Estimate token counts and API costs for OpenAI, Anthropic, Google, Meta & DeepSeek models.
LLM API prices are per 1M tokens as of June 2026 and may change without notice. Token estimates use model-specific chars-per-token ratios and may vary ±10-20% from actual counts.
LLMs don't read characters — they read tokens. A tokenizer (BPE or SentencePiece, e.g. GPT's cl100k_base/o200k_base, Claude's tokenizer, Gemini's SentencePiece) splits text into subword units, and English averages roughly 4 characters per token (CJK and dense code can differ). This tool estimates input tokens as ceil(chars ÷ charsPerToken) for each model, then computes cost as tokens ÷ 1,000,000 × per-1M price for input and output and sums them. It also shows what fraction of the model's context window the call would consume.
A token is often a whole common word, or a subword chunk of a longer word. Because each model ships its own tokenizer and its own per-1M prices, the same prompt yields slightly different token counts and costs across providers.
Ken, an app developer, is about to call an LLM endpoint with a 1,024-character prompt and wants to know which model is cheapest before the invoice lands.
To calculate token costs: enter your expected token usage and select a provider (OpenAI, Anthropic, Google) — the tool compares per-token pricing and projects monthly costs.
FreeToolHub Token Calculator is a free browser-based tool that estimates API token costs across LLM providers, no signup.
Estimez les tokens et les coûts d'API pour GPT-4o, Claude, Gemini, Llama et plus. Comparez les prix entre 12+ modèles. Gratuit, dans le navigateur.
Ce calculateur estime combien de tokens votre texte consomme parmi les grands modèles de langage et combien ces tokens coûtent aux prix d'API actuels. Collez ou tapez votre invite, et l'outil estime le nombre de tokens en utilisant le ratio de caractères-par-token typique de chaque famille, environ quatre caractères par token pour l'anglais sur les modèles de type GPT, puis projette le coût d'entrée, et, lorsque vous ajoutez une longueur de réponse attendue, le coût de sortie par 1 000 appels. Un tableau de comparaison liste 12 modèles ou plus incluant GPT-4o, GPT-4o mini, Claude, Gemini et les modèles Llama à poids ouvert avec leurs taux d'entrée et de sortie, afin que vous puissiez voir d'un coup d'œil que des charges de travail identiques peuvent différer de 10 à 50 fois en prix entre les modèles de pointe et les petits modèles. Une barre de fenêtre de contexte montre à quel point votre texte remplit la fenêtre de chaque modèle.
Les développeurs budgétisant une fonctionnalité IA avant le lancement estiment les dépenses mensuelles en tarifant des invites représentatives au lieu d'attendre une facture surprise. Les ingénieurs de prompts comparent le poids en token des instructions verbeuses par rapport aux instructions compressées, puisque les invites système accompagnent chaque appel. Les responsables de produits choisissant entre modèles voient quand le modèle peu coûteux gère le travail et où le modèle de pointe justifie sa prime. Les équipes de contenu alimentant de longs documents apprennent où le découpage devient obligatoire. Les étudiants et chercheurs estimant des exécutions par lots à l'échelle d'une thèse obtiennent des budgets d'ordre de grandeur. Quiconque change de fournisseur après un changement de prix réévalue le prix de sa bibliothèque d'invites existante en un seul collage.
(1) Collez votre texte ; les comptes en direct se mettent à jour au fur et à mesure que vous tapez, montrant les caractères, les mots et les tokens estimés par famille de modèle. (2) Ajoutez les tokens de sortie attendus si vous voulez le coût complet de l'aller-retour, les tokens de sortie coûtent généralement 3 à 5 fois plus que les tokens d'entrée sur le même modèle. (3) Définissez le nombre d'appels par jour ou par mois pour convertir le coût unitaire en budget. (4) Lisez le tableau des modèles : chaque ligne montre l'estimation de tokens de ce modèle pour votre texte, le prix d'entrée et de sortie par million de tokens, et votre coût projeté, trié pour que l'option capable la moins chère apparaisse. Un indicateur de contexte marque quelle fraction de la fenêtre de chaque modèle votre invite consomme, signalant là où la dégradation de contexte long et les coûts augmentent tous les deux.
Chaque famille de modèle utilise son propre tokenizer, l'encodeur de paires d'octets qui divise le texte en tokens, et les différences ne sont pas cosmétiques. Le même paragraphe en anglais peut différer de 10 à 20 % en nombre de tokens entre les tokenizers GPT et Claude, et les écarts s'élargissent sur le texte non anglais, où un caractère CJK peut coûter un token ou se fragmenter en plusieurs. Le code est tokenisé différemment encore, avec les langages sensibles aux espaces parfois gonflant les comptes. Les fournisseurs facturent avec leur propre tokenizer, donc le nombre qui compte est celui du fournisseur, et cet outil fournit des estimations par famille pour exactement cette raison. Les leviers pratiques suivants : compressez les invites système, supprimez les champs JSON redondants, regroupez les courtes requêtes, mettez en cache les préfixes répétés là où l'API prend en charge le caching des prompts, et acheminez le trafic facile vers les petits modèles, les cinq mouvements qui réduisent généralement les factures LLM de moitié sans toucher à la qualité.
Pour le texte en anglais, environ quatre caractères ou 0,75 mot par token sur les deux tokenizers GPT et Claude. Le texte non anglais, en particulier les langues CJK, peut consommer 1–3 tokens par caractère.
Multipliez les tokens d'entrée par le taux d'entrée, les tokens de sortie par le taux de sortie, et ajustez par le volume d'appels. Les tokens de sortie coûtent généralement 3 à 5 fois plus que les tokens d'entrée sur le même modèle — collez votre invite dans le calculateur pour obtenir des chiffres exacts sur 12+ modèles.
Chaque famille de modèle utilise son propre tokenizer. Le même paragraphe peut différer de 10–20 % entre les tokenizers GPT et Claude, et les fournisseurs facturent avec leur propre tokenizer — donc budgétisez avec des estimations par famille, pas un seul compte universel.
Compressez les invites système, mettez en cache les préfixes répétés là où c'est pris en charge, regroupez les courtes requêtes, acheminez le trafic facile vers les petits modèles, et supprimez les champs JSON redondants. Ensemble, ces réductions coupent généralement les dépenses de moitié sans toucher à la qualité de sortie.
Il utilise les règles de tokenisation spécifiques au modèle (GPT-4o utilise o200k_base à ~4 caractères/token ; Claude utilise un BPE similaire à ~3,8 caractères/token). Collez votre texte pour obtenir des comptes de tokens exacts pour l'entrée et la sortie, puis multipliez par les taux d'API actuels. Un document de 1 000 mots est d'environ 1 300-1 400 tokens selon le modèle.
Entrez votre longueur moyenne de prompt, de réponse et votre volume quotidien de requêtes. Aux taux de GPT-4o ($2,50/1M tokens d'entrée, $10/1M tokens de sortie), 1 000 requêtes/jour avec des prompts de 500 tokens et des réponses de 800 tokens coûtent environ $117/mois. L'outil compare les coûts entre GPT-4o, Claude, Gemini et DeepSeek simultanément.
It uses model-specific tokenization rules (GPT-4o uses o200k_base at ~4 chars/token; Claude uses a similar BPE at ~3.8 chars/token). Paste your text to get exact token counts for input and output, then multiply by current API rates. A 1,000-word document is roughly 1,300-1,400 tokens depending on the model.
Enter your average prompt length, response length, and daily request volume. At GPT-4o rates ($2.50/1M input, $10/1M output tokens), 1,000 requests/day with 500-token prompts and 800-token responses costs approximately $117/month. The tool compares costs across GPT-4o, Claude, Gemini, and DeepSeek simultaneously.
Cet outil est aussi connu sous ces tâches — chaque lien ouvre le même outil avec un guide ciblé :
What do you call a really smart cookie?
No signups, no data sold. Every tool is free to use — the free tier allows 5 downloads or saves per day, and the optional Pro plan ($7/mo, $59/yr) adds unlimited downloads, batch processing, white-label exports and an ad-free experience.
☕Support me on Ko-fi— support the free tier100% of proceeds go towards hosting & building more free tools.