (1M); OpenAI o3 & o4-mini ondersteunen 200.000 tokens (200K); Claude Opus 4.6 & Sonnet 4.6 ondersteunen maximaal 1.000.000 tokens (1M); Google Gemini 3.1 Pro, 3 Flash & 2.5 Pro/Flash ondersteunen 1.000.000 tokens (1M); xAI Grok 4 ondersteunt 500.000 tokens (500K); DeepSeek V3 ondersteunt 164.000 tokens (164K); en Meta Llama 4 Maverick ondersteunt 1.048.576 tokens (1M).

U kunt het tokenverbruik met 20% tot 40% verlagen door overbodige JSON-witruimte te strippen (JSON verkleinen voordat het in prompts wordt doorgegeven), uitgebreide XML-tags te vervangen door compacte Markdown- of CSV-tabellen, onzichtbare Unicode-tekens te verwijderen en herhaalde instructies te dedupliceren.

Het zien van exacte, met kleur gecodeerde tokengrenzen onthult waarom LLM's soms moeite hebben met taken op tekenniveau (zoals woorden achterstevoren zetten of letters tellen) en benadrukt inefficiënte reeksen — zoals UUID's, Base64-blobs of niet-verkleinde code — die stiekem tientallen tokens opbranden.

Nooit. Multinook draait 100% lokaal in het vluchtige RAM van uw browser. Uw systeemprompts, RAG-documenten en broncode verlaten nooit uw machine.

Standaarden & Bewijs

Autoritaire Standaarden & Technische Citaties

Officiële industriële specificaties, webstandaarden en cryptografische referenties die deze engine aandrijven.

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

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

Fundamenteel onderzoeksartikel waarin Byte-Pair Encoding (BPE)-subwoordtokenisatie voor neurale taalmodellen wordt geïntroduceerd.

Specificatie weergeven

WHATWG Encoding Living Standard

UTF-8 TextEncoder Web API Specification

Officiële webstandaard voor UTF-8-bytestroomcodering die wordt gebruikt als basislaag van moderne BPE-tokenizers op byteniveau.

Specificatie weergeven

Binnen Byte-Pair Encoding (BPE): hoe LLM's tekst segmenteren in subwoordtokens

Moderne transformatorarchitecturen — waaronder OpenAI's GPT-5- en GPT-4.1-serie, Anthropic's Claude 4.6, Google's Gemini 3.1 en 2.5, xAI's Grok 4, Meta's Llama 4 en DeepSeek V3/R1 — verwerken tekst via deterministische subwoordtokenisatie-algoritmen zoals Byte-Pair Encoding (BPE) en SentencePiece. In plaats van een oneindig woordenboek van elk woord in elke taal bij te houden, begint BPE met individuele UTF-8-bytes en voegt het iteratief de meest frequent aangrenzende tekenparen samen tot subwoordtokens.

Als gevolg hiervan wordt een veelvoorkomend Engels woord met een leidende spatie zoals ` intelligence` gecodeerd als een enkel integer token-ID, terwijl een onbekende samengestelde term, een hexadecimale hash of een zwaar ingesprongen Python-blok wordt gebroken in tientallen individuele tokens. De visuele tokenizer van Multinook reconstruëert deze subwoordgrenzen in realtime in uw browser-RAM.

Het optimaliseren van de economie van contextvensters over GPT-5, GPT-4.1, Claude 4.6, Gemini 3.1 en DeepSeek

In productie-AI-toepassingen en Retrieval-Augmented Generation (RAG)-pijplijnen bepaalt het tokental direct zowel de maandelijkse cloudrekeningen als de latentie van Time-To-First-Token (TTFT). Omdat de complexiteit van zelfaandacht kwadratisch schaalt met de lengte van de reeks, put het vullen van elke API-aanroep met niet-geoptimaliseerde documenten van 50.000 tokens snel budgetten uit.

Door uw prompt tegelijkertijd te vergelijken over vlaggenschipmodellen (GPT-5, GPT-4.1, Claude Opus 4.6, Claude Sonnet 4.6, Gemini 3.1 Pro, Grok 4) en hoogefficiënte redeneer-/flash-modellen (GPT-5 mini/nano, o4-mini, Claude Haiku 4.5, Gemini 3 Flash, Gemini 2.5 Flash-Lite, DeepSeek V3/R1, Llama 4 Maverick), kunnen ingenieursteams exacte kosten per 1.000 aanroepen benchmarken en hun modelroutering de juiste schaal geven.

100% air-gapped promptaudits voor enterprise AI-teams

Systeemprompts en enterprise RAG-contexten vormen kernintellectueel eigendom. Het plakken van eigen prompttemplates of klantdatasets in cloud-tokenizers van derden brengt het risico met zich mee dat vertrouwelijke bedrijfslogica lekt. Multinook voert alle BPE-segmentatie en kostenmodellering strikt uit binnen het lokale browsergeheugen zonder netwerktransmissies.

Geverifieerde 100% in-browser RAM-beveiliging

Bijgewerkt voor de webstandaarden van 2026