ホーム AI・LLM 画像入力トークン数の計算 作成日: 2026年7月20日 21:33 画像入力トークン数の計算 入力 幅1,024高さ1,024ディテール高ディテールベーストークン85タイルあたりのトークン170 AI・LLM 画像入力トークン数の計算 ビジョンモデルが画像に課金するトークン数を、ピクセル寸法とディテール設定から見積もります。公表されているリサイズ・タイル分割の計算方式を用います。 入力 画像 幅 ≥ 1 モデルに送る画像の幅（ピクセル）。画像は内部でリサイズされてからタイル分割されるため、ここで効いてくるのは元の解像度です。 高さ ≥ 1 モデルに送る画像の高さ（ピクセル）。 ディテール 高ディテール 高ディテールは画像をタイルに分割し、タイルごとに課金します。低ディテールはサイズに関わらず一律のコストで課金し、精度と引き換えに固定で安価な料金になります。 トークン定数 結果 値を入力すると計算結果が表示されます。 画像トークン 画像に課金される合計トークン（...）。ベースコストに、高ディテール時はタイルあたりのコスト×... タイルを加えたものです。 詳細 タイル数 リサイズ後の画像を覆う 512 ピクセルのタイルの枚数（...）。高ディテールモードでは各タイルがタイルあたりのコストを加算します。 共有 レポートを印刷 リセット 埋め込み この計算機を埋め込む プレビュー このコードをページに貼り付けると計算機を表示できます。 コードをコピー この計算を共有 このリンクを開くと、入力した値がそのまま表示されます。 リンクをコピー 共有する XFacebookLINE メール 最終更新: 2026-06-22 画像入力トークン ビジョン対応の言語モデルが画像を読むとき、料金は定額ではありません。画像をトークン数に変換し、そのトークンをテキストと同じ単価で課金します。トークン数は画像のピクセル寸法と要求したディテールレベルによって決まり、公表されているリサイズ・タイル分割の手順に従います。この計算では同じ手順を再現するため、画像を送る前にトークンコストを見積もれます。高解像度の画像1枚が、ひとつの段落のテキストより多くのトークンを要することもあるため、この見積もりは重要です。 トークン数の組み立て方 高ディテールモードでは、モデルは画像を2段階でリサイズしてから正方形のタイルで覆います。まず、どちらかの辺が 2048 ピクセルを超える場合は、縦横比を保ったまま 2048 ピクセルの正方形に収まるよう縮小します。 s1=min (1, 2048max(w,h))s_1 = \min\!\left(1,\ \frac{2048}{\max(w, h)}\right)s1=min(1, max(w,h)2048) 次に、短辺が 768 ピクセルになるよう再び縮小します。 s2=768min(w⋅s1, h⋅s1)s_2 = \frac{768}{\min(w \cdot s_1,\ h \cdot s_1)}s2=min(w⋅s1, h⋅s1)768 リサイズ後の画像（寸法 w2×h2w_2 \times h_2）は 512 ピクセルのタイルの格子に分割されます。端数のタイルも数えるよう、各軸で切り上げます。 k=⌈w2512⌉⋅⌈h2512⌉k = \left\lceil \frac{w_2}{512} \right\rceil \cdot \left\lceil \frac{h_2}{512} \right\rceilk=⌈512w2⌉⋅⌈512h2⌉ 各タイルは一定数のトークンを要し、さらにモデルが常に受け取る低解像度の概観分として一律のベースコストが加わります。 timg=t0+ttile⋅kt_{img} = t_0 + t_{tile} \cdot ktimg=t0+ttile⋅k 低ディテールモードではタイル分割を完全に省き、画像はベースコストのみで課金されます（timg=t0t_{img} = t_0）。 計算例 高ディテールの 1024×1024 画像を、ベースコスト 85 トークン、タイルあたり 170 トークンで考えます。どちらの辺も 2048 を超えないため、1段階目の縮小では変化せず、2段階目で短辺が 768 になります。 s2=7681024=0.75w2=h2=1024×0.75=768 px\begin{aligned} s_2 &= \frac{768}{1024} = 0.75 \\ w_2 = h_2 &= 1024 \times 0.75 = 768 \text{ px} \end{aligned}s2w2=h2=1024768=0.75=1024×0.75=768 px タイル格子は次のようになります。 k=⌈768512⌉⋅⌈768512⌉=2×2=4\begin{aligned} k &= \left\lceil \frac{768}{512} \right\rceil \cdot \left\lceil \frac{768}{512} \right\rceil = 2 \times 2 = 4 \end{aligned}k=⌈512768⌉⋅⌈512768⌉=2×2=4 合計は次のとおりです。 timg=85+170×4=765 トークン\begin{aligned} t_{img} &= 85 + 170 \times 4 = 765 \text{ トークン} \end{aligned}timg=85+170×4=765 トークン 入力料金が中位の100万トークンあたり3ドルの場合、この画像1枚のコストはおよそ 0.0023 ドルです。1枚ではわずかですが、数千枚の画像を一括処理すると、テキストだけの予算をたちまち圧倒します。 補足とバリエーション 短辺はタイル分割の前に 768 ピクセルに固定されるため、すでにその大きさ以上の画像はどれも同じ格子になります。4096×4096 の写真は、上の 1024×1024 の例と同じ 765 トークンで課金されます。上限を超えて高解像度を送っても、得られる細部もかかるコストも増えません。正確な定数（ベースコスト・タイルサイズ・2048 と 768 のしきい値）はプロバイダーやモデルのバージョンによって異なるため、ここでの既定値は普遍的な規則ではなく、公表されている方式の一つとして扱ってください。 活用 画像トークンはそのまま呼び出しごとの料金に反映されます。プロンプトのテキストトークンに足し合わせ、合計を トークンコスト計算 で価格化してください。画像を読むのではなく生成する場合は、そのコストを 画像生成コストの計算 で別に見積もります。 よくある質問 (FAQ)タイル分割はどのようにトークン数を決めるのですか。モデルはまず画像をリサイズします。どちらかの辺が大きい場合は 2048 ピクセルの正方形に収まるよう縮小し、続いて短辺が 768 ピクセルになるよう再び縮小します。リサイズ後の画像は 512 ピクセルのタイルの格子に分割され、各タイルが一定数のトークンを要します。 さらに、モデルが受け取る低解像度の概観分として、一律のベースコストが上乗せされます。合計は、ベースコストにタイルあたりのコスト×タイル数を加えたものです。 低ディテールと高ディテールの違いは何ですか。高ディテールはリサイズとタイル分割の手順をすべて実行するため、コストは画像サイズとともに増え、小さな文字などの細部もモデルが読み取れます。低ディテールはタイル分割を行わず、一律のベースコストのみを課金し、固定の安価な料金で粗い概観を1枚だけモデルに渡します。低ディテールは、グラフの形状や場面の種類など、全体的な内容だけが重要な画像に適しています。 大きい画像を送るとコストは増えますか。ある程度までです。画像はタイル分割の前に短辺が 768 ピクセルになるようリサイズされるため、すでにその大きさ以上の画像はどれも同じタイル格子になり、同じトークン数になります。したがって 1024 ピクセルの画像の代わりに 4K 写真を送っても、高ディテールでのコストは変わりません。一方、短辺が 768 ピクセル未満の小さな画像は、タイル数が少なくなることがあります。正確な上限やタイルサイズはモデルによって異なります。 免責事項 ビジョンのトークン課金はプロバイダーやモデルによって異なり、時とともに見直されます。既定値は公表されている方式の一つに従っています。請求の根拠にする前に、対象のモデルについて最新のベースコスト・タイルサイズ・リサイズ規則を確認してください。これは参考情報であり、課金額を保証するものではありません。 次のおすすめ トークンコスト計算 入力トークン数と出力トークン数、モデルの100万トークンあたり単価から、大規模言語モデル（LLM）への単一API呼び出しにかかるコストを算出します。入力と出力は別々に課金されます。 詳しく解説画像生成コストの計算 生成する画像の枚数と、選んだ解像度・品質での1枚あたり単価から、AI画像APIで画像を生成する料金を任意の通貨で見積もります。 詳しく解説 200+ ツール · 10 言語対応 · 完全無料 推論・サービングの他の計算 トークンあたりFLOPsの計算バッチ推論スループットの計算モデルFLOPs利用率の計算画像入力トークン数の計算実効トークン毎秒の計算推論スループットの計算 +2 more Show less 推論レイテンシの計算投機的デコーディングの高速化の計算 AI・LLMの他のカテゴリ コスト・料金 1ドルあたりトークン数の計算GPU クラウド費用を計算GPU利用率コストの計算LLMファインチューニング費用の計算LLMレート制限の計画LLM学習のカーボンフットプリントの計算LLM学習時間とコストの計算LLM月額コストの計算エージェントコストの計算コンテキストコストの増加の計算コンテキスト長の判定システムプロンプトの償却コストトークンから単語数への変換トークンコスト計算バッチAPIの節約額の計算プロンプトキャッシュの節約額の計算ベクトルDBコストの計算ベクトルDBサイズの計算音声合成コストの計算音声文字起こしコストの計算画像生成コストの計算関数呼び出しのトークンオーバーヘッド構造化出力のトークンオーバーヘッド自己ホストとAPIの損益分岐の計算推論エネルギーコストの計算埋め込みコストの計算学習・スケーリング Chinchilla最適トークン数LLMトレーニングVRAMの計算LoRA の学習パラメータ数を計算データセットのトークン数の計算データ並列スケーリングの計算パイプライン並列のバブルの計算学習FLOPsの計算学習率ウォームアップの計算計算最適なモデルサイズ計算予算から求めるエポック数勾配累積のメモリ計算実効バッチサイズの計算ハードウェア・メモリ KVキャッシュサイズの計算LLM推論のVRAM計算MoE のアクティブパラメータ数を計算Transformerのパラメータ数の計算アテンションメモリの計算モデルに必要なGPU台数の計算モデルのダウンロード時間の計算量子化によるモデルサイズの計算RAG・埋め込み RAGチャンク分割の設計評価 A/Bテスト有意性の計算LLM評価のサンプルサイズの計算pass@k の計算パープレキシティの計算すべてのツール コサイン類似度の計算 この計算機は役に立ちましたか？ 役に立った 改善が必要 改善が必要 どのような点が改善されると良いですか？ フィードバックを送信 Powered by OneCalc ↗
最終更新: 2026-06-22 画像入力トークン ビジョン対応の言語モデルが画像を読むとき、料金は定額ではありません。画像をトークン数に変換し、そのトークンをテキストと同じ単価で課金します。トークン数は画像のピクセル寸法と要求したディテールレベルによって決まり、公表されているリサイズ・タイル分割の手順に従います。この計算では同じ手順を再現するため、画像を送る前にトークンコストを見積もれます。高解像度の画像1枚が、ひとつの段落のテキストより多くのトークンを要することもあるため、この見積もりは重要です。 トークン数の組み立て方 高ディテールモードでは、モデルは画像を2段階でリサイズしてから正方形のタイルで覆います。まず、どちらかの辺が 2048 ピクセルを超える場合は、縦横比を保ったまま 2048 ピクセルの正方形に収まるよう縮小します。 s1=min (1, 2048max(w,h))s_1 = \min\!\left(1,\ \frac{2048}{\max(w, h)}\right)s1=min(1, max(w,h)2048) 次に、短辺が 768 ピクセルになるよう再び縮小します。 s2=768min(w⋅s1, h⋅s1)s_2 = \frac{768}{\min(w \cdot s_1,\ h \cdot s_1)}s2=min(w⋅s1, h⋅s1)768 リサイズ後の画像（寸法 w2×h2w_2 \times h_2）は 512 ピクセルのタイルの格子に分割されます。端数のタイルも数えるよう、各軸で切り上げます。 k=⌈w2512⌉⋅⌈h2512⌉k = \left\lceil \frac{w_2}{512} \right\rceil \cdot \left\lceil \frac{h_2}{512} \right\rceilk=⌈512w2⌉⋅⌈512h2⌉ 各タイルは一定数のトークンを要し、さらにモデルが常に受け取る低解像度の概観分として一律のベースコストが加わります。 timg=t0+ttile⋅kt_{img} = t_0 + t_{tile} \cdot ktimg=t0+ttile⋅k 低ディテールモードではタイル分割を完全に省き、画像はベースコストのみで課金されます（timg=t0t_{img} = t_0）。 計算例 高ディテールの 1024×1024 画像を、ベースコスト 85 トークン、タイルあたり 170 トークンで考えます。どちらの辺も 2048 を超えないため、1段階目の縮小では変化せず、2段階目で短辺が 768 になります。 s2=7681024=0.75w2=h2=1024×0.75=768 px\begin{aligned} s_2 &= \frac{768}{1024} = 0.75 \\ w_2 = h_2 &= 1024 \times 0.75 = 768 \text{ px} \end{aligned}s2w2=h2=1024768=0.75=1024×0.75=768 px タイル格子は次のようになります。 k=⌈768512⌉⋅⌈768512⌉=2×2=4\begin{aligned} k &= \left\lceil \frac{768}{512} \right\rceil \cdot \left\lceil \frac{768}{512} \right\rceil = 2 \times 2 = 4 \end{aligned}k=⌈512768⌉⋅⌈512768⌉=2×2=4 合計は次のとおりです。 timg=85+170×4=765 トークン\begin{aligned} t_{img} &= 85 + 170 \times 4 = 765 \text{ トークン} \end{aligned}timg=85+170×4=765 トークン 入力料金が中位の100万トークンあたり3ドルの場合、この画像1枚のコストはおよそ 0.0023 ドルです。1枚ではわずかですが、数千枚の画像を一括処理すると、テキストだけの予算をたちまち圧倒します。 補足とバリエーション 短辺はタイル分割の前に 768 ピクセルに固定されるため、すでにその大きさ以上の画像はどれも同じ格子になります。4096×4096 の写真は、上の 1024×1024 の例と同じ 765 トークンで課金されます。上限を超えて高解像度を送っても、得られる細部もかかるコストも増えません。正確な定数（ベースコスト・タイルサイズ・2048 と 768 のしきい値）はプロバイダーやモデルのバージョンによって異なるため、ここでの既定値は普遍的な規則ではなく、公表されている方式の一つとして扱ってください。 活用 画像トークンはそのまま呼び出しごとの料金に反映されます。プロンプトのテキストトークンに足し合わせ、合計を トークンコスト計算 で価格化してください。画像を読むのではなく生成する場合は、そのコストを 画像生成コストの計算 で別に見積もります。 よくある質問 (FAQ)タイル分割はどのようにトークン数を決めるのですか。モデルはまず画像をリサイズします。どちらかの辺が大きい場合は 2048 ピクセルの正方形に収まるよう縮小し、続いて短辺が 768 ピクセルになるよう再び縮小します。リサイズ後の画像は 512 ピクセルのタイルの格子に分割され、各タイルが一定数のトークンを要します。 さらに、モデルが受け取る低解像度の概観分として、一律のベースコストが上乗せされます。合計は、ベースコストにタイルあたりのコスト×タイル数を加えたものです。 低ディテールと高ディテールの違いは何ですか。高ディテールはリサイズとタイル分割の手順をすべて実行するため、コストは画像サイズとともに増え、小さな文字などの細部もモデルが読み取れます。低ディテールはタイル分割を行わず、一律のベースコストのみを課金し、固定の安価な料金で粗い概観を1枚だけモデルに渡します。低ディテールは、グラフの形状や場面の種類など、全体的な内容だけが重要な画像に適しています。 大きい画像を送るとコストは増えますか。ある程度までです。画像はタイル分割の前に短辺が 768 ピクセルになるようリサイズされるため、すでにその大きさ以上の画像はどれも同じタイル格子になり、同じトークン数になります。したがって 1024 ピクセルの画像の代わりに 4K 写真を送っても、高ディテールでのコストは変わりません。一方、短辺が 768 ピクセル未満の小さな画像は、タイル数が少なくなることがあります。正確な上限やタイルサイズはモデルによって異なります。 免責事項 ビジョンのトークン課金はプロバイダーやモデルによって異なり、時とともに見直されます。既定値は公表されている方式の一つに従っています。請求の根拠にする前に、対象のモデルについて最新のベースコスト・タイルサイズ・リサイズ規則を確認してください。これは参考情報であり、課金額を保証するものではありません。
