AI Token 计数器

使用方法

1. 把 prompt 粘贴或键入到输入框。计数和成本卡片会随输入实时刷新。
2. 每张模型卡片显示三项——token 数、按当前文本作为输入的估算成本，以及该模型每百万 token 的输入/输出价。
3. 标记 exact 的卡片走 OpenAI BPE 编码器精确计算。approx 卡片在相同基线上加了校准系数，与厂商自家 tokenizer 的偏差通常在 5–10% 以内。
4. 展开 Token Visualization 可以看到精确模型如何切分文本。每个彩色 chip 就是一个 token，悬停可看 token id。
5. 点 Copy stats 复制一行纯文本摘要——在 code review 或群聊里贴 context 窗口很顺手。

什么是 token

大语言模型读取文本的单位不是字符也不是单词，而是 token。Token 是 Byte Pair Encoding（BPE）算法在互联网级语料上训练出来的子词单元。常见英文词如 tokenizer 通常是 1–2 个 token；URL、罕见拼写、CJK 字符则单字符就要 3 个甚至更多 token。计费、速率限制、上下文窗口的单位都是 token。

本工具用的是 OpenAI 官方的 cl100k_base 和 o200k_base 词表，与 GPT-3.5 到 GPT-5 生产环境完全一致。o200k_base 把词汇表扩到了 cl100k_base 的两倍，对中文、日文、韩文、阿拉伯文的 token 消耗减少了 20–40%。多语言 prompt 写得越多，省的就是真金白银。

为什么要本地计数

把 prompt 发到远端 token 接口的”在线计数器”用着方便，但 system prompt 里常常包含商业秘密、客户数据或未发布的产品话术——这些一旦离开你的机器就是泄漏。本工具走纯客户端方案，所有字节都留在你浏览器里，首次加载完后离线也能用。

跨厂商成本对比

token 数本身没法跨厂商直接对比，因为每个 tokenizer 切文本的粒度不同。同样 1000 个字符，OpenAI 可能算出 250 个 token，Claude 可能只 230，反过来也可能。真正能对比的是成本。各张成本卡片把 token 数乘以厂商公布的每百万 token 输入价，让你用同一把尺衡量取舍——一般而言，聊天密集型应用 DeepSeek V3 和 Llama 3.3 在原始单价上更便宜，复杂推理场景 GPT-5 和 Claude Sonnet 4.6 在「质量/美元」上更划算。

隐私与网络行为

页面 HTML 和 JS 加载完之后，本页面不再发任何网络请求获取 token 数据。BPE 词表已经打包进页面随附的 JS chunk。你输入的内容不会出现在 HTTP 请求、分析事件或错误日志里。可以打开浏览器 DevTools 的 Network 面板自己验证——页面 ready 之后再怎么打字，新增请求数始终为零。