Contador de tokens para GPT, Claude, Gemini y Llama
Cuenta los tokens exactos de los modelos de OpenAI, estímalos para Claude, Gemini y Llama, consulta el coste y mira cómo se divide el texto en tokens.
Tokens por familia de modelos
| Tokenizador | Tokens | Tipo |
|---|---|---|
OpenAI o200k_base GPT-4o, GPT-4.1, GPT-5.x, serie o, gpt-oss (se supone GPT-6) | ... | Exacto |
OpenAI cl100k_base GPT-4, GPT-3.5 Turbo, text-embedding-3 | ... | Exacto |
Claude (Opus 4.7 y posteriores) Claude Fable 5.1, Opus 5.5, Sonnet 5.5, Haiku 5.5, Opus/Sonnet 5, Opus 4.7+ | ... | Estimación |
Claude (Sonnet 4.6 y anteriores) Claude Sonnet 4.6, Haiku 4.5 y anteriores | ... | Estimación |
Gemini / Gemma Gemini 2.5 a 4, Gemma | ... | Estimación |
Llama 3 Llama 3.x | ... | Estimación |
Mistral (Tekken) Mistral Large/Medium/Small, Codestral | ... | Estimación |
DeepSeek DeepSeek V3/V4, R1 | ... | Estimación |
Qwen Qwen 2.5 / 3 / 3.5 | ... | Estimación |
Grok Grok 4.x | ... | Estimación |
Solo OpenAI publica sus tokenizadores en un formato que un navegador puede ejecutar. Los demás se estiman a partir de los recuentos exactos (pasa el ratón por una fila para ver el método). Para un recuento exacto de Claude o Gemini, usa el endpoint gratuito de recuento de tokens de la API del proveedor.
Coste de este texto
≈ 0 tokens (estimación, Claude (Opus 4.7 y posteriores)) · <0.1% de la ventana de contexto de 1.000.000 tokens
Precio de lista de Anthropic a 2026-10-16. Fuente. Para cargas de trabajo completas, usa la calculadora de costes de API de LLM.
Visualizador de tokens
Cada color es un token (pasa el ratón para ver su ID). Un bloque con varios ID es un carácter dividido en varios tokens, algo habitual en emoji y en texto CJK.
Se tokeniza por completo en tu navegador con los archivos de rangos de tiktoken de código abierto. Tu texto nunca se envía a ningún sitio. Ver todas las herramientas gratis.
¿Encontraste un problema o algo que podría mejorar? Leemos todos los mensajes y lo arreglamos rápido.
Este contador de tokens muestra cuántos tokens usa tu texto en GPT, Claude, Gemini, Llama y otros grandes modelos de lenguaje, porque los precios de las API, las ventanas de contexto y los límites de uso se miden en tokens, no en palabras. Pega un prompt o un documento entero y obtendrás el recuento exacto con los dos tokenizadores actuales de OpenAI, o200k_base (GPT-4o, GPT-4.1, GPT-5.x) y cl100k_base (GPT-4, GPT-3.5 Turbo), además de lo que cuesta ese texto como entrada o como salida en el modelo que elijas.
Los recuentos de las demás familias de modelos son estimaciones, y la herramienta lo indica en cada fila. Anthropic, Google y xAI no publican sus tokenizadores en una forma que pueda ejecutar una página web, así que sus cifras se obtienen a partir de los recuentos exactos de OpenAI usando las proporciones que publican los propios proveedores. El visualizador colorea cada token para que veas por qué los emojis, el código y el texto que no está en inglés cuestan más que el inglés corriente. Todo se ejecuta en local: los archivos del tokenizador se cargan una vez en tu navegador y tu texto nunca sale de él.
Cómo usarla
- Pega o escribe tu texto. Los recuentos se actualizan mientras escribes, con un pequeño retraso en documentos muy largos.
- Lee los recuentos exactos de GPT arriba y después la tabla por familias. Las filas marcadas como Estimación son aproximaciones; pasa el ratón por una fila para ver cómo se calculó.
- Elige un modelo para ver el coste del texto como entrada y como salida, y qué parte de su ventana de contexto ocupa.
- Baja hasta el visualizador de tokens y cambia entre o200k_base y cl100k_base para comparar cómo dividen el mismo texto. Activa ID de token para ver los números que recibe el modelo.
- Usa Copiar recuentos para pegar un resumen en un ticket o una hoja de cálculo.
Preguntas frecuentes
¿Cuántos tokens tiene una palabra?
En prosa inglesa corriente, unos 1.3 tokens por palabra con el tokenizador o200k_base de OpenAI, o aproximadamente 4 caracteres por token. Las palabras cortas comunes son un token cada una; las largas o poco frecuentes se dividen en varios. El código, los números, las URL y la mayoría de los idiomas distintos del inglés usan más tokens por palabra. La herramienta muestra bajo el recuento de palabras la proporción real de tokens por palabra de tu texto.
¿El recuento de tokens de Claude es exacto?
No, y está indicado como estimación. El tokenizador de Anthropic no es público. Anthropic afirma que el tokenizador introducido con Claude Opus 4.7 (que usan Claude Fable 5.1, Opus 5.5, Sonnet 5.5 y Haiku 5.5) produce alrededor de un 30 % más de tokens que el anterior, y que 1M de tokens equivale a unas 555 000 palabras en inglés frente a 750 000 antes. La estimación aplica esa proporción al recuento exacto de cl100k_base. Para un número exacto, llama al endpoint gratuito de recuento de tokens de Anthropic (POST /v1/messages/count_tokens) con tu texto.
¿Por qué los emojis y el texto en chino o japonés usan tantos tokens?
Los tokenizadores modernos trabajan con bytes UTF-8. Las secuencias de bytes frecuentes, sobre todo palabras en inglés y código común, tienen su propio token; todo lo menos frecuente se divide en trozos más pequeños, hasta llegar a bytes sueltos. La mayoría de los emojis ocupan 4 bytes y usan de 1 a 3 tokens, y un modificador de tono de piel o de género añade más. o200k_base tiene muchos más tokens para alfabetos no ingleses que cl100k_base, así que la misma frase en chino o en hindi es bastante más barata en GPT-4o y posteriores que en GPT-4. El visualizador muestra estas divisiones como bloques que contienen varios ID de token.
¿Qué diferencia hay entre o200k_base y cl100k_base?
Son los dos tokenizadores actuales de OpenAI. cl100k_base tiene unos 100 000 tokens y lo usan GPT-4, GPT-3.5 Turbo y los modelos text-embedding-3. o200k_base tiene unos 200 000 tokens y lo usan GPT-4o, GPT-4.1, GPT-5.x y los modelos de razonamiento de la serie o; gpt-oss usa una variante. El vocabulario más grande ayuda sobre todo con el texto que no está en inglés y con el código, donde normalmente produce menos tokens.
¿La API cuenta más tokens de los que muestra esta herramienta?
Normalmente unos pocos más por petición. Las API de chat envuelven cada mensaje en marcadores de rol que añaden un puñado de tokens, y también se facturan el prompt del sistema, las definiciones de herramientas, los turnos anteriores de la conversación y los tokens de razonamiento. Las imágenes, el audio y los archivos tienen precio aparte. Esta herramienta cuenta el texto sin más que pegas, que es la parte que controlas.
¿Se envía mi texto a un servidor?
No. Los archivos de rangos del tokenizador se descargan una vez en tu navegador (unos 3 MB) y todo el recuento se hace en tu dispositivo. Puedes desconectarte de internet después de que cargue la página y el contador sigue funcionando.
Por qué el mismo texto tiene distintos recuentos de tokens en distintos modelos
Cada familia de modelos entrena su propio tokenizador: un vocabulario fijo de fragmentos de texto, aprendido de los datos con los que se entrenó el modelo. Una palabra que es un token en un vocabulario puede ser tres en otro. Las diferencias son pequeñas en inglés corriente y grandes en código, idiomas poco comunes, emojis y números largos.
El tamaño del vocabulario es la palanca principal. cl100k_base de GPT-4 tiene unas 100 000 entradas; GPT-4o y posteriores usan o200k_base, con unas 200 000; el vocabulario SentencePiece de Gemini tiene unas 256 000; Llama 3 usa un vocabulario de 128 000 entradas basado en cl100k. Un vocabulario más grande suele significar menos tokens por frase, sobre todo fuera del inglés, pero los proveedores también cambian de tokenizador por motivos de calidad. El tokenizador más reciente de Anthropic produce más tokens que el antiguo, no menos.
Esto importa al comparar costes. Si dos modelos cobran el mismo precio por millón de tokens pero uno necesita un 30 % más de tokens para tu texto, para ti es un 30 % más caro. La calculadora de costes de API de LLM de este sitio puede ajustar los recuentos según el tokenizador precisamente por eso.
Cómo se calcula cada estimación
• OpenAI o200k_base y cl100k_base: exactos, con los mismos archivos de rangos que la biblioteca tiktoken de OpenAI. OpenAI no ha publicado un tokenizador para GPT-6; o200k_base es la coincidencia pública más cercana y se muestra como tal.
• Claude (Opus 4.7 y posteriores, incluidos Fable 5.1, Opus 5.5, Sonnet 5.5 y Haiku 5.5): el recuento de cl100k_base multiplicado por 1.35, a partir de las afirmaciones de Anthropic de que el nuevo tokenizador genera alrededor de un 30 % más de tokens y que en 1M de tokens caben unas 555 000 palabras en inglés frente a 750 000 antes.
• Claude Sonnet 4.6, Haiku 4.5 y anteriores: el recuento de cl100k_base. El tokenizador antiguo de Anthropic se acerca mucho a él en prosa inglesa.
• Gemini y Gemma: el recuento de o200k_base. Google indica unos 4 caracteres por token en inglés, en línea con o200k_base.
• Llama 3: el recuento de cl100k_base, ya que el vocabulario de Llama 3 contiene el de cl100k más 28 000 tokens adicionales, sobre todo para otros idiomas.
• Mistral, DeepSeek, Qwen y Grok: el recuento de o200k_base, ya que todos usan grandes vocabularios BPE a nivel de byte de tamaño similar. En inglés, estas estimaciones deberían quedar a un 10–15 % del recuento real; en código y en texto que no está en inglés, el error puede ser mayor.
Formas prácticas de gastar menos tokens
Minifica el JSON antes de enviarlo. La sangría y los saltos de línea también son tokens, y un JSON formateado puede usar un tercio más de tokens que los mismos datos en una línea; el formateador de JSON de este sitio lo minifica con un clic. Los nombres de campo se repiten en cada registro, así que para tablas grandes CSV suele salir más barato que JSON.
Pon primero las instrucciones estables y al final la parte que cambia. Los proveedores almacenan en caché los prefijos de prompt repetidos y facturan los aciertos de caché a una fracción del precio de entrada (un 10 % o menos de la tarifa de entrada normal en los modelos actuales de OpenAI, Anthropic y Google), pero solo si el principio del prompt es idéntico entre peticiones.
Recorta el historial de la conversación. Una app de chat reenvía la conversación entera en cada turno, así que un hilo de 20 mensajes cuesta mucho más que 20 preguntas separadas. Resume o elimina los turnos antiguos cuando dejen de importar.
Quita los datos personales que el modelo no necesita ver. Cuestan tokens y crean riesgos; el redactor de datos personales de este sitio los cambia por marcadores cortos y los restaura en la respuesta.
Herramientas gratis relacionadas
- Calculadora de costes de API de LLM — Compara el coste de tu carga de trabajo en más de 40 modelos, con caché, descuentos por lotes, tramos de contexto largo y tokens de razonamiento. Precios con fuente y fecha.
- Contador de palabras — Cuenta palabras, caracteres, oraciones y tiempo de lectura, y comprueba los límites de X, LinkedIn, Instagram, YouTube, SEO y SMS mientras escribes.
- Anonimizador de datos personales para prompts de IA — Sustituye emails, teléfonos, números de tarjeta, claves de API y nombres por marcadores antes de pegar un texto en una IA, y restáuralos en la respuesta.
- Formateador JSON — Formatea, minifica y valida JSON, con los errores de análisis localizados por línea y columna. En tu navegador, sin subir nada.
- Calculadora de VRAM para LLM — Calcula cuánta memoria de GPU necesita un LLM local con tu cuantización y longitud de contexto, si cabe en tu GPU o tu Mac y a qué velocidad irá.