Contador de tokens
1.000 caracteres equivalen a unos 400 tokens con la proporción documentada por Anthropic (2,5 caracteres por token) y a unos 250 con la de Google (4 caracteres por token). Pega tu texto para obtener el recuento exacto de OpenAI.
Cómo se usa
- Pega o escribe tu texto. Nada sale de tu navegador.
- Elige la codificación de OpenAI. o200k_base corresponde a GPT-4o, GPT-4.1, GPT-5 y la serie o; cl100k_base, a GPT-4 y GPT-3.5.
- Lee el número exacto de tokens, además de caracteres, palabras y líneas. Las filas de Claude y Gemini son estimaciones.
Cómo se calcula
OpenAI: el texto se divide con las tablas reales de codificación por pares de bytes que publica el proyecto de código abierto tiktoken, ejecutadas en tu navegador con el port js-tiktoken. El recuento es exacto para la codificación elegida. Los archivos de tablas (unos 2 MB) se descargan al empezar a escribir, no con la página.
La codificación de cada modelo sigue la lista de modelos de tiktoken: o200k_base para gpt-4o, gpt-4.1, gpt-5, o1, o3 y o4-mini, y cl100k_base para gpt-4 y gpt-3.5-turbo. Los modelos posteriores a esa lista no tienen nombre de tokenizador en la documentación que revisamos, así que trata el valor de o200k_base como una referencia.
Claude y Gemini no tienen tokenizador público, por lo que esas filas son estimaciones. Claude: la descripción de modelos de Anthropic dice que 1 M de tokens son aproximadamente 555 000 palabras o 2,5 M de caracteres Unicode con su tokenizador actual; la estimación es caracteres ÷ 2,5 y palabras ÷ 0,555. Gemini: Google indica que un token son unos 4 caracteres y que 100 tokens son entre 60 y 80 palabras en inglés; la estimación es caracteres ÷ 4 y palabras × 100/80 a 100/60.
El valor principal es el mayor de los calculados, que es el lado seguro al comprobar si un texto cabe en un límite. El rango entre paréntesis va del método más bajo al más alto.
Preguntas frecuentes
¿Qué es un token?
La unidad que un modelo de lenguaje lee y escribe. Los tokenizadores dividen el texto en piezas que pueden ser palabras enteras, partes de palabras, caracteres sueltos o signos de puntuación. La misma frase puede tener un número de tokens distinto en otro modelo.
¿Qué tan exacto es el recuento?
El de OpenAI es exacto para la codificación elegida, porque usa las mismas tablas que tiktoken. Cuenta solo el texto: no incluye los tokens extra que una API de chat añade alrededor de los mensajes. Los de Claude y Gemini son estimaciones con proporciones de la documentación pensadas para el inglés, así que pueden fallar, sobre todo con coreano, japonés, código o números.
¿Cómo obtengo un recuento exacto para Claude o Gemini?
Usa los contadores de cada proveedor. Anthropic ofrece un endpoint gratuito de recuento de tokens (POST /v1/messages/count_tokens), que su documentación también describe como estimación. La API de Gemini tiene countTokens. Anthropic indica que los modelos Claude 4.7 y posteriores generan alrededor de un 30 % más de tokens para el mismo texto que los anteriores, así que cuenta con el modelo que vayas a usar.
¿Por qué hay dos codificaciones de OpenAI?
cl100k_base es el vocabulario antiguo y o200k_base el más nuevo y grande. Cuál usa cada modelo se rige por la lista de modelos de tiktoken. El mismo texto suele dar menos tokens con o200k_base.
¿Se envía mi texto a algún sitio?
No. El recuento se hace en tu navegador. La tabla del tokenizador se descarga una vez desde este sitio y tu texto nunca se sube.