结论先说
- 图片扣多少 Token 只看像素尺寸,不看文件字节大小:宽高均不超过
384 像素的小图固定算 258 Tokens;超过该尺寸的大图会被切分为768 × 768像素图块,每个图块收费 258 Tokens,单纯调低 JPG 质量不改宽高省不下一分钱。 - 音视频只按时长折算,与码率无关:纯音频固定为 32 Tokens / 秒(1 分钟约
1,920);标准分辨率视频固定按每秒采样约 1 帧画面加音轨,合计约 263 Tokens / 秒(1 分钟约15,780)。 - 发送前调
client.models.count_tokens完全免费:支持把文本、本地图片、Files API 文件句柄甚至tools函数定义一并传入,提前拿到total_tokens做超额拦截。 - 对账时别漏看
thoughts_token_count思考开销:Gemini 2.5 等推理模型内部思考产生的隐藏 Token 同样按输出单价计费,必须从response.usage_metadata读取全量明细。 - 谷歌开发账号与多工具订阅入口:前往 Google AI Studio 测试多模态计费与绑定结算需准备个人谷歌账号,缺号可查看本站 谷歌账号购买说明(含即买即发的 谷歌邮箱成品号),跨平台主力会员总览见 AI 会员充值中心。

图:本站根据 Google Gemini API 文档:Understand and count tokens 整理的示意图
本文根据 Google Gemini API 官方文档《Understand and count tokens》《Gemini Developer API Pricing》整理,资料核对于 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 Google 官方网站。
适用于谁
- 做多模态票据 OCR、长音频会议纪要或视频内容检索,上线前需要精确测算单次调用成本的后端与算法工程师;
- 以为「文件体积压小了(高压缩率 JPG)就能省 Token」,结果账单依然居高不下的人;
- 想在真正发起推理前用
count_tokens拦截超长输入,并在返回后拆清输入、输出与思考(Thoughts)Token 明细的团队。
一、图片、音频、视频与 PDF 折算公式详解
与英文约 4 个字符合 1 个 Token 的纯文本不同,Gemini 2.0 / 2.5 及更新主线模型对多媒体采用标准化网格与时间轴折算(各档位百万 Token 美元单价见 Gemini API 价格说明):
1. 图片:384px 门槛与 768×768 切片规则
- 小图一口价:只要图片的宽 ≤ 384 px 且高 ≤ 384 px,整张图固定计为 258 Tokens。如果业务只是做「商品主色调识别、头像合规初筛、简单场景分类」,上传前用
Pillow把长边等比缩放到384 px以内,Token 开销立刻封顶在 258。 - 大图按块累加:任一边超过
384 px时,系统会根据原图长宽比将其缩放切分为若干个768 × 768像素的切片(Tile),每个切片额外计 258 Tokens。因此做高密表格或发票小字 OCR 时保留高清分辨率即可,无需盲目传 4K/8K 超大图。
2. 音频、视频与 PDF 文档
- 纯音频(
32 Tokens / 秒):一段 30 分钟的播客录音约合30 × 60 × 32 = 57,600 Tokens,远低于很多开发者的直觉,非常适合直接整段丢给 Flash 模型出逐字摘要。 - 视频(标准模式约
263 Tokens / 秒):底层默认每秒抽 1 帧图像并合并音轨(详细时间戳提问写法见 Gemini API 理解视频与提取时间戳怎么写)。若视频长达半小时以上且无需看清画面微小文字,可在GenerateContentConfig设置media_resolution=types.MediaResolution.MEDIA_RESOLUTION_LOW,把每秒视频开销大幅压低到约三分之一。 - PDF 文档:大体积文档通过 Gemini API Files API 上传 后,每一页会作为独立视觉页面(基准
258 Tokens / 页)结合页面文本一起计费。
二、Python 代码:免费预估 count_tokens 与事后对账
在实际发起耗时又花钱的 generate_content 之前,先调一次 count_tokens 既不扣生成配额,又能防止单次请求打爆上下文上限:
python
from PIL import Image
from google import genai
from google.genai import types
client = genai.Client()
img = Image.open("invoice_scan.png")
prompt = "提取图中发票代码、开票日期与价税合计金额,返回 JSON。"
# 1. 发送前:免费精确计算总输入 Token(含图片切片与文本)
pre_check = client.models.count_tokens(
model="gemini-2.5-flash",
contents=[img, prompt],
)
print("预计消耗输入 Tokens:", pre_check.total_tokens)
# 2. 正式调用并核对真实账单明细
resp = client.models.generate_content(
model="gemini-2.5-flash",
contents=[img, prompt],
)
u = resp.usage_metadata
print(
f"实际输入: {u.prompt_token_count}, "
f"内部思考: {u.thoughts_token_count}, "
f"正文输出: {u.candidates_token_count}, "
f"总计: {u.total_token_count}"
)
注意如果你在请求里挂载了大量 Function Calling 工具声明或 system_instruction,预估时也要把相同的 config 传进 count_tokens,否则算出来的数字会漏掉函数 Schema 本身的几百到几千个输入 Token。
谷歌开发账号与长上下文工具提示:使用 AI Studio 查看用量仪表盘或开启付费层需要正常可用的个人谷歌账号,缺号可在本站选购带 2FA 的 谷歌邮箱成品号(说明见 谷歌账号购买页);日常在本地高频读长代码库与大 PDF,也可搭配固定月费的 Claude Pro 或 ChatGPT Plus。

图:本站根据 Google Gemini API 文档:Understand and count tokens 整理的示意图
三、多模态生产环境省费三板斧
- 重复追问同一份长视频或大手册必开上下文缓存:如果业务要对同一段 40 分钟教学视频连续提 10 个问题,配合隐式或显式缓存(配置教程见 Gemini API 上下文缓存怎么用)可大幅削减后续轮次的重复输入单价。
- 只问听觉内容时先剥离视频画面轨:如果会议录屏只有一张静态 PPT 封面,真正有用的是发言人讨论,本地用
ffmpeg -vn先抽成纯音频.mp3再上传,每秒开销会从263 Tokens直降到32 Tokens,立省近九成。 - 非复杂推理任务限制
thinking_budget:对于简单的发票字段提取或固定分类,在ThinkingConfig里调低或设thinking_budget=0(视模型是否允许关闭思考),可省下数千个昂贵的输出级思考 Token。
常见问题
问:把一张 2000 × 2000 的 PNG 压成极高压缩比的 50KB JPG,为什么 count_tokens 算出来的数字一点没变?
答:因为服务端解码后是按图像的像素宽高(2000 × 2000)切分 768 × 768 图块的,磁盘压缩率只影响上传网速,不影响送入视觉编码器的图块数量。想降 Token 必须缩小像素宽高(resize)或调低 media_resolution。
问:中文一个汉字在 Gemini 里大约占多少个 Token?
答:Gemini 使用基于 SentencePiece 的多语言分词器,常见单个汉字通常约占 1 1.5 个 Token(含标点与专业词组平均下来,1000 个汉字大约对应 1000–1300 Tokens),准确数字一律以 count_tokens 返回值为准。
问:超过 20 万 Token 分界线后单价为什么突然翻倍?
答:按 Google 官方阶梯定价规则,许多主力模型对单次请求输入 ≤ 200k Tokens 与 > 200k Tokens 设有两档不同的输入和输出单价;一旦你的长视频或历史对话跨过 20 万分界线,整次请求都会按高阶档位计费。
问:国内没有外币卡怎么买谷歌账号或开通 Claude、ChatGPT 会员,支持开发票报销吗?
答:可前往本站 谷歌账号购买页、Claude Pro 充值页 或 AI 会员充值总览 自助下单,支持支付宝、微信支付与 AlipayHK,会员订阅支持免交账号密码的自助卡密兑换,企业采购支持开具国内增值税发票;实时价格与售后细则(掉订阅按剩余天数折退,封号不在质保范围)以各商品页说明为准。
相关教程
- Gemini API 价格:各模型每百万 tokens 多少钱、免费层和付费层差在哪
- Gemini API 上下文缓存(Context Caching)怎么用:省费规则与 TTL 设置
- Gemini API 理解视频与提取时间戳怎么写:token 换算规则
- Gemini API Files API 怎么用:上传长视频、音频、大 PDF 给模型分析
参考资料
- Google Gemini API 官方文档:Understand and count tokens — https://ai.google.dev/gemini-api/docs/tokens
- Google Gemini API 官方文档:Gemini Developer API Pricing — https://ai.google.dev/gemini-api/docs/pricing
- Google Gemini API 官方文档:Context caching — https://ai.google.dev/gemini-api/docs/caching
0 条评论
还没有评论,来抢沙发~