Saltar al contenido
AI suite

Contador de tokens LLM

Pega un texto para ver el número estimado de tokens de Claude, GPT y Gemini lado a lado. Los tokens de GPT se cuentan con exactitud mediante el tokenizador o200k_base; Claude y Gemini no publican sus tokenizadores, por lo que esos valores son aproximados.

Todo se ejecuta localmente en tu navegador: tu texto nunca se envía a ningún servidor.

Guía: Cómo usarlo y características

  • Pega un prompt, documento o código en el área de texto y los recuentos se actualizan automáticamente.
  • El diccionario del tokenizador para el recuento exacto de GPT se carga con la primera entrada (se muestra un aviso de carga).
  • Las tarjetas de Claude y Gemini llevan la etiqueta «aprox.»: espera una desviación de ±10–20%.
  • También se muestran caracteres, palabras y líneas para valorar el tamaño del texto.

Ejemplos: Sample input & output

Short English sentence

Entrada

The quick brown fox jumps over the lazy dog.

Salida

GPT: 10 tokens (exact) / Claude: ~11 tokens / Gemini: ~10 tokens

Short Japanese sentence

Entrada

吾輩は猫である。名前はまだ無い。

Salida

GPT: 14 tokens (exact) / Claude: ~19 tokens / Gemini: ~12 tokens — CJK text tends to use more tokens than English

FAQ: Preguntas frecuentes

  • ¿Qué es un token?

    Es la unidad mínima que usa un LLM para procesar texto. En inglés un token equivale a unos cuatro caracteres; en idiomas CJK un solo carácter puede ser uno o más tokens. El precio de las API y los límites de contexto se miden en tokens.
  • ¿El recuento de GPT es exacto?

    Sí. La herramienta ejecuta el tokenizador o200k_base (el de GPT-4o, GPT-4.1 y la serie o) directamente en tu navegador, por lo que coincide con el recuento de la API de OpenAI. La API de chat añade unos pocos tokens de sobrecarga estructural.
  • ¿Por qué los valores de Claude y Gemini son aproximados?

    Anthropic no publica el tokenizador de Claude 3+ y Google tampoco ofrece uno del lado del cliente. La herramienta estima sus valores a partir del recuento exacto de GPT y la composición de caracteres, con una desviación posible de ±10–20%. Usa las API de recuento oficiales si necesitas cifras exactas.
  • ¿Se envía mi texto a algún servidor?

    No. Todo, incluida la carga del diccionario del tokenizador, ocurre dentro de tu navegador. Puedes pegar documentos confidenciales o código fuente con tranquilidad.

Casos de uso: Casos de uso habituales

  • Estimar el coste de los prompts

    El precio de las API se basa en tokens. Comprueba cuántos tokens consume un system prompt largo o el contexto de un RAG antes de usarlo.

  • Comprobar el límite de contexto

    Antes de pasar un documento completo a un LLM, verifica que cabe en la ventana de contexto del modelo (p. ej. 200K tokens).

  • Comparar la eficiencia entre modelos

    El mismo texto se tokeniza distinto según el modelo. Compara Claude, GPT y Gemini para ver cuál es más eficiente en coste.

Notas: Notas y limitaciones

  • Los valores de Claude y Gemini son estimaciones

    Anthropic y Google no publican sus tokenizadores, así que esos valores se infieren del recuento exacto de GPT y de la composición de caracteres. Pueden desviarse ±10–20%; no los uses para facturación.

  • No se incluye la sobrecarga de la API de chat

    El recuento cubre solo el texto pegado. Las API de chat añaden tokens de estructura, y los system prompts y las definiciones de herramientas consumen tokens aparte.

  • Los tokenizadores cambian entre generaciones

    El recuento de GPT usa o200k_base (GPT-4o / GPT-4.1 / serie o). Modelos anteriores como GPT-3.5 y GPT-4 usan cl100k_base y darán valores distintos.

Caracteres: 0 Palabras: 0 Líneas: 0

Claude

aprox.

0

tokens

Estimación (Anthropic no publica el tokenizador de Claude 3+)

GPT

exacto

0

tokens

o200k_base — GPT-5.5 / GPT-5 / GPT-4o / GPT-4.1

Gemini

aprox.

0

tokens

Estimación (Google no publica un tokenizador del lado del cliente)

Desglose por modelo

Modelo Tokens Límite de contexto Uso
Claude Opus 4.8 aprox. 0 200K 0%
Claude Sonnet 4.5 aprox. 0 200K 0%
Claude Haiku 4.5 aprox. 0 200K 0%
GPT-5.5 0 1.05M 0%
GPT-5 0 400K 0%
GPT-4.1 0 1M 0%
GPT-4o 0 128K 0%
GPT-4 Turbo 0 128K 0%
GPT-3.5 Turbo 0 16K 0%
Gemini 3 Pro aprox. 0 1M 0%
Gemini 2.5 Flash aprox. 0 1M 0%

Los valores de Claude y Gemini son estimaciones heurísticas derivadas del recuento exacto de GPT y de la composición de caracteres; pueden diferir del recuento real de la API en un ±10–20%. Úsalos como referencia, no para facturación.

Artículos para esta herramienta

Articulos recientes

Introducción
2026-08-03

Cómo generar sentencias CREATE TABLE desde un diseño visual | Generador de DDL

Un vistazo al interior del Generador de DDL, que convierte un diseño visual de tablas en sentencias CREATE TABLE y un diagrama ER. Incluye las reglas de conversión de tipos para MySQL/PostgreSQL/SQLite y el algoritmo de inferencia de columnas desde JSON.

Caso de uso
2026-07-21

Patrones de diseño de needs en GitHub Actions: acelere la CI y evite los antipatrones

Referencia de patrones para las dependencias entre jobs (needs) en GitHub Actions. Cubre la ramificación en diamante, la cancelación con concurrency, el equilibrio de fail-fast, las trampas de matrix con needs y los workflows reutilizables, con ejemplos YAML listos para copiar.

Caso de uso
2026-07-21

Referencia de sintaxis de diagramas ER en Mermaid: símbolos de relación y ejemplos reales

Referencia completa de la sintaxis erDiagram de Mermaid: chuleta de cardinalidad (pata de gallo), relaciones uno a muchos frente a muchos a muchos, atributos con PK/FK y un ejemplo completo de comercio electrónico.

Introducción
2026-07-21

Cómo construir consultas SELECT y JOIN visualmente con un SQL Builder

Ensamble cláusulas SELECT, WHERE y JOIN en su navegador con un constructor visual de SQL. Cómo funciona el entrecomillado automático de valores, tabla de uso de JOIN y cómo unir varias tablas.

Caso de uso
2026-07-21

Referencia completa de JOIN en SQL: diferencias entre INNER, LEFT, RIGHT y FULL

Referencia de los tipos de JOIN en SQL (INNER/LEFT/RIGHT/FULL/CROSS/SELF) con una chuleta y ejemplos de conteo de filas. Explica por qué los JOIN uno a muchos duplican filas, la trampa de NULL entre WHERE y ON, y cómo escribir JOINs con varias tablas.

Introducción
2026-07-16

Case Converter ― convierta a 9 estilos de nomenclatura a la vez: camelCase, snake_case, kebab-case

Cómo convertir identificadores y nombres de variables a 9 estilos de nomenclatura simultáneamente: camelCase, PascalCase, snake_case, CONSTANT_CASE, kebab-case y más. Cubre el manejo de mayúsculas consecutivas (HTTPServer), dígitos y conversión de listas completas.

Anuncio

Anuncio