BroadRouter

Token gambar (image tokens)

Diperbarui

Token gambar adalah token input yang dipakai vision language model untuk merepresentasikan gambar dalam prompt. Penyedia menghitungnya dari ukuran gambar, biasanya dengan membaginya menjadi patch atau tile berukuran tetap setelah diubah ukurannya, lalu menagihnya seperti token input teks, sehingga gambar lebih besar lebih mahal.

Disebut juga: token gambar, biaya token gambar, token vision, token input gambar, image tokens, image token cost, vision tokens, image input tokens

Model tidak bisa membaca piksel secara langsung. Model membaca gambar sebagai deretan token, dan di sebagian besar API Anda membayar setiap token itu.

Cara kerjanya

Penyedia memotong gambar menjadi kotak-kotak kecil dan menghitungnya, setelah mengubah ukurannya agar sesuai batas mereka. Aturannya berbeda-beda.

Anthropic. Dokumentasi Claude menyebut setiap patch 28×28 piksel adalah satu “visual token” (token visual), jadi sebuah gambar bernilai ⌈width / 28⌉ × ⌈height / 28⌉ token. Gambar yang melebihi sisi panjang maksimum atau jumlah token maksimum akan diperkecil. Di tier standar batasnya 1.568 px dan 1.568 token; di tier resolusi tinggi (Claude 4.7 dan setelahnya) 2.576 px dan 4.784 token.

Gambar Tier standar Tier resolusi tinggi
200×200 64 64
1000×1000 1.296 1.296
1920×1080 1.560 (diperkecil ke 1456×819) 2.691

OpenAI. Model yang lebih baru menghitung patch 32 piksel, ceil(width/32) × ceil(height/32), menerapkan batas patch per model, lalu mengalikannya dengan faktor model. Contoh perhitungan OpenAI untuk satu model: gambar 1024×1024 berisi 1.024 patch, dan 1.024 × 1,2 dibulatkan ke atas menjadi 1.229 token. Model lama seperti GPT-4o memakai tile 512 piksel: dasar 85 token plus 170 per tile, atau hanya token dasar pada detail: low.

Jadi foto yang sama bisa bernilai jumlah token yang sangat berbeda di model yang berbeda. Gunakan kalkulator token gambar untuk membandingkan.

Kenapa ini penting

  • Biaya. Menurut tabel Anthropic, gambar 1000×1000 bernilai 1.296 token di Claude. Dalam skala besar, memperkecil gambar sebelum dikirim bisa menurunkan biaya input secara nyata.
  • Kompromi akurasi. Memperkecil gambar menghemat token tetapi bisa membuat tulisan kecil tidak terbaca. Untuk OCR faktur atau formulir, uji ukuran terkecil yang masih terbaca dengan benar.
  • Konteks. Token gambar mengisi context window seperti teks. Dalam chat multi-giliran, setiap gambar yang dikirim ulang ditagih lagi.

Di BroadNet Inference

Input gambar berfungsi di DeepSeek V4.1 Flash, Qwen3.8 27B, dan Gemma 4 VL 26B, dikirim sebagai URL data: base64 di dalam konten pesan. Referensi API BroadNet menyebut: “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.” (terjemahan: Pada kunci bayar sesuai pemakaian, gambar dihitung sebagai token input dengan harga input model, dan gambar yang lebih besar memakai lebih banyak token. Pada paket, gambar termasuk dalam pemakaian tanpa batas paket itu.) Contohnya, token gambar Gemma 4 VL 26B ditagih $0.10 per 1M token input. BroadNet tidak memublikasikan rumus token per gambar, jadi baca usage.prompt_tokens di respons untuk melihat biaya sebuah gambar. Panduan faktur bahasa Arab berisi contoh lengkap, dan API LLM vision termurah membandingkan harga.

Pertanyaan umum

Apakah gambar yang lebih besar selalu lebih mahal?

Sampai batas tertentu. OpenAI dan Anthropic sama-sama mendokumentasikan bahwa gambar di atas ukuran maksimum diperkecil, sehingga jumlah token berhenti naik setelah titik itu. Di bawahnya, lebih banyak piksel berarti lebih banyak patch dan lebih banyak token.

Apakah token gambar dihitung dalam context window?

Ya. Token gambar adalah token input, jadi banyak gambar besar dalam satu request bisa menghabiskan context window dan menaikkan biaya setiap giliran berikutnya yang mengirim ulang gambar itu.

Apakah ada kalkulator token gambar?

Ada. Kalkulator token gambar kami menerapkan aturan yang dipublikasikan setiap penyedia pada dimensi gambar Anda dan menampilkan jumlah tokennya.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity