Token Counter

Qué hace este Token Counter

Esta versión en español del Token Counter analiza cualquier fragmento de texto y devuelve el recuento de tokens estimado para los principales modelos de lenguaje: GPT-4o, GPT-3.5, Claude, Gemini y Llama. A diferencia de otros contadores que te obligan a elegir un solo modelo, aquí ves las cinco familias en paralelo, lo que te permite detectar diferencias reales de tokenización antes de hacer una llamada a la API. El Diccionario de la lengua española de la RAE registra 93 236 entradas en su 23.ª edición — un volumen que, comprimido en tokens, varía notablemente entre modelos. Esa variación tiene impacto directo en coste y en el límite de contexto disponible. 100% en el navegador — tus datos nunca salen de tu equipo. Sin subidas, sin tracking, sin logs en servidor. No necesitas cuenta, ni clave de API, ni conexión a ningún servicio externo.

Características

• Comparación entre 5 modelos. Muestra el recuento de tokens para GPT-4o, GPT-3.5, Claude, Gemini y Llama en una sola pasada. Identifica qué modelo es más eficiente para tu texto concreto sin cambiar de pestaña.
• Estimación de coste por modelo. Proyecta el coste aproximado en USD usando las tarifas públicas de entrada y salida de cada proveedor, para que puedas presupuestar llamadas a la API antes de ejecutarlas.
• Estadísticas de texto integradas. Además de tokens, la herramienta reporta caracteres, palabras y oraciones. Útil para verificar límites editoriales o revisar prompts extensos. Un artículo medio de Wikipedia ronda las 689 palabras — aquí lo compruebas al instante.
• Privacidad garantizada por diseño. Todo el procesamiento ocurre en tu navegador con JavaScript local. Ningún fragmento de texto se transmite a un servidor externo, lo que lo hace seguro para código propietario, datos confidenciales o contratos.
• Sin cuenta ni API key. No requiere registro, autenticación ni clave de ningún proveedor. Abre la herramienta y empieza a contar. Compatible con cualquier navegador moderno sin extensiones adicionales.
• Resultados copiables al instante. Copia el desglose de tokens con un clic para pegarlo en hojas de cálculo, tickets de Jira o documentos de planificación. También puedes usar el [codificador y decodificador URL](/es/url-encoder/) si necesitas preparar parámetros para una llamada a la API.

Cómo usar el Token Counter

Pega tu texto en el área de entrada y pulsa «Calcular». Los resultados aparecen en menos de un segundo.

1. Pega o escribe el texto. Introduce cualquier texto: un prompt de sistema, un fragmento de código, un artículo o una cadena JSON. Por ejemplo: {"role": "user", "content": "Resume este artículo en tres puntos."} — el contador procesará el texto completo incluyendo llaves y comillas.
2. Pulsa «Calcular». La herramienta tokeniza el texto usando las reglas aproximadas de cada familia de modelos y calcula el total de tokens, palabras, caracteres y oraciones.
3. Revisa el desglose por modelo. Compara la columna de tokens para GPT-4o, Claude, Gemini y Llama. Los modelos usan vocabularios distintos, por lo que el mismo texto puede producir recuentos que difieren un 10–30%.
4. Analiza el coste estimado. Observa la proyección de coste en USD. Si el importe supera tu presupuesto, acorta el prompt o elige el modelo más económico para esa longitud.
5. Copia los resultados. Usa el botón «Copiar» para llevarte el resumen a tu hoja de planificación o al hilo de tu equipo. Si además manejas identificadores únicos en tus llamadas, el [generador UUID](/es/uuid-generator/) puede complementar tu flujo.

Casos de uso comunes

• Optimizar prompts para bajar costes de API. Equipos de producto en Buenos Aires o Sevilla que llaman a la API de OpenAI varias veces al día usan el contador para identificar qué secciones del prompt consumen más tokens y recortarlas sin perder contexto relevante.
• Verificar que el contexto cabe en la ventana del modelo. Antes de enviar un documento largo a GPT-4o (128 k tokens) o a Claude (200 k), comprueba aquí si el texto supera el límite. Evitas errores de contexto excedido en producción.
• Presupuestar proyectos de IA antes de firmar un contrato. Consultoras y agencias que desarrollan aplicaciones con LLM pueden estimar el gasto mensual en tokens a partir de textos de muestra, sin necesidad de hacer llamadas reales a la API.
• Formación y docencia sobre modelos de lenguaje. Profesores y divulgadores tecnológicos — lectores habituales de Xataka o Microsiervos — usan la comparativa de modelos para ilustrar de forma visual cómo varían los vocabularios de tokenización entre GPT, Claude y Gemini.
• Auditoría de prompts multilingües. El español genera, en promedio, más tokens que el inglés para el mismo contenido semántico. Comprobarlo aquí permite ajustar límites en aplicaciones internacionales que atienden usuarios en San Juan, Madrid o Ciudad de México.

Preguntas frecuentes