Kontextfenster-Rechner — Passung vs. Modelllimit

Prüfen Sie, ob Ihr Prompt in das Kontextfenster jedes Modells passt, mit konfigurierbarer Antwort-Reserve. Zählen Sie zuerst Tokens mit dem LLM-Token-Zähler, oder sehen Sie sich Wort- und Zeichenstatistiken an, bevor Sie einfügen.

…
Kontext-Passung für alle Modelle
Vergleichen Sie Ihren Prompt mit dem Kontextlimit jedes Modells im Register, mit klaren Exact/Schätz-Badges und konfigurierbarer Antwort-Reserve.

So wird die Passung berechnet

Wir zählen Tokens lokal mit derselben Pipeline wie der LLM-Token-Zähler: js-tiktoken für OpenAI, Heuristiken für Claude und Gemini. Pro Modell ziehen wir Ihre Antwort-Reserve (Standard 15 %) vom veröffentlichten Kontextfenster ab, um ein effektives Eingabebudget zu erhalten. Ihre Prompt-Tokens werden damit verglichen: • Passt: unter 80 % des effektiven Budgets • Nahe Limit: 80 % oder mehr, passt aber noch • Passt nicht: Prompt-Tokens überschreiten das effektive Budget

Unterschied zur Kontext-Anzeige im Token-Zähler

Der Token-Zähler beantwortet wie viele Tokens? und zeigt eine schnelle Anzeige für ein einzelnes Modell. Dieses Tool beantwortet passt es? Es vergleicht alle Modelle mit Urteilen zur Passung und konfigurierbarer Reserve. Nutzen Sie den Zähler für Gesamtwerte und die BPE-Aufschlüsselung, dieses Tool vor der Modellwahl oder beim Kürzen eines Prompts.

Datenschutz

Die gesamte Zählung läuft im Browser. FastMinify lädt Prompts nicht zu OpenAI, Anthropic, Google oder anderen Anbietern hoch.

Einschränkungen

Schätzwerte sind Richtwerte (typisch ±5–15 %). Kontextlimits stammen aus einer manuell gepflegten Tabelle: Prüfen Sie kritische Limits in der Dokumentation des Anbieters. Für die USD-Kostenplanung nutzen Sie den LLM-Preisrechner. Token-Regeln für Bilder, Audio und Tool-Calls sind in v1 nicht abgedeckt.

Optionen, die die Passung ändern

Reserve für Antwort
Zieht einen Prozentsatz des Kontextfensters jedes Modells ab, bevor der Prompt verglichen wird. Höhere Reserve verschärft die Urteile, weil weniger Platz für Eingabe-Tokens bleibt.
Eingabeformat
Auto-Erkennung behandelt ein gültiges [{role, content}]-Array als Chat-API-Nachrichten mit Overhead pro Nachricht. Rohtext zählt die Editor-Zeichenkette wörtlich.
Kodierungs-Override
Nur für OpenAI-Modelle. Erzwingen Sie o200k_base oder cl100k_base, wenn Sie Legacy-Prompts mit älteren GPT-Kodierungen testen.

FAQ

Passung, Reserve und Genauigkeit

Was bedeutet die Antwort-Reserve?

Sie hält einen Prozentsatz des Kontextfensters für die Modellantwort frei. Bei GPT-4o mit 128k Tokens und 15 % Reserve beträgt Ihr effektives Eingabebudget 108,8k Tokens.

Unterschied zur Kontext-Anzeige im Token-Zähler?

Der Zähler zeigt eine schnelle Anzeige für ein einzelnes Modell. Dieses Tool vergleicht alle Modelle im Register mit Urteilen zur Passung und konfigurierbarer Reserve. Nutzen Sie es, wenn es um die Frage geht, ob der Prompt passt, nicht darum, wie viele Tokens er hat.

Warum sind Claude-Zeilen als Schätzung markiert?

Anthropic veröffentlicht keinen Browser-Tokenizer. Wir nutzen dieselbe Heuristik wie der Zähler und kennzeichnen die Werte als Schätzung, damit Sie nicht in die Irre geführt werden.

Verlässt mein Prompt den Browser?

Nein. Tokenisierung und Berechnung der Passung laufen lokal. FastMinify ruft keine Provider-APIs auf.

Woher kommen die Kontextlimits?

Aus derselben versionierten llm-models.json-Tabelle wie Zähler und Preis-Tools, manuell geprüft.

KI & LLM

Zählen Sie Tokens, schätzen Sie API-Kosten, prüfen Sie das Kontextfenster, wandeln Sie JSON in TOON um und analysieren Sie Prompts.

Weitere Werkzeugkategorien entdecken