Tokens verstehen und zählen

Gemini und andere generative KI-Modelle verarbeiten Ein- und Ausgabe auf einer Granularitätsebene, die als Token bezeichnet wird.

Bei Gemini-Modellen entspricht ein Token etwa vier Zeichen. 100 Tokens entsprechen etwa 60–80 Wörtern.

Tokens

Tokens können einzelne Zeichen wie z oder ganze Wörter wie cat sein. Lange Wörter werden in mehrere Tokens aufgeteilt. Die Menge aller vom Modell verwendeten Tokens wird als Vokabular bezeichnet. Der Vorgang, Text in Tokens aufzuteilen, wird als Tokenisierung bezeichnet.

Wenn die Abrechnung aktiviert ist, werden die Kosten eines Aufrufs der Gemini API unter anderem durch die Anzahl der Eingabe- und Ausgabetokens bestimmt. Es kann also hilfreich sein, zu wissen, wie Tokens gezählt werden.


Tokens in einem Colab zählen

Sie können das Zählen von Tokens mit einem Colab ausprobieren.

Auf ai.google.dev ansehen Colab-Notebook ausprobieren Notebook auf GitHub ansehen

Kontextfenster

Die über die Gemini API verfügbaren Modelle haben Kontextfenster, die in Tokens gemessen werden. Das Kontextfenster definiert, wie viele Eingaben Sie bereitstellen können und wie viele Ausgaben das Modell generieren kann. Sie können die Größe des Kontextfensters ermitteln, indem Sie den getModels-Endpunkt aufrufen oder in der Dokumentation zu Modellen nachsehen.

Im folgenden Beispiel sehen Sie, dass das gemini-2.0-flash-Modell ein Eingabelimit von etwa 1.000.000 Tokens und ein Ausgabelimit von etwa 8.000 Tokens hat. Das Kontextfenster umfasst also 1.000.000 Tokens.

from google import genai

client = genai.Client()
model_info = client.models.get(model="gemini-2.0-flash")
print(f"{model_info.input_token_limit=}")
print(f"{model_info.output_token_limit=}")
# ( e.g., input_token_limit=30720, output_token_limit=2048 )
count_tokens.py

Tokens zählen

Alle Ein- und Ausgaben der Gemini API werden tokenisiert, einschließlich Text, Bilddateien und anderer nicht textbasierter Modalitäten.

Sie können Tokens auf folgende Weise zählen:

  • Rufen Sie count_tokens mit der Eingabe der Anfrage auf.
     Gibt die Gesamtzahl der Tokens nur in der Eingabe zurück. Sie können diesen Aufruf vor dem Senden der Eingabe an das Modell ausführen, um die Größe Ihrer Anfragen zu prüfen.

  • Verwenden Sie das usage_metadata-Attribut für das response-Objekt, nachdem Sie generate_content aufgerufen haben.
     – Gibt die Gesamtzahl der Tokens sowohl in der Eingabe als auch in der Ausgabe zurück: total_token_count.
     Außerdem werden die Tokenanzahlen der Eingabe und Ausgabe separat zurückgegeben: prompt_token_count (Eingabetokens) und candidates_token_count (Ausgabetokens).

    Wenn Sie ein Denkmodell wie die 2.5-Modelle verwenden, werden die während des Denkprozesses verwendeten Tokens in thoughts_token_count zurückgegeben. Wenn Sie Kontext-Caching verwenden, wird die Anzahl der im Cache gespeicherten Tokens in cached_content_token_count angezeigt.

Text-Tokens zählen

Wenn Sie count_tokens mit einer reinen Texteingabe aufrufen, wird die Anzahl der Tokens des Texts nur in der Eingabe (total_tokens) zurückgegeben. Sie können diesen Aufruf vor dem Aufrufen von generate_content ausführen, um die Größe Ihrer Anfragen zu prüfen.

Eine weitere Möglichkeit besteht darin, generate_content aufzurufen und dann das Attribut usage_metadata für das response-Objekt zu verwenden, um Folgendes abzurufen:

  • Die separaten Tokenzahlen der Eingabe (prompt_token_count), der im Cache gespeicherten Inhalte (cached_content_token_count) und der Ausgabe (candidates_token_count)
  • Die Tokenanzahl für den Denkprozess (thoughts_token_count)
  • Die Gesamtzahl der Tokens sowohl in der Eingabe als auch in der Ausgabe (total_token_count)
from google import genai

client = genai.Client()
prompt = "The quick brown fox jumps over the lazy dog."

# Count tokens using the new client method.
total_tokens = client.models.count_tokens(
    model="gemini-2.0-flash", contents=prompt
)
print("total_tokens: ", total_tokens)
# ( e.g., total_tokens: 10 )

response = client.models.generate_content(
    model="gemini-2.0-flash", contents=prompt
)

# The usage_metadata provides detailed token counts.
print(response.usage_metadata)
# ( e.g., prompt_token_count: 11, candidates_token_count: 73, total_token_count: 84 )
count_tokens.py

Tokens für wechselseitige Chats zählen

Wenn Sie count_tokens mit dem Chatverlauf aufrufen, wird die Gesamtzahl der Tokens des Texts für jede Rolle im Chat (total_tokens) zurückgegeben.

Eine weitere Möglichkeit besteht darin, send_message aufzurufen und dann das Attribut usage_metadata für das response-Objekt zu verwenden, um Folgendes abzurufen:

  • Die separaten Tokenzahlen der Eingabe (prompt_token_count), der im Cache gespeicherten Inhalte (cached_content_token_count) und der Ausgabe (candidates_token_count)
  • Die Tokenanzahl für den Denkprozess (thoughts_token_count)
  • Die Gesamtzahl der Tokens sowohl in der Eingabe als auch in der Ausgabe (total_token_count)

Um zu sehen, wie umfangreich der nächste Gesprächsbeitrag sein wird, müssen Sie ihn an den Verlauf anhängen, wenn Sie count_tokens aufrufen.

from google import genai
from google.genai import types

client = genai.Client()

chat = client.chats.create(
    model="gemini-2.0-flash",
    history=[
        types.Content(
            role="user", parts=[types.Part(text="Hi my name is Bob")]
        ),
        types.Content(role="model", parts=[types.Part(text="Hi Bob!")]),
    ],
)
# Count tokens for the chat history.
print(
    client.models.count_tokens(
        model="gemini-2.0-flash", contents=chat.get_history()
    )
)
# ( e.g., total_tokens: 10 )

response = chat.send_message(
    message="In one sentence, explain how a computer works to a young child."
)
print(response.usage_metadata)
# ( e.g., prompt_token_count: 25, candidates_token_count: 21, total_token_count: 46 )

# You can count tokens for the combined history and a new message.
extra = types.UserContent(
    parts=[
        types.Part(
            text="What is the meaning of life?",
        )
    ]
)
history = chat.get_history()
history.append(extra)
print(client.models.count_tokens(model="gemini-2.0-flash", contents=history))
# ( e.g., total_tokens: 56 )
count_tokens.py

Multimodale Tokens zählen

Alle Eingaben für die Gemini API werden tokenisiert, einschließlich Text, Bilddateien und anderer nicht textbasierter Modalitäten. Hier sind einige wichtige Punkte zur Tokenisierung multimodaler Eingaben bei der Verarbeitung durch die Gemini API:

  • Bei Gemini 2.0 werden Bildeingaben mit beiden Dimensionen <=384 Pixel als 258 Tokens gezählt. Bilder, die in einer oder beiden Dimensionen größer sind, werden nach Bedarf in Kacheln mit 768 × 768 Pixeln zugeschnitten und skaliert. Jede Kachel wird als 258 Tokens gezählt. Vor Gemini 2.0 wurden für Bilder immer 258 Tokens verwendet.

  • Video- und Audiodateien werden zu den folgenden festen Raten in Tokens umgewandelt: Video mit 263 Tokens pro Sekunde und Audio mit 32 Tokens pro Sekunde.

Media-Auflösungen

Mit der Vorabversion von Gemini 3 Pro wird die detaillierte Steuerung der multimodalen Bildverarbeitung mit dem Parameter media_resolution eingeführt. Der Parameter media_resolution bestimmt die maximale Anzahl von Tokens, die pro Eingabebild oder Videoframes zugewiesen werden. Höhere Auflösungen verbessern die Fähigkeit des Modells, feinen Text zu lesen oder kleine Details zu erkennen, erhöhen aber die Tokennutzung und die Latenz.

Weitere Informationen zum Parameter und dazu, wie er sich auf die Tokenberechnung auswirken kann, finden Sie im Leitfaden zur Media-Auflösung.

Bilddateien

Wenn Sie count_tokens mit einer Text- und Bildeingabe aufrufen, wird die kombinierte Anzahl der Tokens für den Text und das Bild nur in der Eingabe (total_tokens) zurückgegeben. Sie können diesen Aufruf vor dem Aufrufen von generate_content ausführen, um die Größe Ihrer Anfragen zu prüfen. Optional können Sie count_tokens auch separat für den Text und die Datei aufrufen.

Eine weitere Möglichkeit besteht darin, generate_content aufzurufen und dann das Attribut usage_metadata für das response-Objekt zu verwenden, um Folgendes abzurufen:

  • Die separaten Tokenzahlen der Eingabe (prompt_token_count), der im Cache gespeicherten Inhalte (cached_content_token_count) und der Ausgabe (candidates_token_count)
  • Die Tokenanzahl für den Denkprozess (thoughts_token_count)
  • Die Gesamtzahl der Tokens sowohl in der Eingabe als auch in der Ausgabe (total_token_count)

Beispiel mit einem hochgeladenen Bild aus der File API:

from google import genai

client = genai.Client()
prompt = "Tell me about this image"
your_image_file = client.files.upload(file=media / "organ.jpg")

print(
    client.models.count_tokens(
        model="gemini-2.0-flash", contents=[prompt, your_image_file]
    )
)
# ( e.g., total_tokens: 263 )

response = client.models.generate_content(
    model="gemini-2.0-flash", contents=[prompt, your_image_file]
)
print(response.usage_metadata)
# ( e.g., prompt_token_count: 264, candidates_token_count: 80, total_token_count: 345 )
count_tokens.py

Beispiel, in dem das Bild als Inline-Daten bereitgestellt wird:

from google import genai
import PIL.Image

client = genai.Client()
prompt = "Tell me about this image"
your_image_file = PIL.Image.open(media / "organ.jpg")

# Count tokens for combined text and inline image.
print(
    client.models.count_tokens(
        model="gemini-2.0-flash", contents=[prompt, your_image_file]
    )
)
# ( e.g., total_tokens: 263 )

response = client.models.generate_content(
    model="gemini-2.0-flash", contents=[prompt, your_image_file]
)
print(response.usage_metadata)
# ( e.g., prompt_token_count: 264, candidates_token_count: 80, total_token_count: 345 )
count_tokens.py

Video- oder Audiodateien

Audio und Video werden zu den folgenden festen Raten in Tokens umgewandelt:

  • Video: 263 Tokens pro Sekunde
  • Audio: 32 Tokens pro Sekunde

Wenn Sie count_tokens mit einer Text- und Video-/Audioeingabe aufrufen, wird die kombinierte Anzahl von Tokens des Texts und der Video-/Audiodatei nur in der Eingabe (total_tokens) zurückgegeben. Sie können diesen Aufruf vor dem Aufrufen von generate_content ausführen, um die Größe Ihrer Anfragen zu prüfen. Optional können Sie count_tokens auch separat für den Text und die Datei aufrufen.

Eine weitere Möglichkeit besteht darin, generate_content aufzurufen und dann das Attribut usage_metadata für das response-Objekt zu verwenden, um Folgendes abzurufen:

  • Die separaten Tokenzahlen der Eingabe (prompt_token_count), der im Cache gespeicherten Inhalte (cached_content_token_count) und der Ausgabe (candidates_token_count)
  • Die Tokenanzahl für den Denkprozess (thoughts_token_count)
  • Die Gesamtzahl der Tokens sowohl in der Eingabe als auch in der Ausgabe (total_token_count)
from google import genai
import time

client = genai.Client()
prompt = "Tell me about this video"
your_file = client.files.upload(file=media / "Big_Buck_Bunny.mp4")

# Poll until the video file is completely processed (state becomes ACTIVE).
while not your_file.state or your_file.state.name != "ACTIVE":
    print("Processing video...")
    print("File state:", your_file.state)
    time.sleep(5)
    your_file = client.files.get(name=your_file.name)

print(
    client.models.count_tokens(
        model="gemini-2.0-flash", contents=[prompt, your_file]
    )
)
# ( e.g., total_tokens: 300 )

response = client.models.generate_content(
    model="gemini-2.0-flash", contents=[prompt, your_file]
)
print(response.usage_metadata)
# ( e.g., prompt_token_count: 301, candidates_token_count: 60, total_token_count: 361 )
count_tokens.py

Systemanweisungen und Tools

Systemanweisungen und Tools werden ebenfalls auf die Gesamtzahl der Tokens für die Eingabe angerechnet.

Wenn Sie Systemanweisungen verwenden, erhöht sich die Anzahl der total_tokens, um die Hinzufügung von system_instruction zu berücksichtigen.

Wenn Sie Funktionsaufrufe verwenden, erhöht sich die Anzahl von total_tokens, um die Hinzufügung von tools zu berücksichtigen.