BroadRouter

Tokens de imagem (image tokens)

Atualizado em

Tokens de imagem são os tokens de entrada que um modelo de visão e linguagem usa para representar uma imagem no prompt. Os provedores os calculam a partir do tamanho da imagem, normalmente dividindo-a em patches ou tiles de tamanho fixo depois de redimensioná-la, e os cobram como tokens de entrada de texto, então imagens maiores custam mais.

Também chamado de: tokens de imagem, custo de tokens de imagem, tokens visuais, quantos tokens custa uma imagem, image tokens, image token cost, vision tokens, image input tokens

Um modelo não lê pixels diretamente. Ele lê uma imagem como uma sequência de tokens, e na maioria das APIs você paga por cada um deles.

Como funciona

Os provedores cortam a imagem em pequenos quadrados e os contam, depois de redimensioná-la para caber nos seus limites. As regras variam.

Anthropic. A documentação do Claude diz que cada patch de 28×28 pixels é um “visual token” (token visual), então uma imagem custa ⌈width / 28⌉ × ⌈height / 28⌉ tokens. Imagens acima de um lado maior máximo ou de uma contagem máxima de tokens são reduzidas. No tier padrão, o teto é 1.568 px e 1.568 tokens; no tier de alta resolução (Claude 4.7 e posteriores), é 2.576 px e 4.784 tokens.

Imagem Tier padrão Tier de alta resolução
200×200 64 64
1000×1000 1.296 1.296
1920×1080 1.560 (redimensionada para 1456×819) 2.691

OpenAI. Os modelos mais novos contam patches de 32 pixels, ceil(width/32) × ceil(height/32), aplicam um orçamento de patches por modelo e depois multiplicam por um fator do modelo. O exemplo resolvido da OpenAI para um modelo: uma imagem 1024×1024 dá 1.024 patches, e 1.024 × 1,2 arredondado para cima dá 1.229 tokens. Modelos mais antigos, como o GPT-4o, usam tiles de 512 pixels: uma base de 85 tokens mais 170 por tile, ou só os tokens de base com detail: low.

Ou seja, a mesma foto pode custar contagens de tokens muito diferentes em modelos diferentes. Use a calculadora de tokens de imagem para comparar.

Por que importa

  • Custo. Pela tabela da Anthropic, uma imagem 1000×1000 dá 1.296 tokens no Claude. Em escala, redimensionar as imagens antes de enviá-las pode reduzir bastante o custo de entrada.
  • Troca com a precisão. Reduzir uma imagem economiza tokens, mas pode deixar letras pequenas ilegíveis. Para OCR de notas fiscais ou formulários, teste o menor tamanho que ainda é lido corretamente.
  • Contexto. Tokens de imagem ocupam a janela de contexto como texto. Em um chat com vários turnos, cada imagem reenviada é cobrada de novo.

Na BroadNet Inference

A entrada de imagens funciona no DeepSeek V4.1 Flash, no Qwen3.8 27B e no Gemma 4 VL 26B, enviada como URL data: em base64 no conteúdo da mensagem. A referência da API da BroadNet diz: “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.” (tradução: em uma chave de pagamento por uso, uma imagem conta como tokens de entrada ao preço de entrada do modelo, e uma imagem maior usa mais tokens. Em um plano, as imagens fazem parte do uso ilimitado do plano). Por exemplo, os tokens de imagem do Gemma 4 VL 26B são cobrados a $0.10 por 1M de tokens de entrada. A BroadNet não publica uma fórmula de tokens por imagem, então leia usage.prompt_tokens na resposta para ver quanto uma imagem custou. O guia de notas fiscais em árabe tem um exemplo completo, e a API de LLM com visão mais barata compara os preços.

Perguntas frequentes

Uma imagem maior sempre custa mais?

Até um limite. A OpenAI e a Anthropic documentam a redução de imagens acima de um tamanho máximo, então a contagem de tokens para de subir a partir desse ponto. Abaixo dele, mais pixels significam mais patches e mais tokens.

Tokens de imagem contam na janela de contexto?

Sim. São tokens de entrada, então muitas imagens grandes em uma requisição podem esgotar a janela de contexto e aumentar o custo de cada turno seguinte que as reenvia.

Existe uma calculadora de tokens de imagem?

Sim. A nossa calculadora de tokens de imagem aplica a regra publicada de cada provedor às dimensões da sua imagem e mostra a contagem de tokens.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity