AIトークンカウンター：ChatGPT・Claude・Gemini・Copilot・Mistral対応の無料トークン計算ツール

会話の途中で急に応答が止まり、トークン制限に引っかかったのは初めてだった。当時は何が起きているのかさっぱり分からなかった。

GPT-4でコードレビューをしていた時、大きなコードベースを貼り付けたら、応答がいきなり…止まった。一文の途中でバッサリ切れてしまったんだ。当時は「トークン」が何かも知らず、制限があることすら意識していなかったから、謎すぎて困った。

似たような経験がある方は多いはず。そんなあなたのために、このトークン見積もりツールを作りました。

トークンを数えてみよう

テキストを入力するか、下のフォームに貼り付けてみてください。トークン数、単語数、コストの見積もりがリアルタイムで更新されます。

トークンって何？

トークンとは、AI言語モデルがテキストを処理する際の「最小単位」です。必ずしも「単語」と一致するわけではありません。モデル内部のトークナイザーが、あなたの入力テキストを細かく分割した断片と考えてください。

大まかな目安：英語では1トークンは約4文字、つまり約0.75単語です。一方、日本語は1文字が1〜3トークンに分割されることが多く、英語と比べて同じ量でも多くのトークンを消費します。

トークナイザーは、モデルの学習データに基づいてテキストを分割します。よく使われる英単語は1トークンで済むことが多いですが、専門用語やコード、英語以外のテキストは1単語あたり多くのトークンを消費しがちです。

トークン数がなぜ重要なのか

1. コンテキストウィンドウの制限

全てのAIモデルには「最大コンテキストウィンドウ」が設定されています。これは1回の会話で処理可能なトークンの上限（入力＋出力の合計）を指します。具体的には以下のようになります：

プロンプトがこの上限を超えると、応答が途中で途切れたり、エラーメッセージが表示されたりします。

2. APIコスト管理

AI APIを利用している場合（チャット画面だけでなくバックエンド処理も含む）、使用量はトークン単位で課金されます。入力と出力ではコストに大きな差があります：

例えばGPT-4.1の場合、1,000トークンのプロンプト入力では約¥0.31です。最も安いGPT-4.1 nanoでも1,000トークンあたり約¥0.016。ただし、AIの出力（応答）は通常、入力よりも単価が高くなる傾向があります。

3. プロンプト最適化

トークン数を把握しておくと、以下のようなメリットがあります：

• システムプロンプトから無駄な記述を削り、コストを抑制する
• API呼び出し前に、生成される応答のトークン予算を見積もる
• 長文ドキュメントを貼り付ける際に、制限内に収める工夫ができる
• 異なるプロンプト構成の処理効率を比較・検証する

トークン見積もりの仕組み

このツールは、文字数÷4という簡易計算（ヒューリスティック）を採用しています。英語テキストに対する標準的な近似値で、一般的な文章では±10%程度の精度を誇ります。

正確な値を知りたい場合は、モデル固有のトークナイザー（OpenAIのtiktokenやAnthropicのものなど）を使用する必要があります。モデルによってトークン化の仕方は微妙に異なるためです。ただし、大まかな見積もりやコスト計画においては、÷4のルールで十分実用レベルです。

特に精度が下がりやすいケース：

• コードやJSON（通常より多くのトークンを消費する）
• 英語以外のテキスト（特に非ラテン文字系）
• 数字や特殊記号が密集したテキスト
• 非常に短いプロンプト（四捨五入の影響を受けやすい）

トークン管理の実践的なコツ

ChatGPT / Claude / Copilot（チャット画面）ユーザー向け：

• サブスクプランではトークン課金はありませんが、コンテキスト上限の制限はしっかり適用されます
• 長文の会話が続くとトークンが蓄積されて重くなる傾向がある — 応答が遅くなってきたら、新しいスレッド（会話）を始めるのがコツ
• ドキュメント全体を貼り付けるのではなく、文脈に直接関係する部分だけを選択して貼り付ける

API開発者向け：

• レスポンスパラメータにmax_tokensを指定し、出力コストを制限する
• シンプルなタスクには低コストなモデル（GPT-4.1 mini、Haiku 4.5など）を採用する
• システムプロンプトは可能な限りキャッシュして再利用する
• ストリーミングで応答を受け取り、完了や不要であれば早めに呼び出しを中断する

プロンプトエンジニアリングに特化した方へ：

• 「短い＝安い」とは限らない。無駄のないシステムプロンプトは、リトライ回数を減らすことで結果的にコストを節約する
• 軽量のmini/flashモデルで最初に動作確認を行い、精度が足りない場合のみ上位モデルへ切り替える
• バッチ処理を実行する前には、前述のコスト表で概算見積もりを取っておく

よくある質問

トークン数は正確ですか？ 簡易計算（文字数÷4）に基づく推定値です。正確な値を得るには、モデル固有のトークナイザーが必要です。英語の一般的な文章であれば、±10%程度の精度でおおよそ合致します。

なぜモデルによって価格が違うのですか？ パラメータ数が多く、計算リソースを多く消費するモデルほど運用コストが高くなります。価格はその計算負荷を反映しているためです。miniやflashシリーズはサイズが小さく処理が高速な分、低コストに設定されています。

入力トークンと出力トークンの違いは？ 入力トークンはユーザーが送信するプロンプト、出力トークンはAIが生成する応答を指します。一般的に出力トークンの方が3〜5倍ほど高価です。これはテキストを「生成（推論）」する方が、「読み取り（処理）」するよりも計算負荷が高いためです。

英語以外のテキストでも機能しますか？ 文字数をカウントして推算する仕組みなので、英語以外のテキストでも概算は可能です。ただし、非ラテン文字は1文字あたり2〜3トークンを消費することが多く、実際のトークン数は推定値より多めに出る傾向があります。

入力したテキストは保存されますか？ いいえ、保存されません。すべての処理はブラウザ内のクライアントサイドで完結しており、入力したテキストが外部サーバーに送信されることはありません。