Compteur de tokens exact pour DeepSeek, Qwen et GPT via le tokenizer de chaque éditeur, sans estimation par caractère. Collez un texte, comparez cinq vocabulaires et voyez où chaque token se coupe. Gratuit, dans votre navigateur.
| Modèle | Tokens | Tokens par caractère | Vocabulaire |
|---|---|---|---|
| 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 |
Ce sont les tokens du texte lui-même. Un appel d'API compte aussi le template de chat autour de chaque message : le prompt_tokens qu'il renvoie est donc généralement un peu plus élevé.
Saisissez ou collez un texte pour voir chaque token.
Saisissez le prix d'entrée indiqué sur la page de tarifs de votre fournisseur. Les prix changent : l'outil ne les code donc pas en dur.
Conçu et vérifié par l'équipe d'ingénierie Go Tools.
Environ 4 caractères d'anglais par token Cela dépend du vocabulaire et de la langue. Mesuré sur les textes de ce site (environ 82 000 sinogrammes de texte chinois) : en anglais, environ 4,3 à 4,4 caractères par token, soit environ 1,4 token par mot ; dans la prose chinoise, un sinogramme coûte environ 0,8 token avec DeepSeek et Qwen3.5, 0,9 avec Qwen3, 1,0 avec GPT-4o et 1,3 avec GPT-4.
Environ 6 300 avec DeepSeek, 10 000 avec GPT-4 En comptant la ponctuation comme des caractères, mesuré sur la prose chinoise de ce site : environ 6 200 à 6 300 avec DeepSeek, 6 400 à 6 500 avec Qwen3.5, 7 000 à 7 200 avec Qwen3, 7 700 avec GPT-4o et 10 300 à 10 500 avec GPT-4. Le code et les textes riches en nombres en demandent davantage.
Même passage : 59 à 60 tokens en anglais, 71 à 156 en chinois Les exemples « Chinois » et « Anglais » de cette page sont le même passage. La version anglaise fait 59 à 60 tokens dans les cinq vocabulaires ; la version chinoise en fait 71 avec Qwen3.5, 75 avec DeepSeek, 84 avec Qwen3, 111 avec GPT-4o et 156 avec GPT-4 — de 18 % à 160 % de plus. L'anglais varie peu d'un vocabulaire à l'autre (environ 1,4 token par mot sur les textes de ce site) ; pour le chinois, tout dépend du nombre d'entrées chinoises du vocabulaire, et un vocabulaire qui en a peu (le cl100k_base de GPT-4) découpe beaucoup de caractères en 2 à 3 tokens de niveau octet.
La plus petite unité de découpage et de facturation d'un modèle Un token est la plus petite unité en laquelle un modèle de langage découpe le texte, et l'unité de facturation des API comme de mesure des fenêtres de contexte. Ce peut être un mot, une partie de mot, un caractère, une expression ou quelques octets d'un seul caractère — c'est le vocabulaire de chaque modèle qui en décide.
Pas de tokenizer public — seulement les API de comptage officielles Pas exactement. Claude n'a plus de tokenizer public depuis Claude 3 ; Anthropic propose à la place une API count_tokens (sa documentation précise que Claude 4.7 et les versions ultérieures utilisent un tokenizer plus récent, qui produit environ 30 % de tokens en plus pour le même texte). Gemini et Doubao se comptent de même via leurs API officielles, et Doubao dispose aussi d'un calculateur de tokens officiel dans la console Volcano Engine Ark (connexion requise). Cet outil ne liste que les modèles dont le vocabulaire officiel est public et concorde ID par ID.
Un token est l'unité qu'un modèle de langage lit et écrit, celle que les API facturent et dans laquelle se mesurent les fenêtres de contexte. Un modèle ne voit jamais directement les lettres ni les caractères chinois : son tokenizer découpe d'abord le texte en morceaux présents dans son vocabulaire, puis convertit chaque morceau en un identifiant entier. Les mots et expressions courants ont leur propre entrée et prennent un seul token ; tout ce qui manque retombe sur les octets UTF-8, si bien qu'un seul caractère chinois peut coûter deux ou trois tokens. Le décompte dépend donc du vocabulaire. DeepSeek et Qwen stockent 人工智能 (intelligence artificielle) comme un seul token et GPT-4o le coupe en deux, alors que le cl100k_base de GPT-4, pauvre en entrées chinoises, a besoin de 12 tokens pour la phrase ci-dessous — plus du double des 5 de DeepSeek. Voici le découpage réel produit par cet outil.
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 et 3.8 sont passés à un nouveau vocabulaire de 248K, avec d'autres règles de découpage ; Qwen3, Qwen2.5 et QwQ conservent celui de 151K. Les deux proviennent du tokenizer.json des poids ouverts officiels et sont comptés séparément — jamais approximés avec un tokenizer GPT.
DeepSeek utilise son vocabulaire officiel (identique de V3 à V4.1) ; GPT utilise les vocabulaires o200k_base et cl100k_base d'OpenAI. Nous avons comparé 26 714 textes de test (3,88 millions de caractères en 15 langues, du code, des blancs et des caractères situés aux frontières des versions Unicode) ID par ID avec Hugging Face tokenizers et OpenAI tiktoken : les cinq vocabulaires concordent.
Un seul collage donne cinq décomptes : vous voyez tout de suite quel modèle traite votre texte avec le moins de tokens. La colonne des tokens par caractère permet de comparer équitablement des textes de longueurs différentes.
La vue de découpage colore chaque token et peut afficher son ID. Quand plusieurs tokens de niveau octet ne forment des caractères entiers qu'ensemble, ils sont regroupés dans un seul bloc en pointillés au lieu d'afficher des octets illisibles ; les caractères invisibles, comme les espaces de largeur nulle, sont écrits par leur point de code, par exemple ⟨U+200B⟩.
Les fichiers ouverts conservent leurs sauts de ligne CRLF et leur BOM d'origine. DeepSeek découpe un saut de ligne Windows \r\n en deux tokens, si bien que le même code avec des fins de ligne CRLF coûte environ 15 % de plus. Le texte collé dans la zone de saisie est compté avec les sauts de ligne LF que conserve le navigateur.
La tokenisation s'exécute dans un thread d'arrière-plan (Web Worker) ; votre texte n'est pas envoyé à nos serveurs. Une fois les vocabulaires chargés, 200 000 caractères chinois sont comptés en moins d'une seconde, et la zone de texte reste réactive.
len(tiktoken.get_encoding("o200k_base").encode_ordinary(text)) La bibliothèque officielle d'OpenAI, limitée aux vocabulaires OpenAI. Le moyen le plus direct de compter les tokens d'entrée de GPT-5 et GPT-4o ; elle ne sait compter ni DeepSeek ni Qwen.
AutoTokenizer.from_pretrained("Qwen/Qwen3.6-35B-A3B").encode(text, add_special_tokens=False) Charge les tokenizers officiels des modèles ouverts comme DeepSeek et Qwen. La première exécution télécharge les fichiers de vocabulaire depuis Hugging Face.
Le tokenizer hors ligne officiel, à utiliser avec transformers. Son vocabulaire est le même que celui de la ligne DeepSeek de cet outil.
messages/count_tokens, Gemini countTokens, OpenAI responses/input_tokens Le seul moyen pour les modèles sans tokenizer public, et le résultat inclut le surcoût du format de chat. Il faut une requête et une clé API, et le texte part chez l'éditeur.
Ni code ni dépendance — pratique pour vérifier un prompt ou comparer des modèles. Pour les traitements par lots, utilisez les bibliothèques ci-dessus.
Cliquez sur l'exemple « Chinois » de cette page : un passage du quotidien de 117 caractères (106 sinogrammes)
DeepSeek V4 75 Qwen3.5 / 3.6 71 Qwen3 / 2.5 84 GPT-5 / GPT-4o 111 GPT-4 156
Tokens par sinogramme : Qwen3.5 environ 0,67, DeepSeek 0,71, Qwen3 0,79, GPT-4o 1,05 et GPT-4 1,47. Cliquez sur « Anglais » pour le même passage en anglais : les cinq se situent entre 59 et 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 (chiffres découpés de la même façon) GPT-4o 13 …[123][45][.][67][ 元][，共]… GPT-4 16 …[123][45][.][67]…
Les deux générations de Qwen isolent chaque chiffre, alors que DeepSeek et GPT regroupent les chiffres par trois. Les textes chargés en nombres — tableaux, factures, journaux — coûtent nettement plus cher avec Qwen.
你好世界 (trois espaces de largeur nulle U+200B entre les caractères)
Sans eux : DeepSeek 2 · Qwen3.5 2 · Qwen3 2 · GPT-4o 2 · GPT-4 5 Avec eux : DeepSeek 7 · Qwen3.5 7 · Qwen3 7 · GPT-4o 7 · GPT-4 8
Les espaces de largeur nulle séparent 你好 et 世界 : chaque caractère devient alors son propre token, et chaque espace de largeur nulle en prend un de plus. Le texte copié depuis le web en contient souvent ; la vue de découpage les affiche sous la forme ⟨U+200B⟩.
👍🎉
DeepSeek V4 3 Qwen3.5 6 Qwen3 2 GPT-4o 3 GPT-4 6
L'ancien vocabulaire de Qwen3 stocke les deux emojis entiers ; le nouveau vocabulaire de 248K les renvoie aux octets UTF-8, si bien qu'un emoji de 4 octets prend 3 tokens. Un vocabulaire plus récent n'est pas moins cher partout — comptez votre vrai texte.
Collez un prompt, un document ou du code, ou utilisez « Ouvrir un fichier » pour charger un fichier .txt, .md, .json, .csv ou tout autre fichier texte. Pas de texte sous la main ? Cliquez sur l'un des exemples. Le premier calcul télécharge cinq vocabulaires depuis ce site (0,4 à 2,2 Mo chacun, compressés en gzip) ; ils ne sont pas retéléchargés tant que la page reste ouverte.
Le tableau affiche d'un coup le nombre de tokens pour DeepSeek, Qwen3.5/3.6/3.8, Qwen3/Qwen2.5, GPT-5/GPT-4o et GPT-4/GPT-3.5, ainsi que le nombre moyen de tokens par caractère. Au-dessus figurent le nombre de caractères, de sinogrammes et d'octets UTF-8, pour comparer avec les estimations fondées sur les caractères.
Sous « Découpage du texte », chaque bloc coloré est un token. Un contour en pointillés signale plusieurs tokens de niveau octet qui ne forment des caractères entiers qu'ensemble. Activez « Afficher les ID des tokens » pour comparer avec les ID que renvoie une API ou tiktoken. Cliquez sur une ligne du tableau pour changer de modèle.
Saisissez le prix d'entrée du modèle sélectionné pour un million de tokens afin d'obtenir le coût de ce texte en entrée. L'outil n'embarque aucune grille tarifaire : les éditeurs changent souvent leurs prix et les modulent selon les heures de pointe et les succès de cache ; reprenez donc le chiffre affiché aujourd'hui sur leur page de tarifs.
Une constante ne vaut que pour un type de texte. Les mêmes 24 caractères 订单金额 12345.67 元，共 2026 件 font 13 tokens avec GPT-4o et 22 avec Qwen — plus il y a de chiffres, plus l'écart se creuse.
tokens ≈ caractères × 0.6
Découper avec le vocabulaire du modèle cible, puis compter
tiktoken ne fournit que les vocabulaires d'OpenAI. L'exemple « Chinois » de cette page compte 156 tokens avec cl100k_base, contre 75 pour DeepSeek — une estimation deux fois trop élevée.
tiktoken.get_encoding("cl100k_base") # utilisé pour DeepSeek AutoTokenizer.from_pretrained("deepseek-ai/DeepSeek-V4.1-Flash") La facture inclut aussi le template de chat, le prompt système, la sortie et la réflexion d'un modèle de raisonnement ; certains services facturent en outre différemment les succès de cache. Une estimation fondée sur le seul texte d'entrée reste trop basse.
coût = tokens du prompt × prix d'entrée
coût = prompt_tokens × prix d'entrée + completion_tokens × prix de sortie
Les espaces de largeur nulle (U+200B) séparent les mots : 你好世界 fait 2 tokens avec DeepSeek, et 7 dès que trois espaces de largeur nulle s'intercalent entre les caractères.
你\u200b好\u200b世\u200b界 → 7 tokens
你好世界 → 2 tokens
add_special_tokens=False pour retrouver le décompte de texte brut de cet outil ; la documentation de l'API DeepSeek propose aussi un paquet de tokenizer hors ligne sur sa page consacrée à l'usage des tokens. Traitement de texte
Convertissez instantanément du texte entre UPPERCASE, lowercase, Title Case, Sentence case, camelCase, PascalCase, snake_case, kebab-case, CONSTANT_CASE et 6 autres formats. Gratuit, navigateur, sans inscription.
Traitement de texte
Générez du faux texte Lorem Ipsum instantanément — par paragraphe, phrase, mot, octet ou liste. Copiez ou téléchargez en texte brut, HTML, Markdown ou JSON. 100 % gratuit, privé, dans le navigateur. Sans inscription.
Traitement de texte
Testez vos expressions régulières en ligne, gratuit. Correspondances en direct, groupes de capture, aperçu de remplacement, découpe et explication du motif. Regex JavaScript, 100 % confidentialité — sans inscription.
Traitement de texte
Supprimez les lignes en double d'un texte en ligne — gratuit et instantané, 100 % dans le navigateur. Ignorez la casse ou les espaces, gardez la première ou la dernière occurrence. Sans inscription.
Traitement de texte
Transformez n'importe quel titre en slug d'URL propre et optimisé SEO instantanément. Translittérez accents et cyrillique, ou conservez les lettres Unicode. 100 % privé, dans votre navigateur.
Traitement de texte
Triez des lignes de texte par ordre alphabétique, numérique (ordre naturel) ou par longueur, croissant ou décroissant. Trieur de lignes en ligne, 100 % dans le navigateur. Dédoublonnez, inversez, nettoyez. Sans inscription.