इमेज टोकन कैलकुलेटर
1920 × 1080 इमेज Claude Haiku 4.5 पर 1,560 इनपुट टोकन (1456 × 819 तक छोटी, ⌈w/28⌉ × ⌈h/28⌉), Claude Opus 5.5 पर 2,691, high detail पर GPT-4.1 में 1,105 और Gemini 3 पर 1,120 टोकन की है; प्रदाताओं के दस्तावेज़ 16 अक्टूबर 2026 को जांचे गए।
कैसे इस्तेमाल करें
- कोई आम साइज़ चुनें या इमेज की चौड़ाई और ऊंचाई पिक्सल में लिखें।
- कितनी इमेज भेजेंगे यह लिखें और detail स्तर (हाई या लो) चुनें।
- टेबल देखें: हर मॉडल के लिए प्रति इमेज टोकन, कुल टोकन और इनपुट लागत। कोष्ठक में दिया साइज़ वह है जिस तक मॉडल इमेज को छोटा करता है।
गणना कैसे होती है
OpenAI पैच मॉडल (GPT-6 Astra, GPT-5.5): इमेज को detail बॉक्स में फिट किया जाता है (low के लिए 512 × 512), फिर 32 × 32 पिक्सल के पैच से ढका जाता है। गिनती पैच बजट (high में 2,500) से ज़्यादा हो तो इमेज तब तक छोटी होती है जब तक फिट न हो। टोकन = पैच × 1.2, ऊपर की ओर पूर्णांक। OpenAI गाइड का उदाहरण: high में 2048 × 2048 बनता है 1600 × 1600 = 2,500 पैच = 3,000 टोकन।
OpenAI टाइल मॉडल (GPT-4.1, GPT-4o mini): low में इमेज के सिर्फ़ बेस टोकन लगते हैं। high में इसे 2048 × 2048 में फिट करके छोटी भुजा 768 की जाती है और 512 पिक्सल की टाइलें गिनी जाती हैं। टोकन = बेस + टाइल × टाइल टोकन (GPT-4.1 में 85 + हर टाइल 170, GPT-4o mini में 2,833 + 5,667)। 1024 × 1024 बनता है 768 × 768, 4 टाइल, 765 टोकन।
Claude: टोकन = ⌈चौड़ाई ÷ 28⌉ × ⌈ऊंचाई ÷ 28⌉। गिनने से पहले इमेज को उस सबसे बड़े साइज़ तक छोटा किया जाता है जिसमें दोनों भुजाएं 1568 px तक और लागत 1,568 टोकन तक रहे (Haiku 4.5), या Claude 4.7 और बाद के मॉडल में 2576 px और 4,784 टोकन। यह टूल Anthropic दस्तावेज़ का संदर्भ कोड चलाता है: 1920 × 1080 स्टैंडर्ड टियर में 1456 × 819 = 1,560 टोकन और हाई रिज़ॉल्यूशन टियर में 2,691 टोकन है।
Gemini 3: हर media_resolution स्तर का तय मान, low में 280 और डिफ़ॉल्ट व high में 1,120 टोकन। Gemini 2.5: जिस इमेज की दोनों भुजाएं 384 px तक हों वह 258 टोकन, बड़ी इमेज 768 × 768 की टाइलों में बंटती है और हर टाइल 258 टोकन।
लागत = टोकन × इमेज की संख्या × LLM API लागत कैलकुलेटर की कीमत तालिका से प्रति दस लाख टोकन स्टैंडर्ड इनपुट कीमत। स्रोत: developers.openai.com/api/docs/guides/images-vision, platform.claude.com/docs/en/build-with-claude/vision और vision-coordinates, ai.google.dev/gemini-api/docs/media-resolution और docs/tokens, सभी 16 अक्टूबर 2026 को जांचे गए।
आम साइज़ के टोकन
| साइज़ | GPT-5.5 high | GPT-4.1 high | Claude Opus 5.5 | Claude Haiku 4.5 | Gemini 3 |
|---|---|---|---|---|---|
| 1024 × 1024 | 1,229 | 765 | 1,369 | 1,369 | 1,120 |
| 1920 × 1080 | 2,448 | 1,105 | 2,691 | 1,560 | 1,120 |
| 3840 × 2160 | 2,765 | 1,105 | 4,784 | 1,560 | 1,120 |
इमेज कम खर्च में कैसे भेजें
- अपलोड से पहले छोटा करें। ऊपर के हर मॉडल की पढ़ने की एक सीमा है, उससे ज़्यादा पिक्सल सिर्फ़ अपलोड का समय बढ़ाते हैं।
- जब फ़ोटो का सिर्फ़ मोटा अंदाज़ा चाहिए, OpenAI मॉडल में low इस्तेमाल करें। low में GPT-4.1 पर एक इमेज, साइज़ चाहे जो हो, 85 टोकन की होती है।
- काम का हिस्सा ही काटकर भेजें। एक डायलॉग का स्क्रीनशॉट पूरी 4K स्क्रीन से कहीं सस्ता है और मॉडल छोटे अक्षर बेहतर पढ़ता है।
अक्सर पूछे जाने वाले सवाल
1024 × 1024 इमेज कितने टोकन की है?
high पर GPT-5.5 और GPT-6 Astra में लगभग 1,229, GPT-4.1 में 765, Claude में 1,369 और डिफ़ॉल्ट रिज़ॉल्यूशन पर Gemini 3 में 1,120 टोकन।
क्या Claude का पुराना नियम चौड़ाई × ऊंचाई ÷ 750 अब भी सही है?
नहीं। Anthropic के मौजूदा दस्तावेज़ 28 × 28 पिक्सल के पैच गिनते हैं। 1000 × 1000 इमेज 1,296 टोकन की है, जबकि पुराना नियम 1,333 देता था।
कुछ मॉडल में 4K इमेज की लागत 1080p जितनी क्यों है?
क्योंकि मॉडल पहले इमेज छोटी करता है। Claude Haiku 4.5 दोनों, 1920 × 1080 और 3840 × 2160, को 1456 × 819 कर देता है और GPT-4.1 दोनों को टाइल गिनने से पहले 1365 × 768 कर देता है।
क्या लागत बिल्कुल सटीक है?
टोकन की गिनती प्रकाशित नियमों के अनुसार है। लागत स्टैंडर्ड इनपुट कीमत पर है, इसमें बैच छूट, कैश इनपुट और प्रॉम्प्ट का टेक्स्ट शामिल नहीं। प्रदाता की ओर से राउंडिंग से गिनती एक टोकन बदल सकती है।