KI- & LLM-Tools — Tokens, Preise & Kontext
Browserlokale Hilfsmittel für LLM-Entwickler: Tokens zählen, JSON↔TOON für Prompts konvertieren, API-Kosten schätzen und Kontextfenster prüfen. Auch nützlich: Wörterzähler und JSON-Formatierer.
- Tokens zählen, bevor Sie OpenAI-, Anthropic- oder Google-APIs aufrufen.
- Laufkosten aus Ein- und Ausgabe-Tokens schätzen.
- Prüfen, ob ein Prompt in das Kontextfenster eines Modells passt.
LLM-Token-Zähler
Tokens lokal zählen mit exaktem tiktoken für OpenAI-Modelle.
LLM-Preisrechner
API-Kosten aus Ein- und Ausgabe-Tokens schätzen.
Kontextfenster-Rechner
Prompt-Nutzung vs. Kontextlimit jedes Modells anzeigen.
Prompt Optimizer
Prompt-Struktur, Redundanz und Token-Verschwendung analysieren — optionale lokale Qwen-Umschreibung.
JSON → TOON
JSON in TOON umwandeln und Tokens plus Eingabekosten vs. JSON vergleichen.
TOON → JSON
TOON in hübsches JSON dekodieren — strikte Validierung standardmäßig.
Leitfäden
LLM-API-Kosten: Batch-API, Prompt-Caching und Monatsprognose
Senken Sie Ihre OpenAI-/Anthropic-/Gemini-Rechnung: Input/Output schätzen, Batch und Caching in der Kalkulation aktivieren — geprüfte Tarife, 100 % lokal.
LLM-Kontextfenster: Prompts für GPT, Claude und Gemini dimensionieren
RAG, Multi-Turn-Agenten, System-Prompts: Kontextfenster-Auslastung und verbleibende Reserve vor dem API-Aufruf berechnen.
Wann TOON JSON für LLM-Prompts schlägt (und wann nicht)
Ehrlicher Leitfaden: einheitliche Tabellendaten, Workflow konvertieren → zählen → preisen → Kontext; kein JSON/YAML-Ersatz-Manifest.
LLM-Tokens zählen und API-Kosten lokal schätzen (OpenAI, Claude, Gemini)
Vor dem LLM-API-Aufruf: Tokens zählen, USD-Kosten schätzen und Kontextfenster prüfen — 100 % im Browser, ohne Ihren Prompt zu senden.