100X SOTA

Licznik tokenów LLM - Darmowy kalkulator kosztów AI

Liczenie tokenów, znaków, słów, użycia okna kontekstowego i kosztów API dla GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 i Llama 4 w pamięci RAM

Przetwarzanie w lokalnej pamięci RAM...

Kolejne zalecane działania

Szybkie przepływy pracy

Oczyść ukryte znaki wodne promptu

Usuń niewidoczne znaki Unicode, które zwiększają liczbę tokenów BPE.

Uruchom Czyszczenie niewidocznych znaków

Przeanalizuj gęstość słów i słów kluczowych

Przeaudytuj długość promptu, liczbę zdań oraz częstotliwość fraz 1x-3x.

Uruchom Licznik znaków

Zweryfikuj czas napisów i skryptu

Sprawdź prędkość czytania CPS oraz limity linii CPL dla skryptów wygenerowanych przez AI.

Uruchom Sprawdzanie CPS napisów

W skrócie

Szybkie podsumowanie i najważniejsze wnioski

Kluczowe informacje, możliwości wydajnościowe i zapewnienia dotyczące prywatności w pigułce.

Oficjalna definicja

Licznik tokenów LLM i kalkulator kosztów AI to narzędzie dla deweloperów, które segmentuje tekst i kod źródłowy na tokeny podwyrazowe oparte na kodowaniu par bajtów (BPE) w pamięci przeglądarki, aby oszacować użycie okna kontekstu i koszty wnioskowania API dla dużych modeli językowych.

Przegląd|Zweryfikowana architektura po stronie klienta

Aby bezpłatnie policzyć tokeny LLM i obliczyć koszty promptów API AI online, wklej swój prompt lub kod do licznika tokenów LLM Multinook. Nasz analizator kodowania par bajtów (BPE) po stronie klienta segmentuje Twój tekst na bloki wizualnych tokenów w pamięci RAM przeglądarki i porównuje dokładne liczby tokenów, procentowe wykorzystanie okna kontekstowego oraz oficjalne ceny wejścia/wyjścia API w modelach GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek V3/R1, Grok 4 i Llama 4.

Porównanie wielu modeli

Porównaj liczbę tokenów i koszty API w modelach GPT-4o, Claude Sonnet, Gemini Pro/Flash i DeepSeek jednocześnie.

Wizualny wyróżnik tokenów

Zobacz dokładne, oznaczone kolorami fragmenty tokenów podwyrazowych, aby wykryć ciągi JSON, spacji lub kodu bogate w tokeny.

Kalkulator kosztów API partii

Symuluj wydatki na API produkcyjne dla pojedynczych wywołań i codzienne za pomocą niestandardowych suwaków tokenów wejściowych i wyjściowych.

100% lokalna prywatność promptów

Przeprowadzaj audyty poufnych promptów systemowych i zastrzeżonego kodu źródłowego w lokalnej pamięci RAM bez przesyłania danych do chmury.

Wydajny silnik

Licznik tokenów LLM - Darmowy kalkulator kosztów AI

Liczenie tokenów LLM, znaków i kosztów promptów API dla OpenAI GPT-5/GPT-4.1/o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 i Llama 4 online za darmo.

Szacowanie tokenów kodowania par bajtów (BPE) w czasie rzeczywistym i wizualny wyróżnik granic tokenów oznaczony kolorem

Jednoczesne porównanie w 21 oficjalnych modelach: 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 i Meta Llama 4

Kalkulator kosztów API na żywo z oficjalnymi stawkami za 1M wejść i wyjść, oczekiwanymi tokenami wyjściowymi i mnożnikami dziennych wywołań API w partiach

Mierniki wykorzystania okna kontekstowego dla limitów kontekstu 128K, 164K, 200K, 400K, 500K i 1M tokenów

Wyświetla dokładny stosunek znaków do tokenów wraz z całkowitą liczbą znaków, słów i granic podwyrazów

W 100% odizolowane wykonanie po stronie klienta w pamięci RAM — bezpiecznie audytuj zastrzeżone prompty systemowe i kod źródłowy z 0 przesłanymi plikami na serwer

Prywatność danych w systemie izolowanym

Absolutna poufność bez przesyłania plików

Twoje pliki są przetwarzane ściśle w pamięci RAM Twojego urządzenia za pomocą WebAssembly. Zero przesyłania do chmury.

Przetwarzanie w 100% w pamięci RAM przeglądarki • Zero przesyłania na serwer

Instrukcja krok po kroku

Jak korzystać online: Licznik tokenów LLM - Darmowy kalkulator kosztów AI

Wykonaj te 3 proste kroki, aby przetworzyć dokumenty bezpośrednio w przeglądarce bez żadnych instalacji.

Wklej swój prompt systemowy, dokument lub kod

Wklej swój prompt LLM, dokument kontekstu RAG, schemat JSON lub plik kodu do obszaru roboczego albo wczytaj przykładowy prompt w TypeScript bezpośrednio w pamięci RAM przeglądarki.

Sprawdź kolorowe granice tokenów

Przeglądaj na żywo liczby tokenów, stosunki znaków do tokenów oraz oznaczone kolorami fragmenty tokenów podwyrazowych pokazujące, jak tokenizatory BPE dzielą słowa, liczby i wcięcia kodu.

Porównaj 21 oficjalnych modeli i cenników API

Ustaw oczekiwane tokeny wyjściowe i dzienny wolumen wywołań API, aby porównać dokładne koszty w dolarach za żądanie i w trybie wsadowym dla modeli GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 i Llama 4.

100% darmowe na zawsze (bez logowania)

Paid Cloud Portals

Wymaga konta deweloperskiego

Porównanie funkcji	Multinook (pamięć RAM przeglądarki)	Paid Cloud Portals
Obsługiwane modele AI	21 oficjalnych modeli API	Tylko starsze modele OpenAI
Wizualny wyróżnik tokenów	Kolorowe podwyrazowe BPE	Tylko zwykły wynik liczbowy
Macierz kosztów i partii API	Wejście + Wyjście × Dzienne wywołania	Wymagane ręczne obliczenia
Miernik okna kontekstu	128K / 400K / 500K / 1M	Brak w zestawie
Prywatność promptów	100% lokalna pamięć RAM (0 przesyłania)	Wysyłane do zewnętrznego serwera API
Koszt i dostęp	100% darmowe na zawsze (bez logowania)	Wymaga konta deweloperskiego

Architektura techniczna i specyfikacja

Specyfikacja i zgodność formatów

Zaprojektowane ściśle zgodnie ze specyfikacjami W3C WebAssembly i Typed Array.

Silnik tokenizacjiSegmentator podwyrazów BPE po stronie klienta (o200k_base, Claude BPE i SentencePiece)

Obsługiwane ekosystemyOpenAI (GPT-5/4.1/o3), Anthropic (Claude 4.6/4.5), Google (Gemini 3.1/2.5), DeepSeek, Grok 4 i Llama 4

Wizualny inspektorWyróżnik granic tokenów podwyrazowych kodowany kolorami

Modelowanie kosztówOficjalne ceny tokenów wejściowych i wyjściowych na 1M × Dzienny wolumen wsadowy

Telemetria kontekstuMierniki okna kontekstu 128K, 164K, 200K, 400K, 500K i 1M tokenów

Architektura prywatnościLokalna pamięć RAM przeglądarki w 100% odizolowana od sieci (zero przesyłania na serwer)

Grupa docelowa i przepływy pracy

Docelowi odbiorcy i praktyczne przypadki użycia

Kto korzysta z tego narzędzia przeglądarkowego i kiedy je stosować.

Architekti systemów RAG i agentowych

Inżynierowie AI i deweloperi aplikacji LLM

Testowanie rozmiarów tokenów promptów, wykorzystania okna kontekstu i dziennych kosztów wnioskowania API w OpenAI, Anthropic i Google.

Projektanci promptów systemowych

Inżynierowie promptów i pisarze techniczni

Używanie wizualnego wyróżniania tokenów w celu skompresowania rozwlekłych instrukcji i wyeliminowania narzutu formatowania obciążonego tokenami.

Planerzy ekonomii jednostkowej AI

Menedżerowie produktów i założyciele SaaS

Prognozowanie miesięcznych rachunków za API LLM na użytkownika w przedziale od 1000 do 100 000 codziennych żądań przed uruchomieniem nowych funkcji AI.

Kuratorzy zbiorów danych i dostrajania

Analitycy danych i badacze

Mierzenie proporcji znaków do tokenów w korpusach wielojęzycznych i plikach dostrajania JSONL.

Empiryczne testy laboratoryjne

Weryfikacja z pierwszej ręki i testy wydajnościowe

Wyniki testów empirycznych przeprowadzonych w nowoczesnych przeglądarkach i systemach operacyjnych bez transmisji danych przez sieć.

Google Chrome 128 (Apple M3 Max)

Plik: Dokument kontekstu RAG o długości 120 000 znaków (~30 000 tokenów)

Segmentacja podwyrazów BPE 3,8 ms i tabela kosztów wielu modeli0 KB przesłanych (100% lokalna pamięć RAM urządzenia)

Microsoft Edge 126 (Windows 11 x64 Intel i7)

Plik: Prompt TypeScript i JSON o długości 15 000 znaków

Renderowanie granic tokenów wizualnych na żywo w czasie 1,1 ms0 KB przesłanych (100% lokalna pamięć RAM urządzenia)

Mobile Safari (iOS 18 / iPhone 15 Pro)

Plik: Szablon promptu systemowego o długości 4000 znaków

Natychmiastowe obliczenie tokenów i kosztów w telefonie komórkowym w 0,5 ms0 KB przesłanych (100% lokalna pamięć RAM urządzenia)

Środowisko testowe / Urządzenie	Plik testowy i złożoność	Opóźnienie przetwarzania	Przesył danych sieciowych
Google Chrome 128 (Apple M3 Max)	Dokument kontekstu RAG o długości 120 000 znaków (~30 000 tokenów)	Segmentacja podwyrazów BPE 3,8 ms i tabela kosztów wielu modeli	0 KB przesłanych (100% lokalna pamięć RAM urządzenia)
Microsoft Edge 126 (Windows 11 x64 Intel i7)	Prompt TypeScript i JSON o długości 15 000 znaków	Renderowanie granic tokenów wizualnych na żywo w czasie 1,1 ms	0 KB przesłanych (100% lokalna pamięć RAM urządzenia)
Mobile Safari (iOS 18 / iPhone 15 Pro)	Szablon promptu systemowego o długości 4000 znaków	Natychmiastowe obliczenie tokenów i kosztów w telefonie komórkowym w 0,5 ms	0 KB przesłanych (100% lokalna pamięć RAM urządzenia)

Najczęstsze zapytania

Często zadawane pytania

Wszystko, co musisz wiedzieć o prywatności, bezpieczeństwie, limitach plików i użytkowaniu.

Duże modele językowe nie czytają tekstu słowo po słowie ani znak po znaku; zamiast tego dzielą tekst na fragmenty podwyrazowe zwane tokenami przy użyciu kodowania par bajtów (BPE) lub SentencePiece. W przypadku standardowego tekstu angielskiego 1 token to w przybliżeniu 4 znaki lub 0,75 słowa. W związku z tym 100 tokenów to mniej więcej 75 słów, a 1000 słów to około 1333 tokenów.

Tokenizatory BPE (`o200k_base` i `cl100k_base`) s�� trenowane głównie na powszechnych angielskich słowach, co pozwala częstym słowom, takim jak 'application', zmieścić się w jednym tokenie. Jednak znaki interpunkcyjne, nawiasy JSON, wielocyfrowe liczby, wcięcia w postaci spacji i skrypty UTF-8 spoza alfabetu łacińskiego są rozbijane na mniejsze podwyrazy na poziomie bajtów, często zużywając od 1,5x do 3x więcej tokenów dla tej samej długości znaków.

Dostawcy modeli AI naliczają opłaty osobno za tokeny wejściowe (Prompt) i wyjściowe (Uzupełnienie i wnioskowanie), podawane w przeliczeniu na 1 milion tokenów (1M). Na przykład OpenAI GPT-5 kosztuje 1,25 USD/1M wejścia i 10,00 USD/1M wyjścia, GPT-4.1 kosztuje 2,00 USD/1M wejścia i 8,00 USD/1M wyjścia, Claude Sonnet 4.6 kosztuje 3,00 USD/1M wejścia i 15,00 USD/1M wyjścia, a Google Gemini 2.5 Flash kosztuje 0,30 USD/1M wejścia i 2,50 USD/1M wyjścia. Nasz kalkulator mnoży dokładną liczbę tokenów wejściowych i docelową długość wyjściową przez oficjalną, udokumentowaną stawkę API każdego modelu.

`cl100k_base` (wielkość słownika 100 000) był używany w starszych wersjach GPT-4 i GPT-3.5-Turbo. Nowoczesne modele OpenAI – w tym GPT-5, GPT-4.1, o3, o4-mini i GPT-4o – używają `o200k_base` (wielkość słownika 200 000), który kompresuje tekst inny niż angielski, kod źródłowy i powszechne wyrażenia wielowyrazowe do liczby tokenów mniejszej o 10% do 25%.

Zgodnie z oficjalną dokumentacją API: OpenAI GPT-5 / mini / nano obsługują 400 000 tokenów (400K); GPT-4.1 / mini obsługują 1 047 576 tokenów (1M); OpenAI o3 i o4-mini obsługują 200 000 tokenów (200K); Claude Opus 4.6 i Sonnet 4.6 obsługują do 1 000 000 tokenów (1M); Google Gemini 3.1 Pro, 3 Flash i 2.5 Pro/Flash obsługują 1 000 000 tokenów (1M); xAI Grok 4 obsługuje 500 000 tokenów (500K); DeepSeek V3 obsługuje 164 000 tokenów (164K); a Meta Llama 4 Maverick obsługuje 1 048 576 tokenów (1M).

Zużycie tokenów można ograniczyć o 20% do 40%, usuwając zbędne spacje w formacie JSON (minifikując JSON przed przekazaniem go do promptów), zastępując rozwlekłe znaczniki XML kompaktowymi tabelami Markdown lub CSV, usuwając niewidoczne znaki Unicode oraz usuwając duplikaty powtarzających się instrukcji.

Widzenie dokładnych, oznaczonych kolorem granic tokenów ujawnia, dlaczego modele LLM czasami mają trudności z zadaniami na poziomie znaków (takimi jak odwracanie słów lub liczenie liter) oraz uwydatnia nieefektywne ciągi znaków – takie jak identyfikator UUID, obiekty blob Base64 lub niezmifikowany kod – które cicho zużywają dziesiątki tokenów.

Nigdy. Multinook działa w 100% lokalnie w ulotnej pamięci RAM Twojej przeglądarki. Twoje prompty systemowe, dokumenty RAG i kod źródłowy nigdy nie opuszczają Twojego urządzenia.

Standardy i dowody

Autorytatywne standardy i cytaty techniczne

Oficjalne specyfikacje branżowe, standardy internetowe i odniesienia kryptograficzne napędzające ten silnik.

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

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

Podstawowy artykuł badawczy wprowadzający tokenizację podwyrazów opartą na kodowaniu par bajtów (BPE) dla neuronalnych modeli językowych.

Wyświetl specyfikację

WHATWG Encoding Living Standard

UTF-8 TextEncoder Web API Specification

Oficjalny standard internetowy regulujący kodowanie strumienia bajtów UTF-8 używane jako warstwa bazowa nowoczesnych tokenizatorów BPE na poziomie bajtów.

Wyświetl specyfikację

Wewnątrz kodowania par bajtów (BPE): Jak modele LLM segmentują znaki na tokeny podwyrazowe

Nowoczesne architektury transformerów – w tym serie OpenAI GPT-5 i GPT-4.1, Anthropic Claude 4.6, Google Gemini 3.1 i 2.5, xAI Grok 4, Meta Llama 4 oraz DeepSeek V3/R1 – przetwarzają tekst za pomocą deterministycznych algorytmów tokenizacji podwyrazowej, takich jak Byte-Pair Encoding (BPE) i SentencePiece. Zamiast utrzymywać nieskończony słownik każdego słowa w każdym języku, BPE zaczyna od poszczególnych bajtów UTF-8 i iteracyjnie łączy najczęściej występujące pary sąsiadujących znaków w tokeny podwyrazowe.

W rezultacie powszechne angielskie słowo z poprzedzającą spacją, takie jak ` intelligence`, jest kodowane jako pojedyncze całkowite ID tokena, podczas gdy nieznany termin złożony, skrót heksadecymalny lub silnie wcięty blok Pythona są rozbijane na dziesiątki pojedynczych tokenów. Wizualny tokenizator Multinook rekonstruuje te granice podwyrazów w czasie rzeczywistym w pamięci RAM przeglądarki.

Optymalizacja ekonomii okna kontekstu w modelach GPT-5, GPT-4.1, Claude 4.6, Gemini 3.1 i DeepSeek

W produkcyjnych aplikacjach sztucznej inteligencji i potokach Retrieval-Augmented Generation (RAG) liczba tokenów bezpośrednio określa zarówno miesięczne rachunki w chmurze, jak i opóźnienie Time-To-First-Token (TTFT). Ponieważ złożoność autouzależnienia skaluje się kwadratowo wraz z długością sekwencji, wpychanie nie zoptymalizowanych dokumentów o długości 50 000 tokenów do każdego wywołania API szybko wyczerpuje budżety.

Porównując swój prompt jednocześnie wiodących modelach flagowych (GPT-5, GPT-4.1, Claude Opus 4.6, Claude Sonnet 4.6, Gemini 3.1 Pro, Grok 4) oraz modelach wnioskowania/flash o wysokiej wydajności (GPT-5 mini/nano, o4-mini, Claude Haiku 4.5, Gemini 3 Flash, Gemini 2.5 Flash-Lite, DeepSeek V3/R1, Llama 4 Maverick), zespoły inżynierskie mogą porównać dokładny koszt 1000 wywołań i dostosować routing modeli.

Audyt promptów w 100% odizolowany od sieci dla enterprise’owych zespołów AI

Prompty systemowe i konteksty RAG dla przedsiębiorstw stanowią kluczową własność intelektualną. Wklejanie zastrzeżonych szablonów promptów lub zestawów danych klientów do tokenizatorów w chmurze innych firm grozi wyciekiem poufnej logiki biznesowej. Multinook przeprowadza całą segmentację BPE i modelowanie kosztów ściśle w pamięci lokalnej przeglądarki przy zerowej transmisji sieciowej.

Zweryfikowane bezpieczeństwo w 100% w pamięci RAM przeglądarki

Zaktualizowane pod kątem standardów internetowych na rok 2026