BroadRouter

Tokens de imagen (image tokens)

Actualizado

Los tokens de imagen son los tokens de entrada que un modelo de lenguaje con visión usa para representar una imagen en el prompt. Los proveedores los calculan a partir del tamaño de la imagen, normalmente dividiéndola en parches de tamaño fijo tras redimensionarla, y los cobran como tokens de entrada de texto, así que las imágenes grandes cuestan más.

También llamado: tokens de imagen, costo de tokens de imagen, tokens de visión, tokens de entrada de imagen, image tokens, image token cost, vision tokens, image input tokens

Un modelo no puede leer píxeles directamente. Lee la imagen como una serie de tokens y, en la mayoría de las APIs, usted paga por cada uno.

Cómo funciona

Los proveedores cortan la imagen en pequeños cuadrados y los cuentan, después de redimensionarla para que encaje en sus límites. Las reglas varían.

Anthropic. La documentación de Claude dice que cada parche de 28×28 píxeles es un “visual token” (token visual), así que una imagen cuesta ⌈width / 28⌉ × ⌈height / 28⌉ tokens. Las imágenes que superan un lado largo o un número de tokens máximo se reducen. En el nivel estándar el límite es de 1,568 px y 1,568 tokens; en el nivel de alta resolución (Claude 4.7 y posteriores) es de 2,576 px y 4,784 tokens.

Imagen Nivel estándar Nivel de alta resolución
200×200 64 64
1000×1000 1,296 1,296
1920×1080 1,560 (redimensionada a 1456×819) 2,691

OpenAI. Los modelos más recientes cuentan parches de 32 píxeles, ceil(width/32) × ceil(height/32), aplican un presupuesto de parches por modelo y luego multiplican por un factor del modelo. El ejemplo de OpenAI para un modelo: una imagen de 1024×1024 son 1,024 parches, y 1,024 × 1.2 se redondea hacia arriba a 1,229 tokens. Los modelos anteriores, como GPT-4o, usan mosaicos de 512 píxeles: una base de 85 tokens más 170 por mosaico, o solo los tokens base con detail: low.

Así que la misma foto puede costar cantidades de tokens muy distintas según el modelo. Use la calculadora de tokens de imagen para comparar.

Por qué importa

  • Costo. Una imagen de 1000×1000 son 1,296 tokens en Claude según la tabla de Anthropic. A escala, redimensionar las imágenes antes de enviarlas puede reducir notablemente el costo de entrada.
  • Equilibrio con la precisión. Reducir una imagen ahorra tokens, pero puede volver ilegible la letra pequeña. Para OCR de facturas o formularios, pruebe el tamaño más pequeño que todavía se lea correctamente.
  • Contexto. Los tokens de imagen llenan la ventana de contexto igual que el texto. En un chat de varios turnos, cada imagen reenviada se vuelve a cobrar.

En BroadNet Inference

La entrada de imágenes funciona en DeepSeek V4.1 Flash, Qwen3.8 27B y Gemma 4 VL 26B, enviada como una URL data: en base64 dentro del contenido del mensaje. La referencia de la API de BroadNet dice: “On a pay-as-you-go key an image counts as input tokens at the model’s input price, and a larger image uses more tokens. On a plan, images are part of the plan’s unlimited use.” (traducción: con una clave de pago por uso, una imagen cuenta como tokens de entrada al precio de entrada del modelo, y una imagen más grande usa más tokens. En un plan, las imágenes forman parte del uso ilimitado del plan). Por ejemplo, los tokens de imagen de Gemma 4 VL 26B se cobran a $0.10 por 1M de tokens de entrada. BroadNet no publica una fórmula de tokens por imagen, así que lea usage.prompt_tokens en la respuesta para ver cuánto costó una imagen. La guía de facturas en árabe tiene un ejemplo completo, y la API de LLM con visión más barata compara precios.

Preguntas frecuentes

¿Una imagen más grande siempre cuesta más?

Hasta cierto límite. OpenAI y Anthropic documentan que reducen las imágenes que superan un tamaño máximo, así que a partir de ese punto el número de tokens deja de subir. Por debajo, más píxeles significan más parches y más tokens.

¿Los tokens de imagen cuentan para la ventana de contexto?

Sí. Son tokens de entrada, así que muchas imágenes grandes en una solicitud pueden agotar la ventana de contexto y encarecer cada turno posterior que las reenvíe.

¿Hay una calculadora de tokens de imagen?

Sí. Nuestra calculadora de tokens de imagen aplica la regla publicada de cada proveedor a las dimensiones de su imagen y muestra el número de tokens.

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity