Token 计数器
用 gpt-tokenizer 的 BPE 词表统计文本的 token 数，同时给出字符数、词数、行数、UTF-8 字节数、前 N 个 token 的分段预览，以及按单价估算的调用费用；空输入返回 0。
浏览器本地运行所有计算都在你的浏览器里完成，数据不会离开本机。
文本
分词用的是 gpt-tokenizer 的默认词表（o200k_base，GPT-4o / 4.1 / GPT-5 / o 系列），中文与英文都按同一套 BPE 规则切分。
统计结果
155518285$0.000038- Uni
- Kit
- 是
- 一个
- 在线
- 工具
- 集合
- ，
- 永久免费
- 。
- Token
- counting
- is
- deterministic
- .
每个 token 用 · 分隔，空格与换行会原样显示；这就是模型实际看到的切分方式。
这个工具能做什么
- 把提示词贴进来先量一下长度：上下文窗口是硬限制，超了会被截断，写代码前先确认 token 数比事后调参便宜。
- 估算调用成本：选模型或手填单价，看这段输入大概多少钱，批量跑任务前心里有数。
- 检查中文内容的 token 消耗：中文没有空格，凭字符数猜 token 很容易低估，这里直接给出真实切分。
- 看模型到底怎么切词的：分段预览把每个 token 还原成文本，能解释「为什么一个英文单词算两个 token」或者「为什么这段 JSON 特别费」。
示例
输入
你好，世界
输出
Token 数 3 · 字符数（码点）5 · 词数 4 · 行数 1 · UTF-8 字节数 15 · 分段预览：你好 / ， / 世界
分词用的是 gpt-tokenizer 的默认词表（o200k_base）：常见的中文词组「你好」「世界」各自是一个 token，标点单独占一个，所以 5 个字符只用了 3 个 token。
常见问题
统计的是哪个模型的 token？
gpt-tokenizer 的默认词表 o200k_base，也就是 GPT-4o、GPT-4.1、GPT-5 与 o 系列用的那套，对这些模型的数字是精确的。Claude、Gemini、旧版 GPT-3.5（cl100k_base）用的是别的词表，数字只能当量级参考——同一段文本在不同词表下的 token 数本来就会差 10%–30%。
为什么英文一段话 token 数比词数少，中文却接近字符数？
BPE 词表按频率合并：常见英文单词整词就是一个 token，所以 100 个英文词大约 130 个 token 左右；中文常用词组也有合并（「你好」是一个 token），但粒度比英文碎，通常 1 个汉字约 0.5–1 个 token。所以中文内容按字符数估 token 会偏乐观，直接用这里的真实数字更稳。
估算的费用准吗？
公式是 token 数 ÷ 100 万 × 单价，只算输入 token，不含输出、缓存折扣与批处理优惠。默认单价是几个常见 OpenAI 模型的参考价，价格随时会变，请以官方定价页为准——输入框可以随便改，改成你实际付的价格即可。
文本特别长会怎样？
超过 50000 个字符时只统计前 50000 个字符，并在结果上方提示，不会静默给出一份错的整篇数字。需要精确统计超长文本时，请分段粘进来分别统计再相加。
文本会被上传吗？
不会。分词词表随页面一起加载，所有计算都在浏览器里完成，页面不发任何请求，刷新后输入内容也不会保留。
关键词：token counterllm tokensgpt tokenizerbpe tokensprompt costToken 计数Token 计数器大模型 Token提示词长度费用估算