Multimodale Bild-Token-Rechner
Eingaben
| Breite | 1.024 |
|---|---|
| Höhe | 1.024 |
| Detailstufe | Hohe Detailstufe |
| Grund-Token | 85 |
| Token pro Kachel | 170 |
Multimodale Bild-Token-Rechner
Schätzen Sie anhand der Pixelmaße und der Detailstufe, wie viele Token ein Bildmodell für ein Bild berechnet, auf Grundlage der dokumentierten Skalierungs- und Kachelabrechnung.
Eingaben
Bild
Token-Konstanten
Ergebnisse
Geben Sie einen Wert ein, um die Ergebnisse zu sehen.
Details
Multimodale Bild-Token
Wenn ein bildfähiges Sprachmodell ein Bild liest, berechnet es keine pauschale Gebühr — es wandelt das Bild in eine Token-Anzahl um und rechnet diese Token zum gleichen Satz wie Text ab. Die Anzahl hängt von den Pixelmaßen des Bildes und von der angeforderten Detailstufe ab und folgt einem dokumentierten Skalierungs- und Kachelverfahren. Dieser Rechner bildet dieses Verfahren nach, sodass Sie die Token-Kosten eines Bildes vor dem Senden schätzen können, was deshalb von Bedeutung ist, weil ein einzelnes hoch aufgelöstes Bild mehr Token kosten kann als ein Absatz Text.
Wie die Anzahl gebildet wird
Im Modus mit hoher Detailstufe skaliert das Modell das Bild in zwei Schritten und deckt es anschließend mit quadratischen Kacheln ab. Zunächst verkleinert es das Bild so, dass es in ein Quadrat von 2048 Pixeln passt, falls eine Seite diesen Wert überschreitet, wobei das Seitenverhältnis erhalten bleibt:
s1=min(1, max(w,h)2048)Dann skaliert es erneut, sodass die kürzere Seite 768 Pixel beträgt:
s2=min(w⋅s1, h⋅s1)768Das skalierte Bild der Maße wird in ein Raster aus 512-Pixel-Kacheln unterteilt, wobei auf jeder Achse aufgerundet wird, sodass auch Teilkacheln zählen:
k=⌈512w2⌉⋅⌈512h2⌉Jede Kachel kostet eine feste Anzahl Token, und eine pauschale Grundgebühr kommt hinzu, um die niedrig aufgelöste Übersicht abzudecken, die das Modell stets erhält:
timg=t0+ttile⋅kIm Modus mit niedriger Detailstufe entfällt das Kacheln vollständig und das Bild wird allein zu den Grundkosten abgerechnet, .
Rechenbeispiel
Nehmen Sie ein Bild von 1024×1024 in hoher Detailstufe, mit Grundkosten von 85 Token und 170 Token pro Kachel. Keine Seite überschreitet 2048, sodass die erste Skalierung es unverändert lässt; die zweite Skalierung bringt die kürzere Seite auf 768:
s2w2=h2=1024768=0,75=1024×0,75=768 pxDas Kachelraster ist
k=⌈512768⌉⋅⌈512768⌉=2×2=4und die Gesamtsumme ist
timg=85+170×4=765 TokenBei einem mittleren Eingabesatz von drei Dollar pro Million Token kostet dieses eine Bild etwa 0,0023 Dollar — für sich genommen gering, doch ein Stapel von Tausenden von Bildern beherrscht schnell ein reines Textbudget.
Hinweise und Varianten
Da die kürzere Seite vor dem Kacheln auf 768 Pixel festgelegt wird, erzeugt jedes Bild, das bereits diese Größe erreicht oder überschreitet, dasselbe Raster: Ein Foto von 4096×4096 wird mit denselben 765 Token abgerechnet wie das Beispiel mit 1024×1024 oben. Das Senden einer höheren Auflösung bringt jenseits der Obergrenze weder zusätzliche Details noch zusätzliche Kosten. Die genauen Konstanten — Grundkosten, Kachelgröße, die Schwellen 2048 und 768 — unterscheiden sich zwischen Anbietern und Modellversionen, behandeln Sie die Voreinstellungen hier daher als ein dokumentiertes Schema und nicht als allgemeingültige Regel.
Anwendung
Bild-Token fließen unmittelbar in die Abrechnung pro Aufruf ein: Addieren Sie sie zu den Text-Token des Prompts und bepreisen Sie die Summe mit Token-Kosten-Rechner. Wenn die Bilder selbst erzeugt statt gelesen werden, werden ihre Kosten separat von Bildgenerierungskosten-Rechner geschätzt.
Häufig gestellte Fragen (FAQ)
Wie bestimmt das Kacheln die Token-Anzahl?
Das Modell skaliert das Bild zunächst: Es verkleinert das Bild so, dass es in ein Quadrat von 2.048 Pixeln passt, falls eine Seite größer ist, und skaliert es anschließend erneut, sodass die kürzere Seite 768 Pixel beträgt. Das skalierte Bild wird in ein Raster aus 512-Pixel-Kacheln unterteilt, und jede Kachel kostet eine feste Anzahl Token.
Eine pauschale Grundgebühr kommt hinzu, um die niedrig aufgelöste Übersicht abzudecken, die das Modell ebenfalls erhält. Die Summe ergibt sich aus den Grundkosten zuzüglich der Kosten pro Kachel mal der Anzahl der Kacheln.
Was ist der Unterschied zwischen niedriger und hoher Detailstufe?
Die hohe Detailstufe führt das vollständige Skalierungs- und Kachelverfahren aus, sodass die Kosten mit der Bildgröße wachsen und das Modell feine Elemente wie kleinen Text lesen kann. Die niedrige Detailstufe überspringt das Kacheln vollständig und berechnet nur die pauschalen Grundkosten, wodurch das Modell eine einzelne grobe Übersicht zu einem festen, niedrigeren Preis erhält.
Die niedrige Detailstufe eignet sich für Bilder, bei denen nur der Gesamtinhalt zählt, etwa die Form eines Diagramms oder die Kategorie einer Szene.
Kostet das Senden eines größeren Bildes mehr?
Bis zu einem gewissen Punkt. Da das Bild so skaliert wird, dass seine kürzere Seite vor dem Kacheln 768 Pixel beträgt, erzeugt jedes Bild, das bereits diese Größe erreicht oder überschreitet, dasselbe Kachelraster und dieselbe Token-Anzahl.
Das Senden eines 4K-Fotos statt eines 1.024-Pixel-Bildes kostet daher bei hoher Detailstufe nicht mehr, während ein kleines Bild unter 768 Pixeln an der kürzeren Seite weniger Kacheln erzeugen kann. Die genaue Obergrenze und Kachelgröße hängen vom Modell ab.
Haftungsausschluss
Die Token-Abrechnung für Bilder variiert je nach Anbieter und Modell, und Anbieter überarbeiten sie im Laufe der Zeit. Die Voreinstellungen folgen einem dokumentierten Schema; bestätigen Sie die aktuellen Grundkosten, die Kachelgröße und die Skalierungsregeln für Ihr konkretes Modell, bevor Sie sich für die Abrechnung auf eine Zahl verlassen.