Token-Zähler für LLMs

Was möchtest du tun?

Bis zu 2.000.000 UTF-16-Codeeinheiten (etwa 2 MB). Beim Verlassen der Seite wird nichts gespeichert.

OpenAI-Kodierung

Gezählt auf deinem Gerät: Der Text wird nicht hochgeladen, nicht gespeichert und nicht in Links übernommen. Kosten eines ganzen Agenten-Workflows planen

Füge Text ein, um seine Tokens zu zählen

Gezählt auf deinem Gerät: Der Text wird nicht hochgeladen, nicht gespeichert und nicht in Links übernommen.

Über dieses Tool

Füge einen Prompt, ein Dokument oder ein Stück Code ein, und der Zähler zeigt, wie viele Tokens es sind. Die OpenAI-Kodierungen o200k_base und cl100k_base werden exakt gezählt, mit demselben Tokenizer, den die Modelle verwenden, direkt in deinem Browser. Claude und Gemini werden anhand der Verhältnisse geschätzt, die Anthropic und Google veröffentlichen; jede Schätzung ist mit ≈ markiert.

Noch kein Text? Wechsle zu Wörter ↔ Tokens und beantworte Fragen wie „Wie viele Tokens sind 1000 Wörter?“ oder „Wie viele Wörter passen in 200.000 Tokens?“. Beide Modi zeigen, welchen Anteil des Kontextfensters jedes Modells die Zahl belegt, von den 200K von Claude Haiku 4.5 bis zu den 10 Millionen Tokens von Llama 4 Scout.

So funktioniert es

Text zählen: Füge den Text ins Feld ein oder tippe ihn. Beim ersten Mal erscheint die GPT-Zahl nach einem Moment, während der Tokenizer lädt; danach geht es fast sofort, und sehr lange Texte werden im Hintergrund gezählt, damit die Seite flüssig bleibt. Wähle cl100k_base für GPT-4, GPT-3.5 und die text-embedding-3-Modelle; o200k_base gilt für GPT-4o, GPT-4.1, die GPT-5-Familie und die o-Serie.

Wörter ↔ Tokens: Gib an, ob deine Zahl Wörter oder Tokens sind, und tippe sie ein. Jede Modellfamilie bekommt einen eigenen Wert, weil sich die Tokenizer unterscheiden: Claude-Modelle ab Opus 4.7 nutzen einen neueren Tokenizer, der für denselben Text mehr Tokens erzeugt.

Um Tokens in Geld umzurechnen, nutze den KI-Agenten-Kostenrechner: Dort trägst du Input- und Output-Preise deines Modells, Caching und Wiederholungen ein.

Beispiel

„Hello world“ sind 2 Tokens in o200k_base. Der Text hat 11 Zeichen, also schätzt der Zähler für Claude 11 ÷ 2,5 = 4,4, angezeigt als ≈ 4; für Claude-Modelle vor Opus 4.7 sind es 4,4 ÷ 1,3 ≈ 3 und für Gemini 11 ÷ 4 ≈ 3.

Ein Manuskript mit 150.000 Wörtern hat mit dem aktuellen Claude-Tokenizer etwa 270.270 Tokens (150.000 ÷ 0,555), also 27,0 % eines 1M-Fensters. Mit dem früheren Claude-Tokenizer sind es etwa 200.000 Tokens (150.000 ÷ 0,75) – genau das 200K-Fenster von Claude Haiku 4.5.

Annahmen und Grenzen

Exakt sind nur die OpenAI-Zahlen, und nur für Modelle mit der gewählten Kodierung. Die Kodierung von GPT-6 ist nicht veröffentlicht, deshalb nutzt seine Zeile die o200k_base-Zahl als Näherung. Die Werte für Claude und Gemini sind Schätzungen aus Herstellerverhältnissen für englischen Text; bei Code, Zahlen und anderen Sprachen kann es deutlich abweichen. Selbst Anthropics eigener Zähl-Endpunkt liefert eine Schätzung. Meta veröffentlicht kein Verhältnis für Llama, daher nutzen die Llama-Zeilen die GPT-Zahl.

Gezählt wird nur der Text. Eine Chat-Anfrage fügt pro Nachricht ein paar Tokens für Rollen und Formatierung hinzu, dazu kommen System-Prompt, Tool-Definitionen und Bilder. Texte sind auf 2.000.000 UTF-16-Codeeinheiten begrenzt.

Häufig gestellte Fragen

Warum ist die GPT-Zahl exakt, Claude aber nur geschätzt?

OpenAI veröffentlicht seine Tokenizer, daher kann dieselbe Kodierung in deinem Browser laufen und die Zahl liefern, die auch die API zählt. Anthropic und Google stellen für ihre aktuellen Modelle keine herunterladbaren Tokenizer bereit. Anthropic bietet zwar einen kostenlosen Zähl-Endpunkt an, der braucht aber einen API-Schlüssel, und die Doku nennt das Ergebnis eine Schätzung. Eine öffentliche Seite kann also nur die veröffentlichten Verhältnisse anwenden.

Verbrauchen Claude Opus 4.7 und neuere Modelle wirklich mehr Tokens?

Ja. Laut Anthropics Doku zum Token-Zählen verwenden Claude-Modelle ab 4.7 einen neueren Tokenizer, und derselbe Text ergibt dort etwa 30 Prozent mehr Tokens als bei früheren Modellen; wie viel genau, hängt vom Inhalt ab. Deshalb zeigt der Zähler zwei Claude-Zeilen. Zähle Prompts neu, statt Werte von einem älteren Modell zu übernehmen.

Wie viele Tokens sind 1000 Wörter?

Etwa 1333 Tokens bei GPT (OpenAIs Faustregel: 100 Tokens ≈ 75 Wörter), etwa 1802 bei Claude Opus 4.7 und neuer (1M Tokens ≈ 555.000 Wörter), etwa 1333 bei früheren Claude-Modellen und etwa 1429 bei Gemini (100 Tokens ≈ 60–80 Wörter). Das gilt für englischen Text; Deutsch und andere Sprachen brauchen meist mehr Tokens pro Wort.

Wird mein Text hochgeladen oder gespeichert?

Nein. Gezählt wird auf deinem Gerät, der Text geht nie an einen Server, wird nicht im Browser gespeichert und landet nie in einem Link. „Link kopieren“ teilt nur die Einstellungen, etwa die Kodierung oder eine Wort- oder Tokenzahl. Beim Neuladen der Seite ist der Text weg.

Was ist ein Kontextfenster?

Die höchste Zahl an Tokens, die ein Modell in einer Anfrage verarbeitet, einschließlich deiner Eingabe und bei den meisten Modellen auch der Antwort. Passen Dokument, Anweisungen und erwartete Antwort zusammen nicht hinein, scheitert die Anfrage oder der Text muss geteilt werden. Die Ansicht nutzt die von den Herstellern veröffentlichten Fenster, geprüft am angegebenen Datum.

So werden die Schätzungen berechnet

C ist die Zahl der Zeichen, W die der Wörter, T die Tokens und r die Wörter pro Token, die jeder Hersteller für Englisch veröffentlicht.

TClaude≈C2,5,TClaude<4.7≈TClaude1,3,TGemini≈C4T_{\text{Claude}} \approx \frac{C}{2{,}5},\quad T_{\text{Claude}<4.7} \approx \frac{T_{\text{Claude}}}{1{,}3},\quad T_{\text{Gemini}} \approx \frac{C}{4}
T≈Wr,r=0,75 (GPT), 0,555 (Claude), 0,75 (Claude<4.7), 0,7 (Gemini)T \approx \frac{W}{r},\quad r = 0{,}75\ (\text{GPT}),\ 0{,}555\ (\text{Claude}),\ 0{,}75\ (\text{Claude}<4.7),\ 0{,}7\ (\text{Gemini})

Quellen und Stand

Jedes Verhältnis und jedes Kontextfenster unten wurde am 24. Oktober 2026 an der Quelle geprüft.

  • OpenAI: 1 Token ≈ 4 Zeichen ≈ ¾ Wort; 100 Tokens ≈ 75 Wörter. GPT (OpenAI)
  • Anthropic: 1M Tokens ≈ 555.000 Wörter oder 2,5M Unicode-Zeichen mit dem Tokenizer, der mit Claude Opus 4.7 kam. Claude, ab Opus 4.7
  • Anthropic: Frühere Modelle fassten etwa 750.000 Wörter in 1M Tokens; der neuere Tokenizer erzeugt für denselben Text etwa 30 % mehr Tokens. Claude vor Opus 4.7
  • Google: Ein Token entspricht etwa 4 Zeichen; 100 Tokens ≈ 60–80 englische Wörter. Gemini
  • Exakte Zählung: die Open-Source-Bibliothek gpt-tokenizer und OpenAIs Zuordnung von Modellen zu Kodierungen in tiktoken. gpt-tokenizer, tiktoken model.py
  • Meta nennt die Kontextlängen von Llama 4, aber keine Zeichen oder Wörter pro Token. Llama 4
Kontextfenster in der Ansicht
ModellKontextfenster (Tokens)Verwendete Zahl
GPT-5.51.050.000GPT (OpenAI)
GPT-6 Astra, Sol, Luna1.050.000maximaler Input 922.000GPT (OpenAI) (Näherung)
Claude Fable 5.1, Opus 5.5, Sonnet 5.5, Haiku 5.51.000.000Claude, ab Opus 4.7
Claude Haiku 4.5200.000Claude vor Opus 4.7
Gemini 3.8 Flash1.048.576Gemini
Llama 4 Maverick1.000.000GPT (OpenAI) (Näherung)
Llama 4 Scout10.000.000GPT (OpenAI) (Näherung)
Link mit deinen Werten

Hänge diese Parameter an die Adresse dieser Seite an, um sie mit bereits ausgefüllten Werten zu öffnen, etwa um eine Berechnung zu teilen oder aus einem KI-Assistenten darauf zu verlinken. Das Ergebnis wird im Browser berechnet: Das HTML der Seite zeigt ein Beispiel mit den Standardwerten, und das Tool setzt das Attribut data-url-params, sobald die Werte aus dem Link übernommen sind.

ParameterWertWenn nicht angegeben
modeWas möchtest du tun?einer von: text, wordsStandard: text
textZu zählender Textin Links nicht erlaubt: auf der Seite eingeben
encodingOpenAI-Kodierungeiner von: o200k_base, cl100k_base; verwendet bei mode = textStandard: o200k_base
wordsWörterganze Zahl; erlaubt 1–100000000; verwendet bei mode = wordserforderlich
tokensTokensganze Zahl; erlaubt 1–100000000; verwendet bei mode = wordserforderlich

Beispiele

  • ?encoding=cl100k_base
  • ?words=1000
  • ?mode=words&tokens=200000

Schreibe Dezimalzahlen mit Punkt. Kodiere ein Leerzeichen als %20, + als %2B, # als %23 und & als %26.

Ergebniselemente: [data-result-block="token-count"]