BroadRouter

Токены изображений (image tokens)

Обновлено

Токены изображений — это входные токены, которыми визуально-языковая модель представляет картинку в промпте. Провайдеры вычисляют их по размеру изображения, обычно после масштабирования разбивая его на патчи или плитки фиксированного размера, и тарифицируют как текстовые входные токены, поэтому большие изображения стоят дороже.

Также называют: токены изображений, токены картинки, стоимость изображения в токенах, сколько токенов занимает картинка, визуальные токены, image tokens, image token cost, vision tokens, image input tokens

Модель не умеет читать пиксели напрямую. Она читает изображение как последовательность токенов, и в большинстве API вы платите за каждый из них.

Как это работает

Провайдеры масштабируют изображение под свои ограничения, режут его на маленькие квадраты и считают их. Правила у всех разные.

Anthropic. Документация Claude говорит, что каждый патч 28×28 пикселей — это один “visual token” (перевод: «визуальный токен»), поэтому изображение стоит ⌈width / 28⌉ × ⌈height / 28⌉ токенов. Изображения, превышающие максимум по длинной стороне или по числу токенов, уменьшаются. На стандартном уровне предел — 1 568 px и 1 568 токенов; на уровне высокого разрешения (Claude 4.7 и новее) — 2 576 px и 4 784 токена.

Изображение Стандартный уровень Высокое разрешение
200×200 64 64
1000×1000 1 296 1 296
1920×1080 1 560 (уменьшено до 1456×819) 2 691

OpenAI. Новые модели считают патчи по 32 пикселя, ceil(width/32) × ceil(height/32), применяют бюджет патчей конкретной модели, а затем умножают на коэффициент модели. Пример OpenAI для одной из моделей: изображение 1024×1024 — это 1 024 патча, а 1 024 × 1,2 с округлением вверх дают 1 229 токенов. Старые модели, например GPT-4o, используют плитки по 512 пикселей: базовые 85 токенов плюс 170 за каждую плитку, или только базовые токены при detail: low.

Поэтому одна и та же фотография на разных моделях может стоить совсем разное число токенов. Сравнить поможет калькулятор токенов изображений.

Почему это важно

  • Стоимость. Изображение 1000×1000 по таблице Anthropic занимает в Claude 1 296 токенов. При больших объёмах уменьшение картинок перед отправкой заметно снижает стоимость входа.
  • Компромисс с точностью. Уменьшенное изображение экономит токены, но мелкий текст может стать нечитаемым. Для OCR счетов и анкет найдите минимальный размер, при котором текст всё ещё читается правильно.
  • Контекст. Токены изображений заполняют контекстное окно так же, как текст. В многоходовом диалоге каждое повторно отправленное изображение оплачивается снова.

В BroadNet Inference

Изображения на вход принимают DeepSeek V4.1 Flash, Qwen3.8 27B и Gemma 4 VL 26B; картинка передаётся в содержимом сообщения как base64 data: URL. Справочник API BroadNet говорит: “On a pay-as-you-go key an image counts as input tokens at the model’s input price, and a larger image uses more tokens. On a plan, images are part of the plan’s unlimited use.” (перевод: «На ключе с оплатой по факту изображение считается входными токенами по цене входа модели, и чем больше изображение, тем больше токенов. На тарифе изображения входят в безлимитное использование тарифа».) Например, токены изображений для Gemma 4 VL 26B тарифицируются по $0.10 за 1 млн входных токенов. BroadNet не публикует формулу пересчёта изображения в токены, поэтому смотрите usage.prompt_tokens в ответе, чтобы узнать, во сколько обошлась картинка. Полный пример есть в руководстве по арабским счетам, а сравнение цен — в статье самый дешёвый vision LLM API.

Вопросы и ответы

Большая картинка всегда стоит дороже?

До определённого предела. И OpenAI, и Anthropic описывают уменьшение изображений сверх максимального размера, так что после этой границы число токенов перестаёт расти. Ниже неё больше пикселей — больше патчей и больше токенов.

Учитываются ли токены изображений в контекстном окне?

Да. Это входные токены, поэтому много крупных изображений в одном запросе могут занять контекстное окно и удорожить каждый следующий ход диалога, в котором они отправляются повторно.

Есть ли калькулятор токенов для изображений?

Да. Наш калькулятор токенов изображений применяет опубликованное правило каждого провайдера к размерам вашей картинки и показывает число токенов.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity