Contador de tokens
Mira cuántos tokens ocupa tu texto en ChatGPT y otros modelos de IA, y una estimación para Claude. Nada sale de tu navegador.
Cargando Contador de tokens… Si no ocurre nada, activa JavaScript.
Los modelos de lenguaje no leen caracteres ni palabras, leen tokens: fragmentos cortos de texto sacados de un vocabulario fijo con el que se entrenó el modelo. Los precios, los límites de uso y las ventanas de contexto se miden en tokens, así que saber cuántos usa un prompt te dice cuánto costará una petición y si un documento largo cabe. Pega texto, un prompt o un archivo de código en este contador y lo divide en tokens con las mismas tablas de byte pair encoding que usa OpenAI: o200k_base para GPT-4o, GPT-4.1, los modelos de razonamiento de la serie o y la familia GPT-5, y cl100k_base para GPT-4 y GPT-3.5 Turbo. Junto al número de tokens obtienes caracteres, palabras, líneas y la media de caracteres por token, una forma rápida de ver lo eficiente que es la codificación de un idioma o de un formato.
Preguntas frecuentes
¿Se sube mi texto a algún sitio?
¿Qué codificación debo elegir?
¿El recuento de tokens GPT es exacto?
¿Qué precisión tiene la estimación para Claude?
¿Cómo obtengo el recuento exacto de tokens de Claude?
¿Qué me dice la proporción de caracteres por token?
¿Qué es la barra de ventana de contexto?
¿Por qué las mismas palabras se dividen distinto según dónde estén?
¿Puedo contar los tokens de un archivo?
Acerca de Contador de tokens
La vista de tokens de debajo muestra exactamente dónde caen los cortes, con cada token sobre un fondo alterno y la opción de ver los ID numéricos en lugar del texto. Resulta útil cuando un prompt se comporta de forma rara: ves que un espacio inicial forma parte de la palabra siguiente, que un número largo se parte en grupos de tres cifras o que una palabra en español o japonés necesita varios tokens donde su equivalente en inglés necesita uno. El código, el JSON y el texto minificado suelen gastar más tokens por carácter que la prosa, y la proporción de caracteres por token lo deja a la vista. Para que la página vaya fluida solo se dibujan los primeros 2000 tokens, pero los recuentos cubren siempre el texto completo.
Los modelos Claude usan su propio tokenizador, y Anthropic no lo publica en una forma que pueda ejecutarse en el navegador. Por eso la cifra de Claude es una estimación, calculada a partir del recuento o200k_base con un rango de factores, y aparece marcada como tal. Los modelos Claude más recientes (Opus 4.7 y posteriores, y los modelos Fable) usan un tokenizador que genera bastantes más tokens para el mismo texto que las versiones anteriores, así que toma el extremo superior del rango como cifra prudente para planificar y usa el endpoint count_tokens de la API de Anthropic cuando necesites el número exacto. Todo se ejecuta en local: las tablas del tokenizador se cargan desde este sitio y tu texto nunca se envía a ningún sitio.
El byte pair encoding nació como un truco de compresión
El algoritmo que hay detrás de estos tokenizadores no se inventó para modelos de lenguaje. Philip Gage describió el byte pair encoding en 1994 en The C Users Journal como un método sencillo de compresión de datos: buscar el par de bytes contiguos más frecuente, sustituirlo por un byte que no aparezca en los datos y repetir hasta que ningún par sea lo bastante común como para compensar.
En 2015, Rico Sennrich y sus colegas adaptaron la idea a la traducción automática neuronal. En lugar de comprimir un archivo, usaron la misma fusión voraz para construir un vocabulario de unidades más pequeñas que la palabra, de modo que un modelo de traducción pudiera manejar palabras raras y nombres propios montándolos con piezas conocidas. GPT-2, de OpenAI, llevó el proceso en 2019 hasta los bytes en bruto, lo que permitió codificar cualquier cadena, en cualquier idioma o con cualquier emoji, sin recurrir a un token desconocido.
Ese diseño a nivel de byte explica por qué un solo emoji puede ocupar varios tokens y por qué una palabra se puede partir por sitios inesperados: el vocabulario refleja qué secuencias de bytes eran frecuentes en los datos de entrenamiento, no cómo pensamos las personas en las palabras. También explica por qué los vocabularios no paran de crecer, de unas 50 000 entradas en GPT-2 a unas 100 000 en cl100k_base y 200 000 en o200k_base, y cada salto permite que el texto habitual quepa en menos tokens.