Calculateur de fenêtre de contexte — ajustement vs limite du modèle

Vérifiez si votre prompt tient dans la fenêtre de contexte de chaque modèle, avec réserve configurable pour la réponse. Comptez d'abord les tokens avec le compteur LLM, ou consultez les statistiques texte avant de coller.

…
Ajustement pour plusieurs modèles
Comparez votre prompt à la limite de contexte de chaque modèle du registre, avec des badges Exact/Estimation clairs et une réserve de sortie configurable.

Comment l'ajustement est calculé

Nous comptons les tokens localement avec le même pipeline que le compteur LLM : js-tiktoken pour OpenAI, heuristiques pour Claude et Gemini. Pour chaque modèle, nous soustrayons votre réserve de sortie (15 % par défaut) de la fenêtre de contexte publiée pour obtenir un budget d'entrée effectif. Vos tokens sont comparés à ce budget : • OK : moins de 80 % du budget effectif • Proche limite : 80 % ou plus mais encore dans la limite • Ne rentre pas : les tokens dépassent le budget effectif

Différence avec la jauge du compteur de tokens

Le compteur répond à combien de tokens ? et affiche une jauge rapide sur un seul modèle. Cet outil répond à est-ce que ça rentre ? Il compare tous les modèles avec des verdicts d'ajustement et une réserve configurable. Utilisez le compteur pour auditer les totaux ; utilisez cet outil avant de choisir un modèle ou de raccourcir un prompt.

Confidentialité

Tout le comptage s'exécute dans votre navigateur. FastMinify n'envoie jamais vos prompts à OpenAI, Anthropic, Google ou un autre fournisseur.

Limites

Les comptages en estimation sont indicatifs (±5–15 % typique). Les limites de contexte proviennent d'une table maintenue manuellement : confirmez les limites critiques dans la documentation du fournisseur. Pour estimer les coûts USD, utilisez le calculateur de prix LLM. Les règles de tokens pour l'image, l'audio et les appels d'outils sont hors périmètre en v1.

Options qui modifient l'ajustement

Réserve pour la réponse
Soustrait un pourcentage de la fenêtre de contexte de chaque modèle avant de comparer votre prompt. Une réserve plus élevée resserre les verdicts, car il reste moins de place pour l'entrée.
Format d'entrée
La détection automatique traite un tableau [{role, content}] valide comme messages Chat API avec surcoût par message. Le texte brut compte la chaîne de l'éditeur telle quelle.
Surcharge d'encodage
Modèles OpenAI uniquement. Forcez o200k_base ou cl100k_base pour tester d'anciens prompts avec d'anciens encodages GPT.

FAQ

Ajustement, réserve et précision

Que signifie la réserve de sortie ?

Elle réserve un pourcentage de la fenêtre de contexte pour la réponse du modèle. Si GPT-4o a 128k tokens et vous réservez 15 %, votre budget d'entrée effectif est de 108,8k tokens.

Quelle différence avec la jauge du compteur de tokens ?

Le compteur affiche une jauge rapide sur un seul modèle. Cet outil compare tous les modèles du registre avec des verdicts d'ajustement et une réserve configurable. Utilisez-le pour savoir si le prompt rentre plutôt que pour compter ses tokens.

Pourquoi les lignes Claude sont en Estimation ?

Anthropic ne publie pas de tokenizer côté navigateur. Nous utilisons la même heuristique que le compteur et étiquetons Estimation pour ne pas induire en erreur.

Mon prompt quitte-t-il le navigateur ?

Non. Toute la tokenisation et le calcul d'ajustement sont locaux. FastMinify n'appelle aucune API fournisseur.

D'où viennent les limites de contexte ?

De la même table llm-models.json versionnée que le compteur et les outils de prix, revue manuellement.

IA & LLM

Comptez les tokens, estimez les coûts d’API, vérifiez la place dans la fenêtre de contexte, convertissez JSON en TOON et analysez vos prompts dans votre navigateur.

Découvrez les autres catégories d'outils