Token 计算器
本地估算大模型 Token 用量与调用成本：选好模型即出 token 数与输入/输出费用，附上下文窗口占用预警，内容全程不上传。
>_ 使用指南 · GUIDE
把 prompt、代码或文档粘贴进来，选择模型，工具会在浏览器本地给出 Token 的估算值，以及这次调用的输入/输出费用和上下文窗口占用比例。整段内容不会上传到任何服务器。
这里要分清估算与精确：真正的 Token 数由各家模型自己的分词器（词表）决定，不同厂商、不同版本都可能不一样，厂商也未必公开词表。默认的估算模式用「字符分类 + 系数」给出一个带误差范围的估算——英文散文约 4 字符/token（±10%），中文因为单字信息密度高、常见 1–2 token/字（±20%），结果里的 ≈估算 会一直保留这个提示。需要精确口径时，点右上角「精确计算」切换：首次点击按需加载 o200k_base 分词器（独立分包，不拖慢首屏），之后逐 token 精确统计；分词器未公开的模型会标注「按 o200k_base 对齐」，供横向参考。
典型步骤：
- 选择模型：从预设里挑一个，货币符号会随厂商切换（国产模型按 ¥ 显示）
- 粘贴文本：输入框里即时算出字符、词数、Token 与中文字数
- 切换精确模式：点「精确计算」逐 token 统计，结果区与元信息都会明确标注当前模式
- 看成本拆分：输入成本 + 输出成本 = 合计，注意这里的单价是「每 100 万 token」
- 填输出 token：用上方结果或你自己的预期值，得到输出费用
- 看窗口占用：进度条到 70% 转黄、90% 转红，超过 100% 会标注「已超出窗口」
>_ 常见问题 · FAQ
Q1 · 为什么显示的是「约」而不是精确值？
因为精确分词依赖模型自带的词表（tokenizer），不同厂商、不同模型版本都不一样，且多数不公开。默认的估算模式用字符统计加系数给出估算：这组系数是一组固定语料对照 o200k_base 实测回归得到的，整体误差约 8%；但如果你的文本偏口语、术语密集或含大量代码，实际 token 往往高于估算。需要精确数字时切换「精确计算」模式，工具会在本地加载公开的 o200k_base 词表逐 token 统计（内容不上传）。
Q2 · 同样一段话，为什么中文的 Token 比英文多？
在主流词表里，常见英文单词往往能压进 1 个 token（英文平均约 5 个字符折算 1 个 token），而一个汉字通常要 0.7 到 1.8 个 token（取决于分词器：o200k_base 偏低，cl100k_base 一类偏高）。也就是说，按字符算，中文的信息密度换来的 token 数明显高于英文。规划预算时，中文内容按 0.8–1.5 token/字估比较稳妥，术语或代码多的场景再往上留余量。
Q3 · 上下文窗口占用是怎么算的？超了会怎样？
占用比例 =（输入 token + 输出 token）÷ 模型的上下文窗口。因为一次请求里，系统提示、历史对话、检索资料和本轮输入会一起占用窗口，所以按整轮计更贴近真实。一旦超过上限，模型通常会截断最早的内容，或者直接报错——所以提前看占用比例很有用。
Q4 · 成本是按什么口径算的？会做汇率换算吗？
输入、输出分别按「每 100 万 token」的官方单价乘以用量相加，公式见页面说明。不同货币之间不做任何换算：国产模型（DeepSeek / Kimi / GLM）按人民币 ¥ 显示，其余按美元 $ 显示。切换模型时货币符号随之变化，页脚提供对应厂商的官方定价页外链。
Q5 · 我粘贴的内容安全吗？会不会被上传或记录？
不会。整个估算在你的浏览器内完成，不发任何网络请求，输入内容既不上传也不落库，关掉页面即无残留。正因为如此，你才可以放心地把敏感的 prompt、密钥片段或内部文档贴进来对比不同模型的成本。