นับโทเค็นสำหรับโมเดล Gemini

Gemini โมเดลจะประมวลผลอินพุตและเอาต์พุตในหน่วยที่เรียกว่าโทเค็น

โทเค็นอาจเป็นอักขระเดียว เช่น z หรือทั้งคำ เช่น cat ระบบจะแบ่งคำยาวๆ ออกเป็นหลายโทเค็น ชุดโทเค็นทั้งหมดที่โมเดลใช้เรียกว่า คำศัพท์ และกระบวนการแยกข้อความเป็นโทเค็นเรียกว่า การโทเค็น

สำหรับโมเดล Gemini โทเค็นจะเท่ากับอักขระประมาณ 4 ตัว โทเค็น 100 รายการจะเท่ากับคำภาษาอังกฤษประมาณ 60-80 คำ

แต่ละโมเดลมีจำนวนโทเค็นสูงสุด ที่สามารถจัดการได้ในพรอมต์และคำตอบ การทราบจำนวนโทเค็นของพรอมต์จะช่วยให้คุณทราบว่าใช้งานเกินขีดจำกัดนี้หรือไม่ นอกจากนี้ ต้นทุนของคำขอส่วนหนึ่งยังกำหนดโดยจำนวนโทเค็นอินพุตและเอาต์พุตด้วย ดังนั้น การรู้วิธีนับโทเค็นจึงอาจเป็นประโยชน์

รุ่นที่รองรับ

• gemini-3.1-pro-preview
• gemini-3.8-flash (และรุ่นเก่ากว่าอย่าง gemini-3.7-flash, gemini-3.6-flash และ gemini-3.5-flash)
• gemini-3.5-flash-lite (และ gemini-3.1-flash-lite รุ่นเก่า)
• gemini-3-pro-image (หรือที่รู้จักในชื่อ "Nano Banana Pro")
• gemini-3.1-flash-image (หรือที่เรียกว่า "Nano Banana 2")
• gemini-3.1-flash-lite-image (หรือที่เรียกว่า "Nano Banana 2 Lite")
• gemini-3.1-flash-tts-preview

Gemini 2.5โมเดลอเนกประสงค์และโมเดลสร้างรูปภาพรองรับความสามารถนี้ แต่โมเดลทั้งหมดนี้เลิกใช้งานแล้ว

ตัวเลือกสำหรับการนับโทเค็น

อินพุตและเอาต์พุตทั้งหมดสำหรับ Gemini API จะได้รับการโทเค็น รวมถึงข้อความ ไฟล์รูปภาพ และรูปแบบอื่นๆ ที่ไม่ใช่ข้อความ ตัวเลือกในการนับโทเค็นมีดังนี้

ตรวจสอบจำนวนโทเค็นสำหรับคำขอเท่านั้น (ก่อนส่ง ไปยังโมเดล)

เรียกใช้ countTokens โดยป้อน คำขอก่อนส่งไปยังโมเดล ระบบจะแสดงผลดังนี้

• total_tokens: จำนวนโทเค็นของอินพุตเท่านั้น

ตรวจสอบจำนวนโทเค็นทั้งคำขอและการตอบกลับ

เข้าถึงแอตทริบิวต์ usageMetadata ในออบเจ็กต์การตอบกลับ ซึ่งรวมถึงข้อมูลต่อไปนี้

• prompt_token_count: จำนวนโทเค็นของอินพุตเท่านั้น
• candidates_token_count: จำนวนโทเค็นของเอาต์พุตเท่านั้น (ไม่รวมโทเค็นการคิด)
• thoughts_token_count: จำนวนโทเค็นของโทเค็นการคิด ที่ใช้ในการสร้างคำตอบ
• total_token_count: จำนวนโทเค็นทั้งหมดสำหรับ ทั้งอินพุตและเอาต์พุต (รวมถึงโทเค็นการคิด)

เมื่อสตรีมเอาต์พุต แอตทริบิวต์ usageMetadata จะปรากฏใน ก้อนข้อมูลสุดท้ายของสตรีมเท่านั้น โดยมีค่าเป็น nil สำหรับ ก้อนข้อมูลระดับกลาง

โปรดทราบประเด็นต่อไปนี้เกี่ยวกับตัวเลือกด้านบน

• โดยจะไม่นับจำนวนรูปภาพอินพุตหรือจำนวนวินาทีใน ไฟล์อินพุตวิดีโอหรือเสียง อย่างไรก็ตาม จำนวนโทเค็นสำหรับรูปแบบข้อมูลแต่ละรูปแบบจะสัมพันธ์กับค่าเหล่านี้
• จำนวนโทเค็นอินพุตประกอบด้วยพรอมต์ (ข้อความและไฟล์อินพุต) รวมถึงคำสั่งและเครื่องมือของระบบ
• จำนวนโทเค็นเอาต์พุตไม่รวมโทเค็นการคิดใดๆ โดยโทเค็นเหล่านั้นจะ ระบุไว้ในช่องแยกต่างหาก
• ดูข้อมูลเพิ่มเติมเกี่ยวกับคำขอแต่ละประเภทได้ในหน้านี้
• โมเดล Gemini Live API ไม่รองรับ countTokens นอกจากนี้ Firebase AI Logicยังไม่รองรับแอตทริบิวต์ usageMetadata ในการตอบกลับจากโมเดล Live API แต่จะมีให้บริการเร็วๆ นี้

ราคาสำหรับตัวเลือกเหล่านี้

• การเรียกใช้ countTokens: การเรียกใช้ countTokens (API นับโทเค็น) ไม่มีค่าใช้จ่าย โควต้าสูงสุดสำหรับ Count Tokens API คือ 3000 คำขอต่อนาที (RPM)

• การใช้แอตทริบิวต์ usageMetadata: ระบบจะแสดงแอตทริบิวต์นี้เป็นส่วนหนึ่งของการตอบกลับเสมอ และจะไม่ทำให้เกิดโทเค็นหรือค่าใช้จ่ายใดๆ

ข้อมูลเพิ่มเติม

ต่อไปนี้คือข้อมูลเพิ่มเติมเมื่อทำงานกับคำขอบางประเภท

นับโทเค็นอินพุตข้อความ

ไม่มีข้อมูลเพิ่มเติม

นับโทเค็นการสนทนาไปมา (แชท)

โปรดทราบข้อมูลต่อไปนี้สำหรับการโทรcountTokensเมื่อใช้แชท

• หากคุณเรียกใช้ countTokens พร้อมประวัติการแชท ระบบจะแสดงผลจำนวนโทเค็นทั้งหมด จากทั้ง 2 บทบาทในการแชท (total_tokens)
• หากต้องการทราบว่าการสนทนาครั้งถัดไปจะมีขนาดเท่าใด คุณต้อง ต่อท้ายประวัติเมื่อเรียกใช้ countTokens

นับโทเค็นอินพุตหลายรูปแบบ

โปรดทราบประเด็นต่อไปนี้เกี่ยวกับการนับโทเค็นด้วยอินพุตมัลติโมดัล

• คุณจะโทรหา countTokens ในข้อความและไฟล์แยกกันได้ (ไม่บังคับ)
• สำหรับตัวเลือกการนับโทเค็นทั้ง 2 แบบ คุณจะได้รับจำนวนโทเค็นเท่ากันไม่ว่า จะระบุไฟล์เป็นข้อมูลแบบอินไลน์หรือใช้ URL ของไฟล์

ไฟล์อินพุตรูปภาพ

ระบบจะแปลงไฟล์อินพุตรูปภาพเป็นโทเค็นตามขนาดของไฟล์ ดังนี้

• อินพุตรูปภาพที่มีขนาดทั้ง 2 ด้านน้อยกว่าหรือเท่ากับ 384 พิกเซล: ระบบจะนับรูปภาพแต่ละรูปเป็น 258 โทเค็น
• อินพุตรูปภาพที่มีขนาดใหญ่กว่าในมิติข้อมูลอย่างน้อย 1 มิติ: ระบบจะครอบตัดและปรับขนาดรูปภาพแต่ละรูปตามต้องการเป็นไทล์ขนาด 768x768 พิกเซล จากนั้นจะนับไทล์แต่ละไทล์เป็น 258 โทเค็น

ไฟล์อินพุตวิดีโอและเสียง

ระบบจะแปลงไฟล์อินพุตวิดีโอและเสียงเป็นโทเค็นในอัตราคงที่ต่อไปนี้

• วิดีโอ: 263 โทเค็นต่อวินาที
• เสียง: 32 โทเค็นต่อวินาที

ไฟล์อินพุตเอกสาร (เช่น PDF)

ระบบจะถือว่าไฟล์อินพุต PDF เป็นรูปภาพ ดังนั้นระบบจะทำการโทเค็นแต่ละหน้าของ PDF ในลักษณะเดียวกับรูปภาพ