---
title: "Contar tokens antes de enviar: estimación, márgenes, idiomas"
description: "Estime los tokens del prompt por idioma y modelo antes de llamar a una API LLM: por qué difieren los tokenizadores, cinco idiomas medidos y márgenes para max_tokens."
url: https://broadrouter.com/es/blog/count-tokens-before-sending/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/count-tokens-before-sending/) (actualizado el 2026-11-16).

# Cómo contar tokens antes de enviar una petición a un LLM

Por el equipo de BroadNet Inference · 5 min de lectura · Publicado 2026-11-14 · Actualizado 2026-11-16

Cuente los tokens con el tokenizador del modelo que llama cuando sea público; si no, calibre una proporción de caracteres por token a partir del campo usage de peticiones reales, por idioma y tipo de contenido. Añada un margen del 10 al 20 por ciento y compruebe que los tokens del prompt más max\_tokens caben en la ventana de contexto, dejando espacio a los tokens de razonamiento.

## Puntos clave

-   Los tokenizadores difieren según el modelo. En nuestra prueba, la misma frase en árabe midió 102 tokens con cl100k\_base, 46 con o200k\_base y entre 48 y 58 con los tokenizadores de los modelos abiertos.
-   La prosa en inglés rondó los 4.5 caracteres por token en todos los tokenizadores de esta prueba breve; el código, el JSON y la mayoría de las escrituras no latinas usan más tokens por carácter.
-   Cuando el tokenizador de un modelo no es público, calibre: envíe muestras, lea usage.prompt\_tokens y guarde una proporción por idioma y tipo de contenido.
-   La ventana de contexto cubre el prompt más la salida. Presupueste prompt + max\_tokens + un margen, nunca solo el prompt.
-   En los modelos de razonamiento, el pensamiento cuenta dentro de max\_tokens; BroadNet recomienda al menos 1,000 o reasoning\_effort low.

**En esta página**

1.  ¿Por qué cambia el número de tokens entre modelos?
2.  ¿Cómo se cuentan los tokens con exactitud?
3.  ¿Cómo se estiman los tokens si el tokenizador no es público?
4.  ¿Qué márgenes usar para max\_tokens y el contexto?
5.  ¿Qué falla en las estimaciones de tokens?
6.  Dónde encaja BroadNet Inference

Necesita contar los [tokens](https://broadrouter.com/es/glossary/token/) antes de enviar una petición por tres motivos: para no salirse de la [ventana de contexto](https://broadrouter.com/es/glossary/context-window/), para elegir un [max\_tokens](https://broadrouter.com/es/glossary/max-tokens/) razonable y para estimar el costo. Los recuentos exactos solo salen del tokenizador del propio modelo; las buenas estimaciones salen de la calibración. Este artículo muestra ambas cosas con mediciones reales.

## ¿Por qué cambia el número de tokens entre modelos?

Un tokenizador divide el texto en piezas de un vocabulario fijo, y cada familia de modelos entrena el suyo. Un vocabulario más grande, o entrenado con más texto de un idioma concreto, produce menos tokens para ese idioma. Por eso «¿cuántos tokens tiene este prompt?» tiene una respuesta distinta para cada modelo.

Medimos el mismo mensaje breve de atención al cliente, traducido a cuatro idiomas, además de una pequeña función de Python y un objeto JSON de factura. Los recuentos de OpenAI salen de [tiktoken](https://github.com/openai/tiktoken) (`cl100k_base`, de la época de GPT-4, y `o200k_base`, de la época de GPT-4o). Los de los modelos abiertos salen de los archivos de tokenizador que cada familia publica en Hugging Face, contados sin la plantilla de chat, el 14 de noviembre de 2026.

| Texto (mismo significado) | Caracteres | cl100k\_base | o200k\_base | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B | Gemma 4 |
| --- | --- | --- | --- | --- | --- | --- | --- |
| Inglés, 31 palabras | 173 | 37 | 37 | 37 | 38 | 39 | 39 |
| Español | 160 | 47 | 40 | 50 | 45 | 43 | 42 |
| Árabe | 142 | 102 | 46 | 55 | 58 | 48 | 49 |
| Chino | 54 | 51 | 37 | 34 | 35 | 36 | 38 |
| Función de Python | 94 | 33 | 33 | 35 | 33 | 35 | 38 |
| JSON de factura | 140 | 59 | 60 | 63 | 60 | 72 | 72 |

Hay una sola muestra por fila, así que tome las cifras como ilustración, no como benchmark. Aun así, se sostienen tres lecciones. La generación del tokenizador importa: el texto árabe se redujo a menos de la mitad de `cl100k_base` a `o200k_base`. Los modelos abiertos también difieren entre sí: el mismo texto árabe fue de 48 a 58 tokens, y el JSON de 60 a 72. Y el contenido estructurado es denso en tokens en todas partes: el JSON rondó los 2 caracteres por token en todos los tokenizadores.

Puede repetirlo con su propio texto en el [contador de tokens](https://broadrouter.com/tools/token-counter/) gratuito, o con los contadores por familia para [DeepSeek](https://broadrouter.com/tools/deepseek-token-counter/), [Qwen](https://broadrouter.com/tools/qwen-token-counter/) y [GPT](https://broadrouter.com/tools/gpt-token-counter/). Para ver cuánto ahorra un cambio en un prompt, compare ambas versiones en el [comparador de tokens de prompts](https://broadrouter.com/tools/prompt-token-diff/). Por qué el árabe en concreto cuesta más tokens, medido con textos más largos, se explica en [tokens por palabra en árabe frente a inglés](https://broadrouter.com/es/blog/tokens-per-word-arabic-english/).

## ¿Cómo se cuentan los tokens con exactitud?

Si el tokenizador del modelo es público, cárguelo y cuente en local. Para los modelos de OpenAI:

```python
import tiktoken
enc = tiktoken.encoding_for_model("gpt-4o")
n = len(enc.encode(text))
```

En las familias de pesos abiertos, el tokenizador suele publicarse junto al modelo en Hugging Face y se carga con `AutoTokenizer.from_pretrained(...)`. Dos salvedades: la plantilla de chat añade tokens para los roles y separadores, y la versión desplegada por un proveedor de API puede diferir de los archivos públicos. La referencia de la API de BroadNet no documenta un endpoint para contar tokens ni el tokenizador de cada modelo, así que el tokenizador público da una estimación cercana y la cifra exacta es `usage.prompt_tokens` después de la llamada.

## ¿Cómo se estiman los tokens si el tokenizador no es público?

Calibre una vez por modelo y luego estime en local:

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def prompt_tokens(model, text):
    r = client.chat.completions.create(
        model=model, max_tokens=1000,  # room for reasoning on thinking models
        messages=[{"role": "user", "content": text}],
    )
    return r.usage.prompt_tokens

def measure(model, samples: dict[str, list[str]]):
    base = prompt_tokens(model, "hi")  # chat-template overhead plus one short word
    ratios = {}
    for kind, texts in samples.items():
        chars = toks = 0
        for t in texts:
            chars += len(t)
            toks += prompt_tokens(model, t) - base
        ratios[kind] = chars / toks
    return ratios  # e.g. {"english": 4.1, "arabic": 2.9, "json": 2.3}

def estimate(text, kind, ratios, overhead=10):
    return int(len(text) / ratios[kind]) + overhead
```

Use 20 muestras reales o más por tipo de contenido (sus prompts reales, no lorem ipsum). La petición base de una sola palabra descuenta la sobrecarga fija de la plantilla de chat, que `estimate` vuelve a sumar como `overhead`; ajústela a la base que haya medido. Calibre con el modelo más barato de BroadNet solo si es el que va a llamar: las proporciones de [Gemma 4 VL 26B](https://broadrouter.com/es/models/gemma-4-vl-26b/) no se trasladan a [DeepSeek V4.1 Flash](https://broadrouter.com/es/models/deepseek-v4.1-flash/). Las imágenes también se facturan como tokens de entrada, y las más grandes usan más, así que calíbrelas aparte según la resolución.

## ¿Qué márgenes usar para max\_tokens y el contexto?

La ventana cubre el prompt **y** la salida. En los modelos de razonamiento, la salida incluye el pensamiento oculto, que se informa como [tokens de razonamiento](https://broadrouter.com/es/glossary/reasoning-tokens/). Presupueste así:

1.  **Estimación del prompt** = recuento calibrado × 1.15 (un margen de seguridad del 15 por ciento).
2.  **Presupuesto de respuesta** = la respuesta más larga que acepte.
3.  **Presupuesto de razonamiento** = en los modelos que piensan, al menos 1,000 tokens; la documentación de BroadNet recomienda al menos 1,000 o `reasoning_effort: "low"`, porque un límite pequeño puede devolver una respuesta vacía.
4.  **max\_tokens** = presupuesto de respuesta + presupuesto de razonamiento.
5.  **Comprobación**: estimación del prompt + max\_tokens ≤ ventana de contexto. Si no se cumple, recorte el prompt, no la respuesta.

Ventanas de contexto en BroadNet Inference, según el archivo de precios publicado:

| Modelo | Ventana de contexto | Techo práctico del prompt con 16K de salida y 15% de margen |
| --- | --- | --- |
| DeepSeek V4.1 Flash | 1,048,576 | unos 897,000 |
| [GLM 5.3](https://broadrouter.com/es/models/glm-5.3/) | 1,048,576 | unos 897,000 |
| [Qwen3.8 27B](https://broadrouter.com/es/models/qwen3.8-27b/) | 262,144 | unos 213,000 |
| Gemma 4 VL 26B | 32,768 | unos 14,000 |

La columna del techo es (ventana − 16,384) ÷ 1.15, redondeado hacia abajo. Cambie 16,384 por su propio max\_tokens.

## ¿Qué falla en las estimaciones de tokens?

-   **Contar palabras en lugar de tokens.** La regla de 0.75 palabras por token es para el inglés. Nuestra muestra árabe de 29 palabras ocupó entre 46 y 102 tokens según el tokenizador.
-   **Olvidar las herramientas y el prompt de sistema.** Los esquemas de herramientas son JSON, que es denso en tokens. Cuéntelos como parte del prompt.
-   **Suponer un truncado silencioso.** Algunas herramientas descartan mensajes antiguos sin avisarle. BroadNet afirma que no recorta su contexto, así que compruebe el tamaño antes de enviar en lugar de confiar en que el servidor lo corte. La [calculadora de ventana de contexto](https://broadrouter.com/tools/context-window-calculator/) hace la comprobación por usted.
-   **Ignorar el crecimiento del historial.** En un chat o un bucle de agente, el prompt crece en cada turno. Vuelva a comprobar el presupuesto en cada llamada, no una vez por sesión. Un historial estable además se cachea mejor; vea [estructura del prompt para la caché](https://broadrouter.com/es/blog/prompt-structure-for-caching/).

Si trabaja en árabe, el tokenizador es un motivo más para probar los modelos con su propio texto; [cómo elegir un LLM para árabe](https://broadrouter.com/es/blog/choosing-an-llm-for-arabic/) cubre el resto. Para convertir recuentos de tokens en una factura mensual, vea [cómo estimar el costo de una API de LLM antes del lanzamiento](https://broadrouter.com/es/blog/estimate-llm-api-cost-before-launch/).

## Dónde encaja BroadNet Inference

BroadNet Inference devuelve en cada respuesta `prompt_tokens`, `completion_tokens` y, cuando el modelo los informa, los recuentos de tokens en caché y de razonamiento: todo lo que necesita para calibrar. No publica un endpoint de recuento ni tokenizadores por modelo, así que los recuentos previos al envío son estimaciones. El trabajo con contexto largo en los modelos de 1M de tokens se trata en la [guía de la ventana de contexto](https://broadrouter.com/es/blog/million-token-context-window-guide/), y los precios por 1M de tokens están en la [página de precios](https://broadrouter.com/es/pricing/).

Herramientas gratuitas sobre este tema (en inglés)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Tokenizador (tokenizer)](https://broadrouter.com/es/glossary/tokenizer/)

Un tokenizador es el componente que convierte texto en la secuencia de IDs de token enteros que lee un modelo de lenguaje, y que vuelve a convertir en texto los IDs generados. Cada modelo trae su propio tokenizador, así que el mismo texto puede producir un número distinto de tokens en modelos distintos.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[max\_tokens (límite de tokens de salida)](https://broadrouter.com/es/glossary/max-tokens/)

max\_tokens es un parámetro de las APIs de LLM que fija el máximo de tokens que un modelo puede generar en una respuesta. Cuando la generación llega al límite, se detiene y la respuesta queda marcada como cortada, por ejemplo con finish\_reason en "length".

[Ventana de contexto (context window)](https://broadrouter.com/es/glossary/context-window/)

La ventana de contexto es la cantidad máxima de tokens con la que un modelo de lenguaje puede trabajar en una sola solicitud. Incluye el prompt, el historial de la conversación, las definiciones de herramientas, las imágenes y la salida generada, incluidos los tokens de razonamiento. Lo que no cabe debe recortarse, resumirse o dividirse en varias solicitudes.

[Plantilla de chat (chat template)](https://broadrouter.com/es/glossary/chat-template/)

Una plantilla de chat es la regla de formato, normalmente escrita en Jinja e incluida con el tokenizador de un modelo, que convierte una lista de mensajes de chat con roles en la única secuencia de tokens que el modelo espera, incluidos sus tokens de control especiales. Usar la plantilla equivocada puede empeorar mucho las respuestas del modelo.

[Modelo de pesos abiertos (open-weight model)](https://broadrouter.com/es/glossary/open-weight-model/)

Un modelo de pesos abiertos es un modelo de aprendizaje automático cuyos pesos entrenados se publican para que cualquiera los descargue y ejecute, normalmente con una licencia con condiciones. Se diferencia de la IA totalmente de código abierto, que además publica el código de entrenamiento e información detallada sobre los datos, para que otros puedan estudiar y reproducir el modelo.

[Prompt de sistema (system prompt)](https://broadrouter.com/es/glossary/system-prompt/)

Un prompt de sistema es el texto de instrucciones que una aplicación envía a un modelo de lenguaje antes de la conversación, normalmente como mensaje con el rol system o developer. Define el rol, las reglas, el tono y el formato de salida del modelo, que debe priorizarlo sobre mensajes del usuario que lo contradigan.

## Preguntas frecuentes

### ¿Cuántos tokens tiene una palabra?

En el conjunto de datos de tokenizadores de BroadRouter, que agrupa cinco tokenizadores (los de los cuatro modelos de chat de BroadNet y o200k\_base de OpenAI; la tabla de ejemplo del artículo añade cl100k\_base), 1,000 palabras en inglés son unos 1,290 tokens, es decir, unos 1.29 tokens por palabra. La regla habitual de 0.75 palabras por token se acerca bastante para la prosa en inglés. El árabe, otras escrituras no latinas y el código usan más tokens por palabra. Mida su propio texto con el modelo que llama.

### ¿Puedo usar tiktoken para contar tokens de DeepSeek, Qwen o Gemma?

Solo como estimación aproximada. tiktoken implementa las codificaciones de OpenAI. Las demás familias de modelos traen sus propios tokenizadores, a menudo en Hugging Face, y los recuentos difieren. Calibre con el campo usage.

### ¿Hay una herramienta gratuita para contar tokens de DeepSeek, Qwen, GLM o Gemma?

Sí. El contador de tokens gratuito de BroadRouter ejecuta en su navegador los tokenizadores publicados de estas familias, así que el texto no sale de su equipo. Tome el recuento como una estimación de lo que informará la API, porque las plantillas de chat añaden algunos tokens.

### ¿Qué pasa si mi prompt es más largo que la ventana de contexto?

La mayoría de las APIs devuelven un error. Algunas herramientas recortan los mensajes antiguos sin avisar. BroadNet no recorta su contexto, así que compruebe prompt más max\_tokens frente a la ventana antes de enviar.

### ¿Cuánto margen debo dejar en max\_tokens?

Estime la respuesta más larga que espera, sume el presupuesto de razonamiento en los modelos que piensan y deje libre entre el 10 y el 20 por ciento de la ventana para el error de estimación.

## Siga leyendo

-   [Tokens por palabra en árabe vs inglés: por qué el árabe cuesta más](https://broadrouter.com/es/blog/tokens-per-word-arabic-english/)
-   [Ventana de contexto de 1M de tokens: cuándo compensa y cuándo no](https://broadrouter.com/es/blog/million-token-context-window-guide/)
-   [Cómo estimar el costo de una API de LLM antes de lanzar una función](https://broadrouter.com/es/blog/estimate-llm-api-cost-before-launch/)
-   [Cómo estructurar los prompts para que el prefijo quede en caché](https://broadrouter.com/es/blog/prompt-structure-for-caching/)
-   [Reducir tokens del prompt: recortes medidos en sistema, tools y datos](https://broadrouter.com/es/blog/reduce-prompt-tokens/)
-   [El hardware GPU de BroadNet y cómo sirve los modelos, según BroadNet](https://broadrouter.com/es/blog/broadnet-gpu-fleet-and-serving/)
-   [Caché de respuestas de APIs de LLM para reducir costos en Python](https://broadrouter.com/es/blog/cache-llm-responses-cut-cost/)
-   [Guía: ¿Por qué un modelo de razonamiento devuelve una respuesta vacía?](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/)
-   [Guía: Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-count-tokens-before-sending&utm_content=page-cta) ·

**Fuentes**

-   [README de tiktoken, codificaciones y unos 4 bytes por token (consultado el 2026-11-14)](https://github.com/openai/tiktoken)
-   [Referencia de la API de BroadNet Inference, max\_tokens y razonamiento (consultado el 2026-11-14) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-count-tokens-before-sending&utm_content=sources)
-   [Precios y longitudes de contexto de BroadNet Inference en formato legible por máquina (pricing.json, consultado el 2026-11-14) (en inglés)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-count-tokens-before-sending&utm_content=sources)
-   [Hugging Face Transformers, documentación del tokenizador (consultado el 2026-11-14)](https://huggingface.co/docs/transformers/main_classes/tokenizer)
