Wie dieser AI Token Calculator funktioniert
LLM-APIs rechnen meist nach Tokens statt nach Wörtern ab. Diese Seite schätzt Token-Nutzung aus Ihrem Prompt, addiert die erwartete Output-Länge und wendet die Input- und Output-Preise des gewählten Modells pro Million Tokens an.
Die Tokenzahl ist eine Näherung. Englischer Text, Code, Satzzeichen, Leerzeichen und CJK-Zeichen können je nach Anbieter-Tokenizer unterschiedlich zerlegt werden.
Nutzen Sie die Schätzung, um Prompt-Größen, Modellwahl und erwartete Output-Länge vor Produktionsverkehr zu vergleichen. Für finale Budgets sollten aktuelle Preise, Tokenizer-Verhalten, Cache-Regeln und Kontoeinstellungen geprüft werden.
Lokale Verarbeitung
Die Prompt-Schätzung läuft im Browser. Diese Seite benötigt keine API-Schlüssel und ruft das gewählte Modell nicht auf.
Gute Anwendungsfälle
- Schätzen, ob ein Prompt voraussichtlich in das Kontextfenster eines Modells passt.
- Hochwertige und kostengünstige Modelle vor dem Aufbau eines API-Workflows vergleichen.
- Kosten eines Batch-Jobs mit hunderten oder tausenden ähnlichen Aufrufen schätzen.
- Erwartete Output-Länge anpassen, um zu verstehen, warum generierter Text Kosten dominieren kann.
Ist die Token-Schätzung exakt?
Nein. Es ist eine Planungsschätzung. Exakte Tokenzahlen hängen von Modell-Tokenizer, Nachrichtenformat, System-Prompts, Tool-Definitionen und Abrechnungsregeln ab.
Warum sind Output-Tokens oft teurer?
Texterzeugung ist meist teurer als das Lesen von Eingaben. Lange Antworten können daher mehr kosten als der auslösende Prompt.
Sind gecachte Tokens oder Batch-Rabatte enthalten?
Nein. Die Hauptberechnung nutzt nur Standardpreise für Input- und Output-Tokens. Caching, Batch-Modus, regionale Verarbeitung und Tools können die Endkosten ändern.