KI-Token-Zähler und Kontextpassung
Fügen Sie beliebigen Text ein und sehen Sie, wie viele Tokens daraus voraussichtlich werden, ob er in ein bestimmtes Kontextfenster passt und was er zu Ihren eigenen API-Preisen kosten würde. Alles läuft in Ihrem Browser — der Text wird nie hochgeladen.
Passt das ins Kontextfenster?
| Kontextfenster | Ihr Text | Passt es? |
|---|
Das Kontextfenster teilen sich Ihre Eingabe, die Antwort des Modells und alles, was die App im Hintergrund ergänzt (System-Prompt, abgerufene Dokumente, Chatverlauf). Lassen Sie Luft — das Fenster randvoll zu machen ist der Weg zu abgeschnittenen Antworten.
Was würde das kosten?
Wie diese Schätzung funktioniert (und warum sie nicht exakt ist)
Echte Tokenisierung lässt ein modellspezifisches BPE-Vokabular über Ihren Text laufen — und jede Modellfamilie nutzt ein anderes, sodass die «wahre» Zahl je Modell abweicht. Das im Browser sauber zu tun hieße, pro Familie ein mehrere Megabyte großes Vokabular auszuliefern, was diese Seite langsam machen würde — für eine Zahl, die Sie nur ungefähr brauchen.
Stattdessen nutzt dies einen zeichen- und wortbasierten Schätzer, gewichtet für Leerzeichen, Satzzeichen und Ziffern, der bei gewöhnlicher englischer Prosa auf etwa 10–15% herankommt. Zwei bekannte Verzerrungen: Code und stark interpunktierter Text tokenisieren dichter, als die Schätzung nahelegt, und nicht-lateinische Schriften (Chinesisch, Japanisch, Arabisch, Hindi) brauchen deutlich mehr Tokens pro Zeichen als Englisch — oft das 2- bis 3-Fache.
Wenn Sie Exaktheit für die Abrechnung brauchen, nutzen Sie den Tokenizer-Endpunkt Ihres Anbieters. Für «passt das?» und «was kostet das ungefähr?» ist eine Schätzung das richtige Werkzeug.
Was ein Token wirklich ist
Modelle lesen weder Zeichen noch Wörter — sie lesen Tokens, Stücke irgendwo dazwischen. Häufige Wörter sind meist ein Token; längere oder ungewöhnliche zerfallen in mehrere. «Unbelievable» sind vielleicht drei Tokens, «the» ist eins. In englischer Prosa umfasst ein Token im Schnitt etwa vier Zeichen, also rund drei Viertel eines Wortes.
Alles wird in Tokens berechnet und begrenzt: was Sie senden, was zurückkommt und wie viel das Modell auf einmal fassen kann.
Warum Ihr Text dichter ist, als Sie denken
- Code tokenisiert schlecht — Einrückung, Klammern und camelCase kosten alle Tokens. Eine Datei mit 500 Zeilen kann weit mehr sein, als ihre Zeichenzahl vermuten lässt.
- Nicht-englischer Text ist teuer. Sprachen ohne lateinische Schrift kosten oft das 2- bis 3-Fache an Tokens pro Zeichen, weshalb derselbe Prompt auf Japanisch mehrfach teurer sein kann als auf Englisch.
- Wiederholung ist billig, Struktur nicht. JSON- und Markdown-Gerüst summiert sich über viele Aufrufe schnell.
Kontextfenster ≠ Ihr Budget
Ein Fenster von einer Million Tokens heißt nicht, dass Sie eine Million Tokens schicken sollten. Bei sehr langen Eingaben lässt die Aufmerksamkeitsqualität zur Mitte hin nach, die Latenz steigt, und die Kosten wachsen linear. Retrieval — nur die relevanten Passagen holen — schlägt das Vollstopfen des Fensters meist, und ist billiger.
FAQ
Wie genau ist dieser Zähler?
Bei gewöhnlicher englischer Prosa auf etwa 10–15 % genau. Code und nicht-lateinische Schriften liegen über der Schätzung. Für exakte Abrechnungswerte nutzen Sie den Tokenizer Ihres Anbieters.
Wird mein Text irgendwohin hochgeladen?
Nein. Die Berechnung läuft in Ihrem Browser. Keine Anfrage, kein Logging, keine Speicherung.
Warum zeigt ihr keine Modellpreise?
Weil sie sich ändern, und einen veralteten Preis selbstbewusst zu zeigen ist schlimmer, als gar keinen zu zeigen. Tragen Sie die aktuellen Preise Ihres Anbieters ein — das Rechnen übernimmt das Werkzeug.
Verbrauchen Bilder und Audio Tokens?
Ja — multimodale Eingaben werden ebenfalls in Tokens umgerechnet, zu Raten, die je nach Anbieter und Auflösung variieren. Dieses Werkzeug deckt nur Text ab.
Verwandt: Was ist RAG? · Welches KI-Modell für welche Aufgabe · Alle kostenlosen Tools