Tosea.ai LogoTosea.ai

Compteur de tokens LLM

Collez un prompt ou un document et découvrez exactement combien de tokens il utilise, avec les mêmes tokenizers que ceux utilisés par GPT, Qwen, GLM, Kimi et MiniMax. Examinez la répartition token par token, changez d’encodage et gérez votre budget en fonction des fenêtres de contexte. Votre texte ne quitte jamais le navigateur.

—tokens

o200k_base · Pour GPT-5 · GPT-4o · o-series
Encodage

Comptez précisément les tokens avec les vocabulaires officiels de GPT, Qwen, GLM, Kimi et MiniMax, puis examinez le découpage et les ID token par token — le tout localement dans votre navigateur.

Côté navigateur

Comment utiliser Compteur de tokens LLM

Étape 1

Collez ou saisissez du texte

Étape 2

Choisissez l’encodage : l’un des deux d’OpenAI, ou celui de Qwen/GLM/Kimi/MiniMax

Étape 3

Consultez le nombre en temps réel et la répartition colorée des tokens

Fonctionnalités

Vocabulaires officiels pour GPT et Qwen/GLM/Kimi/MiniMax, pas une approximation

Répartition token par token avec les identifiants — voyez où va chaque token

Fonctionne localement dans votre navigateur, rien n’est importé

Des comptages exacts avec six vocabulaires officiels

Le guide complet du comptage des tokens

Fonctionnement de cet outil

Le compteur de tokens découpe le texte à l’aide des mêmes encodages BPE que ceux utilisés par les modèles OpenAI, puis compte le résultat. Les tokens sont la monnaie commune de l’univers des LLM : les API les facturent, les fenêtres de contexte les limitent et les modèles les lisent. Que vous rédigiez des prompts, prépariez des fragments pour le RAG ou estimiez des coûts, la première étape consiste à savoir combien de tokens votre texte représente réellement.

Comment l’utiliser

  1. Collez votre texteInvites, documents ou code — plus le texte est long, plus il est utile de le compter d’abord.
  2. Choisissez le bon encodageo200k_base for GPT-5/4o/o-series, cl100k_base for GPT-4/3.5.
  3. Consultez le nombre de tokensLe comptage se fait en temps réel pendant la saisie ; le tableau d’encodage se charge une fois et reste disponible.
  4. Examinez le découpage coloréLes tokens adjacents alternent de couleur : voyez d’un coup d’œil ce qui est fragmenté et ce qui reste entier.
  5. Vérifiez les ID des tokens si nécessairePassez à la vue des ID pour afficher la séquence d’entiers réelle reçue par le modèle.

Spécifications et limites

Entrée
Aucun téléversement de fichier
Encodages
OpenAI ×2 · Qwen3.5 · GLM-5.2 · Kimi · MiniMax-M3
Base du comptage
BPE réel, pas une estimation
Vue fractionnée
Les 1500 premiers tokens colorés
Limite de comptage
Aucun (texte intégral)
Fonctionne hors ligne
Après le chargement du tableau

Les nombres sont exacts avec les vocabulaires officiels d’OpenAI (famille GPT), ainsi que de Qwen3.5, GLM-5.2, Kimi et MiniMax-M3. Claude et Gemini gardent leurs tokeniseurs privés : considérez donc ces nombres comme des estimations. Les vocabulaires pèsent de 1 à 4 Mo ; ils sont téléchargés une seule fois lors de la première utilisation, puis mis en cache.

Conseils pour de meilleurs résultats

  • Le chinois coûte plus cher que l’anglaisEn chinois, un même sens nécessite souvent 1,5 à 2 fois plus de tokens — prévoyez un budget par langue dans les applications multilingues.
  • Le code se fragmente en morceauxL’indentation, les symboles et le camelCase ajoutent tous des tokens — comptez-les avant de coller un fichier volumineux.
  • Laissez de la place dans la fenêtreL’entrée et la sortie partagent la fenêtre de contexte ; un prompt à la limite ne laisse plus de place pour la réponse.
  • Les prompts système sont aussi facturésIls sont renvoyés à chaque requête — un long prompt système représente un coût récurrent caché.
  • Découpez les données RAG par tokensLe découpage en segments basé sur les tokens plutôt que sur les caractères permet de conserver une densité constante dans les extraits de recherche.
  • Tenez compte des tokens structurelsLa mise en forme du chat ajoute quelques tokens structurels ; l’utilisation réelle dépasse donc légèrement le nombre de tokens du texte.

Pourquoi choisir Tosea.ai

Estimation : caractères ÷ 4

Fonctionne à peine pour l’anglais, mais donne des résultats très erronés pour le chinois et le code.

Champ d’utilisation de l’API

Exact, mais nécessite un appel payant — inutile pendant la rédaction d’un prompt.

Tosea.ai counter

Encodages identiques, comptage exact et local, en temps réel pendant la saisie, gratuit.

Considérez les tokens comme un budget : vos prompts deviennent plus précis et moins coûteux. Utilisez cet outil avec le vérificateur d’empreinte de l’API LLM pour vérifier l’authenticité de votre endpoint, ou convertissez des PDF en présentations avec l’IA — créez et vérifiez votre workflow IA au même endroit.

Outils associés

Dans le navigateurVérificateur d’empreinte d’API LLMLes empreintes comportementales révèlent le véritable modèleIAPDF vers PPTChaque page recréée sous forme de diapositives modifiables, pas de captures d’écranDans le navigateurTest de lisibilitéSignale les polices minuscules et les lignes trop chargéesDans le navigateurGénérateur de codes QRTransformez n’importe quel lien ou texte en code QR localement

FAQ

Compteur de tokens LLM FAQ

Ces réponses expliquent ce que fait l'outil, les fichiers pris en charge et les limites actuelles.

Qu’est-ce qu’un token exactement ?
Les tokens sont les fragments qu’un modèle de langage lit réellement — généralement quelques caractères, parfois un mot entier. Les mots anglais courants correspondent souvent à un seul token, tandis que les mots rares, le code et les écritures non latines sont découpés en plusieurs tokens. La tarification des API et les limites de contexte sont toutes deux exprimées en tokens.
Quel encodage choisir ?
o200k_base couvre GPT-5, GPT-4o et la série o ; cl100k_base couvre GPT-4 et GPT-3.5. Pour Qwen, GLM, Kimi et MiniMax, choisissez simplement le vocabulaire du même nom. En cas de doute, utilisez o200k_base.
Le nombre s’applique-t-il à Claude ou Gemini ?
Qwen3.5, GLM-5.2, Kimi et MiniMax-M3 sont fournis avec leurs vocabulaires officiels : les nombres sont donc exacts. Claude et Gemini gardent leurs tokeniseurs privés — considérez ces nombres comme des estimations : les budgets approximatifs de tokens restent comparables d’un modèle à l’autre.
Mon texte est-il envoyé à un serveur ?
Non. Le tokeniseur s’exécute entièrement dans votre navigateur. La table d’encodage est téléchargée une seule fois sous forme de fichier statique, et votre texte ne quitte jamais votre appareil.