Contador de tokens exacto para DeepSeek, Qwen y GPT con el tokenizador de cada proveedor, sin estimar por caracteres. Pega un texto, compara cinco vocabularios y mira dónde se corta cada token. Gratis, en tu navegador.
| Modelo | Tokens | Tokens por carácter | Vocabulario |
|---|---|---|---|
| DeepSeek V4 / V3 / R1 DeepSeek · 128K | — | DeepSeek · 128K | |
| Qwen3.5 / 3.6 / 3.8 Qwen · 248K | — | Qwen · 248K | |
| Qwen3 / Qwen2.5 / QwQ Qwen · 151K | — | Qwen · 151K | |
| GPT-5 / GPT-4.1 / GPT-4o / o3 o200k_base | — | o200k_base | |
| GPT-4 / GPT-3.5 Turbo cl100k_base | — | cl100k_base |
Estos son los tokens del texto en sí. Una llamada a la API cuenta también la plantilla de chat que rodea cada mensaje, así que el prompt_tokens que devuelve suele ser algo mayor.
Escribe o pega texto para ver cada token.
Introduce el precio de entrada que figura en la página de precios de tu proveedor. Los precios cambian, así que la herramienta no los lleva fijados.
Creado y verificado por el equipo de ingeniería de Go Tools.
Unos 4 caracteres de inglés por token Depende del vocabulario y del idioma. Medido en los textos de este sitio (unos 82.000 caracteres chinos): en inglés, unos 4,3–4,4 caracteres por token, o alrededor de 1,4 tokens por palabra; en prosa china, un carácter chino cuesta unos 0,8 tokens en DeepSeek y Qwen3.5, 0,9 en Qwen3, 1,0 en GPT-4o y 1,3 en GPT-4.
Unos 6.300 en DeepSeek y 10.000 en GPT-4 Contando la puntuación como caracteres, medido en la prosa china de este sitio: unos 6.200–6.300 en DeepSeek, 6.400–6.500 en Qwen3.5, 7.000–7.200 en Qwen3, 7.700 en GPT-4o y 10.300–10.500 en GPT-4. El código y el texto con muchos números ocupan más.
Mismo pasaje: 59–60 tokens en inglés, 71–156 en chino Los ejemplos «Chino» e «Inglés» de esta página son el mismo pasaje. La versión en inglés tiene 59–60 tokens en los cinco vocabularios; la china, 71 en Qwen3.5, 75 en DeepSeek, 84 en Qwen3, 111 en GPT-4o y 156 en GPT-4: entre un 18% y un 160% más. El inglés varía poco entre vocabularios (unos 1,4 tokens por palabra en los textos de este sitio); en chino depende de cuántas entradas en chino tenga el vocabulario, y uno con pocas (el cl100k_base de GPT-4) parte muchos caracteres en 2–3 tokens a nivel de byte.
La unidad mínima en la que un modelo divide y factura el texto Un token es la unidad más pequeña en la que un modelo de lenguaje divide el texto, y la unidad con la que se facturan las API y se miden las ventanas de contexto. Puede ser una palabra, parte de una palabra, un carácter, una expresión o unos pocos bytes de un carácter: lo decide el vocabulario de cada modelo.
Sin tokenizador público: solo API oficiales de conteo No con exactitud. Claude no tiene tokenizador público desde Claude 3; en su lugar, Anthropic ofrece una API count_tokens (su documentación añade que Claude 4.7 y posteriores usan un tokenizador más nuevo que produce alrededor de un 30% más de tokens para el mismo texto). Gemini y Doubao también se cuentan con sus API oficiales, y Doubao tiene además una calculadora de tokens oficial en la consola de Volcano Engine Ark (requiere iniciar sesión). Esta herramienta solo incluye modelos cuyo vocabulario oficial es público y coincide ID por ID.
Un token es la unidad que un modelo de lenguaje lee y escribe, y también la unidad en la que facturan las API y se miden las ventanas de contexto. Un modelo nunca ve directamente letras ni caracteres chinos: su tokenizador primero corta el texto en fragmentos que existen en su vocabulario y convierte cada fragmento en un ID entero. Las palabras y expresiones comunes tienen su propia entrada y ocupan un token; lo que falta recurre a los bytes UTF-8, de modo que un solo carácter chino puede costar dos o tres tokens. Por eso el conteo depende del vocabulario. DeepSeek y Qwen guardan 人工智能 (inteligencia artificial) como un solo token y GPT-4o lo parte en dos, mientras que el cl100k_base de GPT-4 tiene pocas entradas en chino y necesita 12 tokens para la frase de abajo, más del doble que los 5 de DeepSeek. Abajo está la división real que hace esta herramienta.
文本：人工智能正在改变世界。（11 个字符） DeepSeek V4 5 [人工智能][正在][改变][世界][。] Qwen3.5 / 3.6 5 [人工智能][正在][改变][世界][。] Qwen3 / 2.5 5 [人工智能][正在][改变][世界][。] GPT-5 / GPT-4o 6 [人工][智能][正在][改变][世界][。] GPT-4 12 [人][工][智×2][能][正在][改][变][世×2][界][。] ×2 表示这个字被拆成了 2 个字节级 token
Qwen3.5, 3.6 y 3.8 pasaron a un nuevo vocabulario de 248K con otras reglas de división; Qwen3, Qwen2.5 y QwQ mantienen el de 151K. Ambos salen del tokenizer.json de los pesos abiertos oficiales y se cuentan por separado, nunca aproximados con un tokenizador de GPT.
DeepSeek usa su vocabulario oficial (idéntico de V3 a V4.1); GPT usa o200k_base y cl100k_base de OpenAI. Comparamos 26.714 textos de prueba (3,88 millones de caracteres en 15 idiomas, código, espacios en blanco y caracteres en los límites entre versiones de Unicode) ID por ID con Hugging Face tokenizers y OpenAI tiktoken: los cinco vocabularios coinciden.
Con un solo pegado obtienes cinco conteos y ves de inmediato qué modelo procesa tu texto con menos tokens. La columna de tokens por carácter permite comparar con justicia textos de distinta longitud.
La vista de división colorea cada token y puede mostrar su ID. Cuando varios tokens a nivel de byte solo forman caracteres completos juntos, se agrupan en un único bloque discontinuo en lugar de mostrar bytes ilegibles; los caracteres invisibles, como los espacios de ancho cero, se escriben por su punto de código, por ejemplo ⟨U+200B⟩.
Los archivos abiertos conservan sus saltos de línea CRLF y su BOM originales. DeepSeek divide un salto de línea de Windows \r\n en dos tokens, así que el mismo código con finales de línea CRLF cuesta alrededor de un 15% más. El texto pegado en el cuadro se cuenta con los saltos de línea LF que conserva el navegador.
La tokenización se hace en un hilo en segundo plano (Web Worker); tu texto no se envía a nuestros servidores. Con los vocabularios ya cargados, 200.000 caracteres chinos se cuentan en menos de un segundo y el cuadro de texto sigue respondiendo con fluidez.
len(tiktoken.get_encoding("o200k_base").encode_ordinary(text)) La biblioteca oficial de OpenAI, solo con vocabularios de OpenAI. La forma más directa de contar los tokens de entrada de GPT-5 y GPT-4o; no sirve para DeepSeek ni para Qwen.
AutoTokenizer.from_pretrained("Qwen/Qwen3.6-35B-A3B").encode(text, add_special_tokens=False) Carga los tokenizadores oficiales de modelos abiertos como DeepSeek y Qwen. La primera ejecución descarga los archivos de vocabulario desde Hugging Face.
El tokenizador sin conexión oficial, que se usa con transformers. Su vocabulario es el mismo que el de la fila DeepSeek de esta herramienta.
messages/count_tokens, Gemini countTokens, OpenAI responses/input_tokens La única vía para modelos sin tokenizador público, y el resultado incluye la sobrecarga del formato de chat. Requiere una petición y una clave de API, y el texto va al proveedor.
Sin código ni dependencias: práctico para revisar un prompt o comparar modelos. Para procesar lotes, usa las bibliotecas de arriba.
Haz clic en el ejemplo «Chino» de esta página: un pasaje cotidiano de 117 caracteres (106 caracteres chinos)
DeepSeek V4 75 Qwen3.5 / 3.6 71 Qwen3 / 2.5 84 GPT-5 / GPT-4o 111 GPT-4 156
Tokens por carácter chino: Qwen3.5 unos 0,67; DeepSeek 0,71; Qwen3 0,79; GPT-4o 1,05 y GPT-4 1,47. Haz clic en «Inglés» para ver el mismo pasaje en inglés: los cinco quedan entre 59 y 60.
订单金额 12345.67 元，共 2026 件
DeepSeek V4 16 …[123][45][.][67]…[202][6]… Qwen3.5 22 …[1][2][3][4][5][.][6][7]…[2][0][2][6]… Qwen3 22 (los dígitos se dividen igual) GPT-4o 13 …[123][45][.][67][ 元][，共]… GPT-4 16 …[123][45][.][67]…
Las dos generaciones de Qwen separan cada dígito por su cuenta, mientras que DeepSeek y GPT agrupan los dígitos de tres en tres. El texto con muchos números —tablas, facturas, logs— cuesta bastante más en Qwen.
你好世界 (tres espacios de ancho cero U+200B entre los caracteres)
Sin ellos: DeepSeek 2 · Qwen3.5 2 · Qwen3 2 · GPT-4o 2 · GPT-4 5 Con ellos: DeepSeek 7 · Qwen3.5 7 · Qwen3 7 · GPT-4o 7 · GPT-4 8
Los espacios de ancho cero separan 你好 y 世界, así que cada carácter pasa a ser su propio token y cada espacio de ancho cero ocupa uno más. El texto copiado de la web los contiene a menudo; la vista de división los muestra como ⟨U+200B⟩.
👍🎉
DeepSeek V4 3 Qwen3.5 6 Qwen3 2 GPT-4o 3 GPT-4 6
El vocabulario anterior de Qwen3 guarda enteros los dos emojis; el nuevo vocabulario de 248K los devuelve a bytes UTF-8, así que un emoji de 4 bytes ocupa 3 tokens. Un vocabulario más nuevo no es más barato en todo: cuenta tu texto real.
Pega un prompt, un documento o código, o usa «Abrir archivo» para cargar un .txt, .md, .json, .csv u otro archivo de texto. ¿No tienes texto a mano? Haz clic en uno de los ejemplos. El primer conteo descarga cinco vocabularios desde este sitio (de 0,4 a 2,2 MB cada uno, comprimidos con gzip); no se vuelven a descargar mientras la página siga abierta.
La tabla muestra a la vez el número de tokens de DeepSeek, Qwen3.5/3.6/3.8, Qwen3/Qwen2.5, GPT-5/GPT-4o y GPT-4/GPT-3.5, además del promedio de tokens por carácter. Encima tienes los caracteres, los caracteres chinos y los bytes UTF-8, para compararlos con las estimaciones basadas en caracteres.
Cada bloque de color bajo «Cómo se divide el texto» es un token. Un contorno discontinuo indica que varios tokens a nivel de byte solo forman caracteres completos juntos. Activa «Mostrar ID de token» para compararlos con los ID que devuelve una API o tiktoken. Haz clic en cualquier fila de la tabla para cambiar de modelo.
Introduce el precio de entrada por millón de tokens del modelo seleccionado para obtener el coste de este texto como entrada. La herramienta no incluye una lista de precios: los proveedores los cambian a menudo y los diferencian por horas punta y por aciertos de caché, así que usa la cifra que figure hoy en su página de precios.
Una constante solo vale para un tipo de texto. Los mismos 24 caracteres 订单金额 12345.67 元，共 2026 件 son 13 tokens en GPT-4o y 22 en Qwen: cuantos más dígitos, mayor es la diferencia.
tokens ≈ caracteres × 0.6
Dividir con el vocabulario del modelo de destino y contar
tiktoken solo incluye vocabularios de OpenAI. El ejemplo «Chino» de esta página cuenta 156 tokens con cl100k_base, donde DeepSeek usa 75: una estimación que duplica la real.
tiktoken.get_encoding("cl100k_base") # usado para DeepSeek AutoTokenizer.from_pretrained("deepseek-ai/DeepSeek-V4.1-Flash") La factura incluye también la plantilla de chat, el prompt del sistema, la salida y el pensamiento de un modelo de razonamiento; algunos servicios cobran además de forma distinta los aciertos de caché. Una estimación hecha solo con el texto de entrada se queda corta.
coste = tokens del prompt × precio de entrada
coste = prompt_tokens × precio de entrada + completion_tokens × precio de salida
Los espacios de ancho cero (U+200B) separan las palabras: 你好世界 son 2 tokens en DeepSeek y 7 en cuanto hay tres espacios de ancho cero entre los caracteres.
你\u200b好\u200b世\u200b界 → 7 tokens
你好世界 → 2 tokens
add_special_tokens=False para que coincida con el conteo de texto plano de esta herramienta; la documentación de la API de DeepSeek también ofrece un paquete de tokenizador sin conexión en su página sobre el uso de tokens. Procesamiento de Texto
Convierte texto entre UPPERCASE, lowercase, Title Case, Sentence case, camelCase, PascalCase, snake_case, kebab-case, CONSTANT_CASE y 6 formatos más al instante. Gratis, en el navegador, sin registro.
Procesamiento de Texto
Genera texto de relleno Lorem Ipsum al instante: por párrafo, frase, palabra, byte o lista. Copia o descarga como texto plano, HTML, Markdown o JSON. 100 % gratis, privado, en el navegador. Sin registro.
Procesamiento de Texto
Prueba patrones de expresiones regulares al instante contra cualquier texto. Resaltado de coincidencias en vivo, grupos de captura, vista previa de reemplazo, división y explicador. Regex JavaScript, 100% privado, sin registro.
Procesamiento de Texto
Elimina líneas duplicadas de un texto online — gratis, instantáneo, 100% en el navegador. Ignora mayúsculas o espacios, conserva la primera o la última ocurrencia y ve cuántos duplicados se quitaron. Sin registro.
Procesamiento de Texto
Convierte cualquier título en un slug de URL limpio y optimizado para SEO al instante. Translitera acentos y cirílico, o conserva letras Unicode. 100% privado, en tu navegador.
Procesamiento de Texto
Ordena líneas de texto alfabética, numérica (orden natural) o por longitud, ascendente o descendente. Todo online, 100% en el navegador. Elimina duplicados, invierte y limpia tus listas. Sin registro.