---
title: "画像トークンとは？LLM API の画像入力の料金計算 | BroadRouter"
description: "画像トークンは、送った画像ごとにビジョンモデルが数える入力トークンです。OpenAI と Anthropic が画像サイズからどう計算するか、料金の見積もり方を解説します。"
url: https://broadrouter.com/ja/glossary/image-tokens/
lang: ja
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/glossary/image-tokens/)（2026-11-15 更新）。

# 画像トークン（image tokens）

更新日 2026-11-15

画像トークンとは、ビジョン言語モデルがプロンプト内の画像を表す入力トークンです。数は画像サイズから計算され、通常はリサイズ後に固定サイズのパッチやタイルに分割します。テキストの入力トークンと同様に課金され、大きい画像ほど高くなります。

別名： 画像トークン、画像のトークン数、画像入力の料金、ビジョントークン、画像トークン 計算、image tokens、image token cost、vision tokens、image input tokens

モデルはピクセルを直接読めません。画像をトークンの列として読み、ほとんどの API ではその 1 つ 1 つに料金がかかります。

## 仕組み

プロバイダーは、画像を上限に合わせてリサイズした後、小さな正方形に切り分けて数えます。ルールはプロバイダーごとに異なります。

**Anthropic。** Claude のドキュメントによると、28×28 ピクセルのパッチ 1 つが 1 つの “visual token”（訳：視覚トークン）なので、画像 1 枚のトークン数は `⌈width / 28⌉ × ⌈height / 28⌉` です。長辺またはトークン数が上限を超える画像は縮小されます。標準ティアの上限は 1,568 px と 1,568 トークン、高解像度ティア（Claude 4.7 以降）は 2,576 px と 4,784 トークンです。

| 画像 | 標準ティア | 高解像度ティア |
| --- | --- | --- |
| 200×200 | 64 | 64 |
| 1000×1000 | 1,296 | 1,296 |
| 1920×1080 | 1,560（1456×819 にリサイズ） | 2,691 |

**OpenAI。** 新しいモデルは 32 ピクセルのパッチを `ceil(width/32) × ceil(height/32)` で数え、モデルごとのパッチ上限を適用してから、モデル係数をかけます。OpenAI があるモデルについて示した計算例では、1024×1024 の画像は 1,024 パッチで、1,024 × 1.2 を切り上げて 1,229 トークンです。GPT-4o などの古いモデルは 512 ピクセルのタイルを使い、基本の 85 トークンにタイルごとに 170 を足します。`detail: low` では基本トークンだけです。

つまり、同じ写真でもモデルによってトークン数は大きく変わります。比較には[画像トークン計算ツール](https://broadrouter.com/tools/image-token-calculator/)を使ってください。

## なぜ重要か

-   **料金。** Anthropic の表によると、1000×1000 の画像は Claude で 1,296 トークンです。大量に送るなら、送信前に画像を縮小するだけで入力コストを目に見えて下げられます。
-   **精度とのトレードオフ。** 画像を縮小するとトークンは減りますが、小さな文字が読めなくなることがあります。請求書や帳票の [OCR](https://broadrouter.com/ja/glossary/ocr/) では、正しく読める最小のサイズをテストしてください。
-   **コンテキスト。** 画像トークンもテキストと同じように[コンテキストウィンドウ](https://broadrouter.com/ja/glossary/context-window/)を消費します。マルチターンのチャットでは、再送した画像のたびに再び課金されます。

## BroadNet Inference の場合

画像入力は [DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/)、[Qwen3.8 27B](https://broadrouter.com/ja/models/qwen3.8-27b/)、[Gemma 4 VL 26B](https://broadrouter.com/ja/models/gemma-4-vl-26b/) で使え、メッセージの content に base64 の `data:` URL として送ります。BroadNet の API リファレンスには “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.”（訳：従量課金のキーでは、画像はモデルの入力単価で入力トークンとして数えられ、大きい画像ほど多くのトークンを使う。プランでは、画像はプランの無制限利用に含まれる）とあります。たとえば Gemma 4 VL 26B の画像トークンは、100 万入力トークンあたり $0.10 で課金されます。BroadNet は画像ごとのトークン計算式を公開していないため、画像にいくらかかったかは応答の `usage.prompt_tokens` で確認してください。[アラビア語の請求書ガイド](https://broadrouter.com/ja/guides/read-arabic-invoices-with-vision/)に完全な例があり、[最安のビジョン LLM API](https://broadrouter.com/ja/blog/cheapest-vision-llm-api/) で料金を比較しています。

## よくある質問

### 画像が大きいほど必ず高くなりますか？

上限までです。OpenAI も Anthropic も、最大サイズを超える画像は縮小すると記載しているため、そこから先はトークン数が増えません。上限以下では、ピクセルが多いほどパッチが増え、トークンも増えます。

### 画像トークンはコンテキストウィンドウに含まれますか？

はい。入力トークンなので、1 つのリクエストに大きな画像を多く入れるとコンテキストウィンドウを使い切ることがあり、それを再送する以降のターンもすべて料金が上がります。

### 画像トークンの計算ツールはありますか？

あります。当サイトの画像トークン計算ツールは、各プロバイダーが公開しているルールを画像のサイズに当てはめ、トークン数を表示します。

## 関連項目

-   [視覚言語モデル（VLM、vision-language model）](https://broadrouter.com/ja/glossary/vision-language-model/)（用語）
-   [マルチモーダル AI（multimodal AI）](https://broadrouter.com/ja/glossary/multimodal/)（用語）
-   [入力トークンと出力トークン（input and output tokens）](https://broadrouter.com/ja/glossary/input-and-output-tokens/)（用語）
-   [トークン（token）](https://broadrouter.com/ja/glossary/token/)（用語）
-   [OCR（光学文字認識）](https://broadrouter.com/ja/glossary/ocr/)（用語）
-   [コンテキストウィンドウ（context window）](https://broadrouter.com/ja/glossary/context-window/)（用語）
-   [ビジョンモデルでアラビア語の請求書とレシートを読み取る](https://broadrouter.com/ja/guides/read-arabic-invoices-with-vision/)（ガイド）
-   [最安の画像対応 LLM API：画像 1 枚・1 ページあたりのコストを計算](https://broadrouter.com/ja/blog/cheapest-vision-llm-api/)（記事）
-   [ビジョン LLM で請求書・領収書・帳票のデータを JSON に抽出する](https://broadrouter.com/ja/blog/extract-data-from-documents-with-vision-llm/)（記事）

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-glossary-image-tokens&utm_content=page-cta) ·

**出典**

-   [OpenAI API ドキュメント、画像とビジョン：料金の計算（2026-11-15 確認）](https://developers.openai.com/api/docs/guides/images-vision)
-   [Anthropic、Claude のビジョンのドキュメント：解像度とトークン料金（2026-11-15 確認）](https://platform.claude.com/docs/en/build-with-claude/vision)
-   [BroadNet Inference API リファレンス、画像付きのチャット（2026-11-15 確認）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-glossary-image-tokens&utm_content=sources)
