Conteggio dei token per i modelli Gemini

I modelli Gemini elaborano l'input e l'output in unità chiamate token.

I token possono essere singoli caratteri come z o parole intere come cat. Le parole lunghe vengono suddivise in più token. L'insieme di tutti i token utilizzati dal modello è chiamato vocabolario e il processo di suddivisione del testo in token è chiamato tokenizzazione.

Per i modelli Gemini, un token equivale a circa 4 caratteri. 100 token equivalgono a circa 60-80 parole in inglese.

Ogni modello ha un numero massimo di token che può gestire in un prompt e in una risposta. Conoscere il numero di token del prompt ti consente di sapere se hai superato questo limite. Inoltre, il costo di una richiesta è determinato in parte dal numero di token di input e output, quindi sapere come contare i token può essere utile.

Modelli supportati

  • gemini-4-argon
  • gemini-3.8-flash (e i modelli precedenti gemini-3.7-flash, gemini-3.6-flash e gemini-3.5-flash)
  • gemini-3.5-flash-lite (e il precedente gemini-3.1-flash-lite)
  • gemini-nano-banana-2.1 (Nano Banana 2.1)
  • gemini-3.1-flash-image (Nano Banana 2)
  • gemini-3.1-flash-lite-image (Nano Banana 2 Lite)
  • gemini-3-pro-image (Nano Banana Pro)
  • gemini-3.1-flash-tts-preview

Anche i modelli gemini-3.1-pro-preview e i modelli Gemini 2.5 per uso generico e per la generazione di immagini (deprecati) supportano questa funzionalità.

Opzioni per il conteggio dei token

Tutti gli input e gli output per Gemini API vengono tokenizzati, inclusi testo, file immagine e altre modalità non testuali. Ecco le opzioni per il conteggio dei token:

Controlla il conteggio dei token solo per le tue richieste (prima di inviarle al modello).
Chiama countTokens con l'input della richiesta prima di inviarlo al modello. Viene restituito:
  • total_tokens: conteggio dei token solo di input
Controlla il conteggio dei token per le tue richieste e risposte.
Accedi all'attributo usageMetadata nell'oggetto di risposta. Ad esempio:
  • prompt_token_count: conteggio dei token solo dell'input
  • candidates_token_count: conteggio dei token solo dell'output (non include i token di ragionamento)
  • thoughts_token_count: conteggio dei token di ragionamento utilizzati per generare la risposta
  • total_token_count: numero totale di token per sia l'input che l'output (include eventuali token di ragionamento)

Quando l'output viene trasmesso in streaming, l'attributo usageMetadata viene visualizzato solo nell'ultimo chunk dello stream. È nil per i chunk intermedi.

Tieni presente quanto segue in merito alle opzioni precedenti:

  • Non conteggiano il numero di immagini di input o il numero di secondi nei file di input video o audio. Tuttavia, il conteggio dei token per ciascuna di queste modalità sarà correlato a questi valori.
  • Il conteggio dei token di input include il prompt (testo ed eventuali file di input), nonché eventuali istruzioni di sistema e strumenti.
  • Il conteggio dei token di output non include i token di ragionamento, che vengono forniti in un campo separato.
  • Consulta le informazioni aggiuntive specifiche per ogni tipo di richiesta più avanti in questa pagina.
  • I modelli Gemini Live API non supportano countTokens. Inoltre, Firebase AI Logic non supporta ancora l'attributo usageMetadata nella risposta dei modelli Live API, ma sarà disponibile a breve.

Prezzi per queste opzioni

  • Chiamata di countTokens: non è previsto alcun addebito per la chiamata di countTokens (l'API Count Tokens). La quota massima per l'API Count Tokens è di 3000 richieste al minuto (RPM).

  • Utilizzo dell'attributo usageMetadata: questo attributo viene sempre restituito come parte della risposta e non comporta l'utilizzo di token o addebiti.

Informazioni aggiuntive

Di seguito sono riportate alcune informazioni aggiuntive per l'utilizzo di tipi specifici di richieste.

Conta i token di input di testo

Nessuna informazione aggiuntiva.

Conta i token multi-turno (chat)

Tieni presente quanto segue per chiamare countTokens quando utilizzi la chat:

  • Se chiami countTokens con la cronologia chat, viene restituito il conteggio totale dei token di entrambi i ruoli nella chat (total_tokens).
  • Per capire quanto sarà grande il tuo prossimo turno di conversazione, devi aggiungerlo alla cronologia quando chiami countTokens.

Conta i token di input multimodali

Tieni presente quanto segue sul conteggio dei token con input multimodale:

  • Facoltativamente, puoi chiamare countTokens sul testo e sul file separatamente.
  • Per entrambe le opzioni di conteggio dei token, otterrai lo stesso conteggio dei token sia che fornisci il file come dati incorporati sia che utilizzi il suo URL.

File di input delle immagini

I file di input delle immagini vengono convertiti in token in base alle loro dimensioni:

  • Input di immagini con entrambe le dimensioni inferiori o uguali a 384 pixel: ogni immagine viene conteggiata come 258 token.
  • Input di immagini più grandi in una o entrambe le dimensioni: ogni immagine viene ritagliata e ridimensionata in base alle esigenze in riquadri di 768 x 768 pixel, quindi ogni riquadro viene conteggiato come 258 token.

File di input video e audio

I file di input video e audio vengono convertiti in token alle seguenti tariffe fisse:

  • Video: 263 token al secondo
  • Audio: 32 token al secondo

File di input di documenti (come i PDF)

I file di input PDF vengono trattati come immagini, quindi ogni pagina di un PDF viene tokenizzata nello stesso modo di un'immagine.