Funcionalidades Principais
Todo o processamento é executado inteiramente no seu navegador. Nenhum texto colado, documento enviado ou conteúdo de imagem sai do seu dispositivo local em nenhum momento. Apenas metadados públicos de modelos podem ser atualizados remotamente para ajustes de preço.
Os tipos de entrada suportados incluem texto simples, arquivos de código (JavaScript, TypeScript, Python, Go, Rust, Java, C/C++, HTML, CSS, XML, YAML, TOML, SQL, shell), arquivos de dados (CSV, JSON), PDF baseado em texto, DOCX e formatos de imagem raster (PNG, JPEG, WebP, GIF). O tamanho máximo de cada arquivo para envio é de 12 MB. PDFs digitalizados são rejeitados automaticamente para evitar retornar resultados de contagem de tokens enganosamente baixos.
A ferramenta suporta 35 modelos atuais de 9 provedores principais de LLM: OpenAI, Anthropic, Google, DeepSeek, Qwen, Moonshot Kimi, xAI Grok, Z.ai GLM e Meta. Ela exibe a contagem de tokens de entrada, o status de enquadramento na janela de contexto e o custo estimado de entrada para cada modelo.
Metodologia de Cálculo
As contagens de tokens do OpenAI usam a tokenização BPE o200k_base local exata para 100% de precisão. As contagens de tokens de Claude, Gemini e DeepSeek usam Projeções de Tokens UTF-8 calibradas pelo provedor, determinísticas, e os resultados são explicitamente marcados como projetados e não exatos. Os cálculos de tokens de imagem seguem as regras de tokens visuais publicadas por cada provedor, incluindo parâmetros de patch, tile e capacidade de detalhe. A ferramenta nunca gera uma estimativa inventada para um modelo que não tenha regras de tokens de imagem documentadas publicamente.
Os dados de preço são atualizados do registro público do Models.dev, com uma versão de fallback armazenada offline disponível para uso quando não houver conexão de rede. Todas as taxas listadas incluem itens separados para tokens de entrada padrão, tokens de entrada em cache com desconto e tokens de saída por milhão de unidades.
Workflows Suportados
Planejamento de ingestão de base de conhecimento
Envie um PDF baseado em texto, combine-o com instruções de prompt e compare o enquadramento do payload total no contexto e o custo de entrada em todos os provedores antes de processar o conjunto completo de documentos para sistemas RAG.
Orçamento de requisições de visão
Combine uma imagem com o texto de prompt correspondente, depois calcule o volume total de tokens e o custo estimado para requisições multimodais em todos os modelos de visão suportados.
Estimativa de revisão de repositório de código
Anexe vários arquivos de código, configuração e documentação como uma única carga de trabalho para encontrar modelos que tenham capacidade de janela de contexto suficiente para processar o trecho completo da base de código em uma única requisição.
Comparação de processamento de dados em lote
Combine dados CSV estruturados com instruções de processamento para comparar o custo por requisição entre provedores para cargas de trabalho de processamento em lote recorrentes, para selecionar a opção de menor custo que atenda aos seus requisitos de taxa de transferência.
Limitações
PDFs não textuais digitalizados não são suportados e precisam de OCR externo para extrair texto legível antes da contagem. A ferramenta retorna estimativas para contagens de tokens de texto que não são do OpenAI e valores de tokens de imagem, que podem diferir levemente das contagens retornadas diretamente pelas APIs dos provedores, devido a wrappers de processamento interno dos provedores e tokens de sistema ocultos. O faturamento final de cada provedor de LLM continua sendo a fonte oficial dos custos reais.
Comentários