實用工具
輸入
結果
結果會顯示在這裡。上下文長度上限、速率限制和帳單，計量單位都是 Token 而不是字元，而兩者的比例會隨語言大幅變動：英文大約四個字元一個 Token，中文則常常接近一個字就一個 Token。這個工具使用與 OpenAI 模型相同的位元組對編碼（BPE）表來計算任何文字的 Token 數——GPT-4o、GPT-4.1、GPT-5 和 o 系列用 o200k_base，GPT-4、GPT-3.5 以及 text-embedding-3 模型用 cl100k_base。底層是 gpt-tokenizer（niieani/gpt-tokenizer，MIT），這是 openai/tiktoken 的純 JavaScript 移植版，輸出與 tiktoken 逐個 Token 一致；我們的測試會在英文、中文、中英混合文字和程式碼上直接拿它與 tiktoken 比對。
它是怎麼運作的
- 只會下載你選擇的那一種編碼，它是一個獨立的程式碼區塊，大小約數 MB；下載之後，計算全在你的瀏覽器中進行，文字不會傳送到任何地方。
- Token 邊界檢視以 │ 分隔各個 Token，換行顯示為 ↵、定位字元顯示為 →。被編碼拆成多個位元組 Token 的中文字或 emoji 只顯示一次，並以小小的上標註明它佔了幾個 Token。
- 像 <|endoftext|> 這類字串會當成一般文字計算而不會被拒絕，這與它出現在訊息內容中時 API 的處理方式相同。
- Token ID 檢視列出模型實際收到的數字 ID；兩種檢視都只顯示前 20,000 個 Token，但計數永遠涵蓋全部文字。
你的資料去了哪裡
哪也沒去。本工具完全在你的瀏覽器裡執行：你貼上的文字由頁面處理，不會傳輸到任何伺服器，也不會寫進任何紀錄。
本工具免費且免登入，執行結果只存在於你目前的頁面裡，不會被儲存到任何地方。
它要花多少
本工具完全免費，不需要登入，也不消耗點數。
常見問題
- 對 Claude、Gemini、Llama 或 DeepSeek 來說，這個數字準確嗎？
- 不準確。每家廠商都訓練自己的分詞器，同一段文字在各家模型上會得到不同的 Token 數。對其他現代模型的英文文字而言，o200k_base 的數字是合理的估計，通常誤差在 10–20% 以內，但中文或程式碼可能差得更多。需要精確數字時，請用廠商自己的計數端點，例如 Anthropic 的 count_tokens 或 Gemini 的 countTokens。
- 該選哪一種編碼？
- OpenAI 目前的模型都選 o200k_base：GPT-4o、GPT-4.1、GPT-5，以及 o1/o3/o4 推理模型。GPT-4、GPT-4 Turbo、GPT-3.5 Turbo，以及 text-embedding-3 和 ada-002 嵌入模型則選 cl100k_base。o200k_base 的詞彙表大了一倍，所以同一段非英文文字用它通常會少掉相當多的 Token。
- 為什麼一次聊天請求用掉的 Token 比這裡顯示的多？
- 因為 API 會替每則訊息包上幾個自己的格式 Token——每則訊息約三個，另外還有三個用來引導回覆——函式或工具定義也會計入。這個工具計算的是你貼上的文字，也就是精簡提示詞時需要的數字；要估算完整請求時，請替每則訊息再加上這幾個 Token。
- 為什麼一個中文字有時會算成兩三個 Token？
- 位元組對編碼處理的是 UTF-8 位元組，而一個中文字佔三個位元組。常用的字和詞有自己專屬的 Token，但比較罕見的字會被拆成幾個位元組片段，每個片段各算一個 Token。邊界檢視中的上標（例如 ⁽²⁾）標示的正是這些字。
背後的開源專案
本工具執行在 niieani/gpt-tokenizer 之上，以 MIT 授權發布。如果你需要在自己的程式裡實作同樣的能力，直接用這個函式庫。
niieani/gpt-tokenizer也常被稱作
- token 計算
- openai token 計算器
- gpt token 數
- tiktoken 線上
- o200k_base
- 中文 token 數