100X SOTA

Števec žetonov LLM – Brezplačni kalkulator stroškov AI

Štejte žetone, znake, besede, porabo kontekstnega okna in stroške API-ja za GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 in Llama 4 v pomnilniku RAM

Obdelava v lokalnem pomnilniku RAM...

Naslednja priporočena dejanja

Hitri poteki dela

Počisti skrite vodne žige v pozivih

Odstrani nevidne znake Unicode, ki povečujejo število žetonov BPE.

Zaženi Čistilec nevidnih znakov

Analiziraj gostoto ključnih besed in besed

Preglej dolžino poziva, število stavkov in 1- do 3-kratno pogostost besednih zvez.

Zaženi Števec znakov

Potrdi časovne opombe podnapisov in skriptov

Preveri hitrost branja CPS in omejitve vrstic CPL za skripte, ki jih ustvari umetna inteligenca.

Zaženi Preverjevalnik CPS podnapisov

Na kratko

Hitri povzetek in ključni poudarki

Bistvene ugotovitve, zmogljivost in zagotovila o zasebnosti na enem mestu.

Uradna definicija

Števnik žetonov LLM in kalkulator stroškov umetne inteligence je pripomoček za razvijalce, ki razdeli besedilo in izvorno kodo na podbesedne žetone kodiranja v parih bajtov (BPE) v pomnilniku brskalnika za oceno uporabe okna okvira in stroškov sklepanja API med velikimi jezikovnimi modeli.

Pregled|Preverjena arhitektura na strani odjemalca

Če želite brezplačno na spletu prešteti žetone LLM in izračunati stroške pozivov API za AI, prilepite svoj poziv ali kodo v Multinookov števec žetonov LLM. Naš analizator kodiranja parov bajtov (BPE) na strani odjemalca razdeli vaše besedilo v bloke vizualnih žetonov v pomnilniku RAM brskalnika ter primerja točno število žetonov, odstotke kontekstnega okna in uradne cene vhoda/izhoda API-ja v modelih GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek V3/R1, Grok 4 in Llama 4.

Primerjava več modelov

Hkrati primerjajte števila žetonov in stroške API v modelih GPT-4o, Claude Sonnet, Gemini Pro/Flash in DeepSeek.

Vizualni označevalnik žetonov

Oglejte si točne barvno označene delčke podbesednih žetonov, da opazite JSON, presledke ali nize kode z velikim številom žetonov.

Kalkulator stroškov paketnega API

Simulirajte stroške produkcijskega API-ja za en sam klic in dnevno z drsniki za vnos in iznos žetonov po meri.

100 % lokalna zasebnost pozivov

Preverite zaupne sistemske pozive in lastniško izvorno kodo v lokalnem pomnilniku RAM brez prenosov v oblak.

Visokozmogljiv pogon

Števec žetonov LLM – Brezplačni kalkulator stroškov AI

Brezplačno na spletu štejte žetone LLM, znake in stroške pozivov API za OpenAI GPT-5/GPT-4.1/o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 in Llama 4.

Ocena žetonov kodiranja parov bajtov (BPE) v realnem času in vizualni označevalnik meja žetonov z barvnim kodiranjem

Sočasna primerjava med 21 uradnimi modeli: 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 in Meta Llama 4

Kalkulator stroškov API v živo z uradnimi cenami na 1 milijon vhoda in izhoda, pričakovanimi izhodnimi žetoni in večtočkovnimi množilniki klicev API serije v živo

Merilniki izkoriščenosti kontekstnega okna v mejah konteksta 128K, 164K, 200K, 400K, 500K in 1M žetonov

Prikazuje točno razmerje med znaki in žetoni poleg skupnega števila znakov, besed in meja podbesed

100-odstotno izolirano izvajanje v pomnilniku RAM na strani odjemalca – varno pregledujte lastniške sistemske pozive in izvorno kodo z 0 naloženimi datotekami v strežnik

Popolna ločenost in zasebnost podatkov

Popolna zaupnost brez nalaganja

Vaše datoteke se obdelujejo izključno v pomnilniku RAM vaše naprave z uporabo tehnologije WebAssembly. Brez nalaganja v oblak.

100% obdelava v pomnilniku RAM v brskalniku • Brez nalaganja na strežnik

Navodila po korakih

Kako uporabljati prek spleta: Števec žetonov LLM – Brezplačni kalkulator stroškov AI

Sledite tem 3 preprostim korakom za obdelavo dokumentov neposredno v brskalniku brez namestitev.

Prilepite svoj sistemski poziv, dokument ali kodo

Prilepite svoj poziv LLM, dokument konteksta RAG, shemo JSON ali datoteko s kodo v delovni prostor ali naložite vzorčni poziv TypeScript neposredno v pomnilnik RAM brskalnika.

Preglejte barvno označene meje žetonov

Oglejte si števila žetonov v živo, razmerja med znaki in žetoni ter barvno označene delčke podbesednih žetonov, ki prikazujejo, kako BPE tokenizatorji delijo besede, številke in zamike kode.

Primerjajte 21 uradnih modelov in cen API

Nastavite pričakovane izhodne žetone in dnevni obseg klicev API za primerjavo točnih stroškov v dolarjih na zahtevo in paket za GPT-5, GPT-4.1, o3, Claude 4.6, Gemini 3.1/2.5, DeepSeek, Grok 4 in Llama 4.

100 % brezplačno za vedno (brez prijave)

Paid Cloud Portals

Zahteva račun razvijalca

Primerjava funkcij	Multinook (pomnilnik v brskalniku)	Paid Cloud Portals
Podprti modeli umetne inteligence	21 uradnih modelov API	Samo pretekli modeli OpenAI
Vizualni označevalnik žetonov	Barvno označene podbesede BPE	Samo izhod navadnih številk
Matrika stroškov API in paketov	Vhod + izhod × dnevni klici	Zahteva ročno računanje
Merilnik okna okvira	128K / 400K / 500K / 1M	Ni vključeno
Zasebnost pozivov	100 % lokalni RAM (0 prenosov)	Poslano na zunanji strežnik API
Stroški in dostop	100 % brezplačno za vedno (brez prijave)	Zahteva račun razvijalca

Tehnična arhitektura in specifikacije

Specifikacije in združljivost formatov

Zasnovano strogo po specifikacijah W3C WebAssembly in tipiziranih polj.

Mehanizem za tokenizacijoSegmentator podbesed BPE na strani odjemalca (o200k_base, Claude BPE in SentencePiece)

Podprti ekosistemiOpenAI (GPT-5/4.1/o3), Anthropic (Claude 4.6/4.5), Google (Gemini 3.1/2.5), DeepSeek, Grok 4 in Llama 4

Vizualni inšpektorOznačevalnik meja podbesednih žetonov z barvno kodo

Modeliranje stroškovUradna cena vhodnega + izhodnega žetona na 1M × dnevni obseg paketov

Telemetrija kontekstaMerilniki okna okvira s 128K, 164K, 200K, 400K, 500K in 1M žetoni

Arhitektura zasebnosti100 % lokalni RAM brskalnika z zračno režo (brez nalaganja v strežnik)

Uporabniki in delovni procesi

Ciljno občinstvo in praktični primeri uporabe

Komu koristi to orodje v brskalniku in kdaj ga je smiselno uporabiti.

Arhitekti sistemov RAG in agentov

Inženirji za umetno inteligenco in razvijalci aplikacij LLM

Primerjava velikosti žetonov pozivov, izkoristka okna okvira in dnevnih stroškov sklepanja API med OpenAI, Anthropic in Google.

Oblikovalci sistemskih pozivov

Inženirji pozivov in tehnični pisci

Uporaba vizualnega označevanja žetonov za stiskanje obsežnih navodil in odpravo režijskih stroškov oblikovanja z velikim številom žetonov.

Načrtovalci ekonomske enote umetne inteligence

Vodje izdelkov in ustanovitelji SaaS

Napovedovanje mesečnih računov API LLM na uporabnika in skupno pri 1.000 do 100.000 dnevnih zahtevah pred uvedbo novih funkcij umetne inteligence.

Skrbniki podatkovnih nizov in prilagajanja

Podatkovni znanstveniki in raziskovalci

Merjenje razmerij med znaki in žetoni v večjezikovnih korpusih in datotekah za prilagajanje JSONL.

Empirično laboratorijsko testiranje

Preverjanje iz prve roke in meritve zmogljivosti

Rezultati empiričnih testiranj, izvedenih v sodobnih brskalnikih in operacijskih sistemih brez prenosa podatkov prek omrežja.

Google Chrome 128 (Apple M3 Max)

Datoteka: Dokument konteksta RAG s 120.000 znaki (~30.000 žetonov)

3,8 ms segmentacije podbesed BPE in tabelo stroškov več modelov0 KB preneseno (100 % lokalnega pomnilnika naprave)

Microsoft Edge 126 (Windows 11 x64 Intel i7)

Datoteka: Poziv za TypeScript in JSON s 15.000 znaki

1,1 ms izrisovanja meja vizualnih žetonov v živo0 KB preneseno (100 % lokalnega pomnilnika naprave)

Mobile Safari (iOS 18 / iPhone 15 Pro)

Datoteka: Predloga sistemskega poziva s 4.000 znaki

0,5 ms takojšnjega izračuna mobilnih žetonov in stroškov0 KB preneseno (100 % lokalnega pomnilnika naprave)

Testno okolje / Naprava	Testna datoteka in kompleksnost	Zakasnitev obdelave	Prenos podatkov po omrežju
Google Chrome 128 (Apple M3 Max)	Dokument konteksta RAG s 120.000 znaki (~30.000 žetonov)	3,8 ms segmentacije podbesed BPE in tabelo stroškov več modelov	0 KB preneseno (100 % lokalnega pomnilnika naprave)
Microsoft Edge 126 (Windows 11 x64 Intel i7)	Poziv za TypeScript in JSON s 15.000 znaki	1,1 ms izrisovanja meja vizualnih žetonov v živo	0 KB preneseno (100 % lokalnega pomnilnika naprave)
Mobile Safari (iOS 18 / iPhone 15 Pro)	Predloga sistemskega poziva s 4.000 znaki	0,5 ms takojšnjega izračuna mobilnih žetonov in stroškov	0 KB preneseno (100 % lokalnega pomnilnika naprave)

Pogosta vprašanja

Pogosto zastavljena vprašanja

Vse, kar morate vedeti o zasebnosti, varnosti, omejitvah datotek in uporabi.

Veliki jezikovni modeli ne berejo besedila besedo za besedo ali znak za znakom; namesto tega besedilo razdelijo na podbesedne dele, imenovane žetoni, s pomočjo kodiranja v parih bajtov (BPE) ali SentencePiece. Za standardno angleško besedilo 1 žeton ustreza približno 4 znakom ali 0,75 besedam. Zato je 100 žetonov približno 75 besed, 1.000 besed pa približno 1.333 žetonov.

BPE tokenizatorji (`o200k_base` in `cl100k_base`) so usposobljeni predvsem za pogoste angleške besede, kar omogoča, da pogoste besede, kot je 'application', spadajo v en sam žeton. Vendar pa so ločila, oklepaji JSON, večmestne številerke, zamiki presledkov in skripte UTF-8 brez latinice razbiti na manjše podbesede na ravni bajtov, ki za enako dolžino znakov pogosto porabijo 1,5- do 3-krat več žetonov.

Ponudniki modelov AI zaračunavajo posebej za vhodne žetone (poziv) in izhodne žetone (dokončanje in sklepanje), navedene na 1 milijon žetonov (1M). Na primer, OpenAI GPT-5 zaračuna 1,25 $/1M vhodnih in 10,00 $/1M izhodnih, GPT-4.1 zaračuna 2,00 $/1M vhodnih in 8,00 $/1M izhodnih, Claude Sonnet 4.6 zaračuna 3,00 $/1M vhodnih in 15,00 $/1M izhodnih, Google Gemini 2.5 Flash pa zaračuna 0,30 $/1M vhodnih in 2,50 $/1M izhodnih. Naš kalkulator pomnoži vaše točno število vhodnih žetonov in ciljno izhodno dolžino z uradno dokumentirano ceno API posameznega modela.

`cl100k_base` (velikost besednjaka 100.000) je bil uporabljen za pretekle modele GPT-4 in GPT-3.5-Turbo. Sodobni modeli OpenAI – vključno z GPT-5, GPT-4.1, o3, o4-mini in GPT-4o – uporabljajo `o200k_base` (velikost besednjaka 200.000), ki stisne neangleško besedilo, izvorno kodo in pogoste večbesedne izraze na 10 % do 25 % manj žetonov.

Glede na uradno dokumentacijo API: OpenAI GPT-5 / mini / nano podpirajo 400.000 žetonov (400K); GPT-4.1 / mini podpirata 1.047.576 žetonov (1M); OpenAI o3 in o4-mini podpirata 200.000 žetonov (200K); Claude Opus 4.6 in Sonnet 4.6 podpirata do 1.000.000 žetonov (1M); Google Gemini 3.1 Pro, 3 Flash in 2.5 Pro/Flash podpirajo 1.000.000 žetonov (1M); xAI Grok 4 podpira 500.000 žetonov (500K); DeepSeek V3 podpira 164.000 žetonov (164K); Meta Llama 4 Maverick pa podpira 1.048.576 žetonov (1M).

Porabo žetonov lahko zmanjšate za 20 % do 40 % z odstranjevanjem odvečnih presledkov JSON (zgoščevanjem JSON-a pred posredovanjem v pozive), zamenjavo obsežnih oznak XML s kompaktnimi tabelemi Markdown ali CSV, odstranjevanjem nevidnih znakov Unicode in odstranjevanjem podlag v ponavljajočih se navodilih.

Ogled točnih barvno označenih meja žetonov razkriva, zakaj se modeli LLM včasih spopadajo z nalogami na ravni znakov (kot je obračanje besed ali štetje črk) in poudarja neučinkovite nize – kot so UUID-ji, podatki Base64 ali nezgoščena koda –, ki tiho porabijo na desetine žetonov.

Nikoli. Multinook deluje 100 % lokalno v nestalnem pomnilniku RAM vašega brskalnika. Vaši sistemski pozivi, dokumenti RAG in izvorna koda nikoli ne zapustijo vaše naprave.

Standardi in dokazi

Merodajni standardi in tehnični viri

Uradne industrijske specifikacije, spletni standardi in kriptografske reference, ki poganjajo ta pogon.

Združenje za računalniško jezikoslovje (ACL / Sennrich et al.)

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

Temeljni raziskovalni članek, ki uvaja tokenizacijo podbesed s kodiranjem v parih bajtov (BPE) za nevronske jezikovne modele.

Ogled specifikacij

WHATWG Encoding Living Standard

Specifikacija spletnega API-ja UTF-8 TextEncoder

Uradni spletni standard, ki ureja kodiranje pretoka bajtov UTF-8, uporabljeno kot osnovna plast sodobnih BPE tokenizatorjev na ravni bajtov.

Ogled specifikacij

Znotraj kodiranja v parih bajtov (BPE): Kako modeli LLM segmentirajo znake v podbesedne žetone

Sodobne arhitekture transformatorjev – vključno s serijami GPT-5 in GPT-4.1 družbe OpenAI, Claude 4.6 družbe Anthropic, Gemini 3.1 in 2.5 družbe Google, Grok 4 družbe xAI, Llama 4 družbe Meta ter DeepSeek V3/R1 – obdelujejo besedilo prek determinističnih algoritmov za tokenizacijo podbesed, kot sta kodiranje v parih bajtov (BPE) in SentencePiece. Namesto ohranjanja neskončnega slovarja vsake besede v vsakem jeziku BPE začne s posameznimi bajti UTF-8 in postopoma združuje najpogosteje sosednje pare znakov v podbesedne žetone.

Zato je običajna angleška beseda z vodilnim presledkom, kot je ` intelligence`, kodirana kot en sam celoštevilski ID žetona, medtem ko je neznan sestavljen izraz, šrajf heksadecimalne vrednosti ali močno zamaknjen blok Python razdrobljen na desettisoče posameznih žetonov. Multinookov vizualni tokenizator rekonstruira te podbesedne meje v realnem času znotraj pomnilnika RAM vašega brskalnika.

Optimizacija ekonomike okna okvira prek modelov GPT-5, GPT-4.1, Claude 4.6, Gemini 3.1 in DeepSeek

V produkcijskih aplikacijah z umetno inteligenco in cevovodih za generiranje z razširjenim priklicem (RAG) število žetonov neposredno določa mesečne račune v oblaku in zakasnitev do prvega žetona (TTFT). Ker kompleksnost samoosredotočenosti kvadratično narašča z dolžino zaporedja, vnašanje neoptimiziranih dokumentov s 50.000 žetoni v vsak klic API hitro izčrpa proračunska sredstva.

Shk primerjavo vašega poziva hkrati med vodilnimi modeli v ospredju (GPT-5, GPT-4.1, Claude Opus 4.6, Claude Sonnet 4.6, Gemini 3.1 Pro, Grok 4) in visoko učinkovitimi modeli za sklepanje/hitro delovanje (GPT-5 mini/nano, o4-mini, Claude Haiku 4.5, Gemini 3 Flash, Gemini 2.5 Flash-Lite, DeepSeek V3/R1, Llama 4 Maverick) lahko inženirske ekipe izvedejo primerjalno analizo točnih stroškov na 1.000 klicev in optimizirajo usmerjanje modelov.

100 % izolirano preverjanje pozivov za korporativne ekipe za umetno inteligenco

Sistemski pozivi in konteksti RAG v podjetjih predstavljajo temeljno intelektualno lastnino. Lepljenje lastniških predlog pozivov ali podatkovnih nizov strank v zunanje tokenizatorje v oblaku predstavlja tveganje za razkritje zaupne poslovne logike. Multinook izvaja vso segmentacijo BPE in modeliranje stroškov strogo znotraj lokalnega pomnilnika brskalnika brez kakršnih koli omrežnih prenosov.

Preverjena 100-odstotna varnost v pomnilniku brskalnika

Posodobljeno za spletne standarde 2026