---
title: "什么是图像 token？大模型 API 如何为图片输入计费 | BroadRouter"
description: "图像 token 是视觉模型为你发送的每张图片计算的输入 token。OpenAI 和 Anthropic 如何按图片尺寸计算，以及如何估算费用。"
url: https://broadrouter.com/zh/glossary/image-tokens/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/glossary/image-tokens/)（2026-11-15 更新）。

# 图像 token（image tokens）

更新于 2026-11-15

图像 token 是视觉语言模型用来在提示词中表示一张图片的输入 token。服务商根据图片尺寸计算其数量，通常是先缩放、再切成固定大小的图块，并像文本输入 token 一样计费，所以图片越大越贵。

又称： 图像 token、图片 token、图片 token 计算、图片输入费用、视觉 token、image tokens、image token cost、vision tokens、image input tokens

模型无法直接读取像素。它把图片读成一串 token，而在大多数 API 上，每个 token 都要付费。

## 原理

服务商先把图片缩放到符合其限制的尺寸，再切成小方块计数。各家的规则不同。

**Anthropic。** Claude 的文档说，每个 28×28 像素的图块是一个 “visual token”（视觉 token），所以一张图片的 token 数是 `⌈width / 28⌉ × ⌈height / 28⌉`。长边或 token 数超过上限的图片会被缩小。标准档的上限是 1,568 px 和 1,568 个 token；高分辨率档（Claude 4.7 及之后）是 2,576 px 和 4,784 个 token。

| 图片 | 标准档 | 高分辨率档 |
| --- | --- | --- |
| 200×200 | 64 | 64 |
| 1000×1000 | 1,296 | 1,296 |
| 1920×1080 | 1,560（缩放到 1456×819） | 2,691 |

**OpenAI。** 较新的模型按 32 像素图块计数，即 `ceil(width/32) × ceil(height/32)`，再套用各模型的图块预算，然后乘以模型系数。OpenAI 针对某个模型给出的示例：1024×1024 的图片是 1,024 个图块，1,024 × 1.2 向上取整为 1,229 个 token。GPT-4o 等较老的模型使用 512 像素的图块：基础 85 个 token，每个图块再加 170 个；在 `detail: low` 时只计基础 token。

所以同一张照片在不同模型上的 token 数可能差别很大。可以用[图像 token 计算器](https://broadrouter.com/tools/image-token-calculator/)对比。

## 为什么重要

-   **费用。** 按 Anthropic 的表格，一张 1000×1000 的图片在 Claude 上是 1,296 个 token。量大时，发送前先缩小图片可以明显降低输入费用。
-   **准确率的取舍。** 缩小图片能省 token，但小字可能就认不出来了。对发票或表单做 [OCR](https://broadrouter.com/zh/glossary/ocr/) 时，请测试仍能正确识别的最小尺寸。
-   **上下文。** 图像 token 和文本一样占用[上下文窗口](https://broadrouter.com/zh/glossary/context-window/)。在多轮对话中，每次重新发送的图片都会再计费一次。

## 在 BroadNet Inference 上

[DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/)、[Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 和 [Gemma 4 VL 26B](https://broadrouter.com/zh/models/gemma-4-vl-26b/) 支持图片输入，以 base64 `data:` URL 的形式放在消息内容中发送。BroadNet 的 API 参考写道：“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.”（译文：在按量付费密钥上，图片按模型的输入价格计为输入 token，图片越大用的 token 越多。在套餐上，图片属于套餐的不限量使用。）例如，Gemma 4 VL 26B 的图像 token 按每百万输入 token $0.10 计费。BroadNet 没有公布按图片计算 token 的公式，所以请查看响应中的 `usage.prompt_tokens`，了解一张图片花了多少。[阿拉伯语发票指南](https://broadrouter.com/zh/guides/read-arabic-invoices-with-vision/)有完整示例，[最便宜的视觉大模型 API](https://broadrouter.com/zh/blog/cheapest-vision-llm-api/) 对比了价格。

## 常见问题

### 图片越大一定越贵吗？

有上限。OpenAI 和 Anthropic 都写明会把超过最大尺寸的图片缩小，所以超过这个点后 token 数不再增加。在上限以内，像素越多，图块越多，token 也越多。

### 图像 token 计入上下文窗口吗？

计入。它们是输入 token，所以一次请求里放很多大图会占满上下文窗口，而且之后每一轮重新发送这些图片时都会抬高费用。

### 有图像 token 计算器吗？

有。我们的图像 token 计算器会按各服务商公布的规则，根据你的图片尺寸算出 token 数。

## 另请参阅

-   [视觉语言模型（VLM，vision-language model）](https://broadrouter.com/zh/glossary/vision-language-model/)（术语）
-   [多模态 AI（multimodal AI）](https://broadrouter.com/zh/glossary/multimodal/)（术语）
-   [输入 token 与输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)（术语）
-   [Token（词元）](https://broadrouter.com/zh/glossary/token/)（术语）
-   [光学字符识别（OCR）](https://broadrouter.com/zh/glossary/ocr/)（术语）
-   [上下文窗口（context window）](https://broadrouter.com/zh/glossary/context-window/)（术语）
-   [用视觉模型识别阿拉伯语发票和收据](https://broadrouter.com/zh/guides/read-arabic-invoices-with-vision/)（指南）
-   [最便宜的视觉大模型 API：每张图片和每页文档的成本算法](https://broadrouter.com/zh/blog/cheapest-vision-llm-api/)（文章）
-   [用视觉大模型把发票、收据和表单数据提取为 JSON](https://broadrouter.com/zh/blog/extract-data-from-documents-with-vision-llm/)（文章）

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-image-tokens&utm_content=page-cta) ·

**来源**

-   [OpenAI API 文档：图像与视觉，费用计算（2026-11-15 查阅）](https://developers.openai.com/api/docs/guides/images-vision)
-   [Anthropic：Claude 视觉文档，分辨率与 token 费用（2026-11-15 查阅）](https://platform.claude.com/docs/en/build-with-claude/vision)
-   [BroadNet Inference API 参考：带图片的对话（2026-11-15 查阅）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-image-tokens&utm_content=sources)
