工具
AI Token 计数器
粘贴文本，按 21 个主流模型的分词体系计算 Token 数，检查上下文容量并估算单次输入成本。
待统计文本
处理地点：文本提交到本站计数接口，用完即弃，不落库。接口不可用时退回浏览器内粗略估算并明确标注。请勿粘贴密钥或凭证。
输入时实时统计。OpenAI 行是精确值；其他厂商未公开分词器，为估算值并带标注。
分模型计数、上下文占比与输入成本
| 模型 | Token 数 | 上下文占用 | 千次输入成本 | 分词体系 |
|---|---|---|---|---|
| GPT-6.1 SolOpenAI | — | — | — | tiktoken o200k_base（精确） |
| GPT-6 SolOpenAI | — | — | — | tiktoken o200k_base（精确） |
| GPT-6 LunaOpenAI | — | — | — | tiktoken o200k_base（精确） |
| GPT-6 AstraOpenAI | — | — | — | tiktoken o200k_base（精确） |
| GPT-5.2OpenAI | — | — | — | tiktoken o200k_base（精确） |
| Claude Opus 5.5Anthropic | — | — | — | Claude 分词器（未公开） |
| Claude Sonnet 5.5Anthropic | — | — | — | Claude 分词器（未公开） |
| Claude Haiku 5.5Anthropic | — | — | — | Claude 分词器（未公开） |
| Claude Fable 5.1Anthropic | — | — | — | Claude 分词器（未公开） |
| Gemini 3.1 Pro谷歌 | — | — | — | Gemini SentencePiece（估算） |
| Gemini 3 Flash谷歌 | — | — | — | Gemini SentencePiece（估算） |
| Gemini 3.1 Flash-Lite谷歌 | — | — | — | Gemini SentencePiece（估算） |
| DeepSeek V4-Flash深度求索 | — | — | — | DeepSeek BPE（估算） |
| DeepSeek V4-Pro深度求索 | — | — | — | DeepSeek BPE（估算） |
| Qwen3.8-Max阿里巴巴 | — | — | — | Qwen BPE（估算） |
| Qwen3.8-Flash阿里巴巴 | — | — | — | Qwen BPE（估算） |
| GLM-5.3智谱 | — | — | — | GLM BPE（估算） |
| Kimi K3月之暗面 | — | — | — | Kimi BPE（估算） |
| Grok 4.7xAI | — | — | — | Grok BPE（估算） |
| Mistral Large 3Mistral AI | — | — | — | Mistral Tekken（估算） |
| MiniMax-M3MiniMax | — | — | — | MiniMax BPE（估算） |
成本 = token 数 × 官方输入标价，按 1000 次包含这段文本的请求计。不含缓存命中、批处理折扣与输出 token。官方美元价按 1 美元 ≈ 7.2 元折算。
Agent 上下文开销分解
处理地点：用 gpt-tokenizer（o200k_base）在此标签页内本地计数，内容不离开浏览器。属近似估算，不同模型间有差异。请勿粘贴密钥或凭证。
分词器：gpt-tokenizer o200k_base（首次输入时加载）。每轮成本 = 重发 token × 所选模型输入标价。
计数方式
OpenAI 行由本站服务器上的 tiktoken 计算——与 API 同款 BPE 编码——因此 o200k_base（现役 GPT）与 cl100k_base（GPT-4/3.5 时代）对原始文本是精确计数。Anthropic、Google、DeepSeek、阿里、智谱、月之暗面、MiniMax、xAI、Mistral 均未公开分词器，对应行以 o200k 计数乘以各家系数估算，并在表中标注。
统计只覆盖粘贴的文本本身。聊天 API 还会计入每条消息的角色与格式开销，工具/JSON Schema 同样占输入 token，命中缓存的前缀按更低价格计——精确账单以厂商返回为准。粘贴的内容不会被保存。
常见问题
哪些计数是精确的，哪些是估算？
OpenAI 模型用 tiktoken 计算——现役模型对应 o200k_base，旧的 GPT-4/3.5 对应 cl100k_base，数字是精确的。其他厂商没有公开分词器，表中行是按 o200k 计数乘以各家系数得到的估算，并明确标注。
为什么同一段中文在不同分词器下差这么多？
词表覆盖面不同。cl100k 会把很多汉字切成多个 token，而 o200k 和中文语料训练的词表能合并常见字词——同一段文字在不同体系下差 30% 以上很正常。
这里算不算消息角色、工具定义这类开销？
不算。这里只数你粘贴的原始文本。真实聊天请求每条消息还要加上角色和格式开销，工具/JSON Schema 也占 token——具体算法各家不同，且并非全部公开。
我的文本会被上传到别处吗？
文本只发到本站自己的计数接口，用完即弃，不落库不写日志。接口不可用时页面会退回到浏览器内的粗略估算，并明确标注。