結論先說
- 圖片扣多少 Token 只看像素尺寸,不看文件字節大小:寬高均不超過
384 像素的小圖固定算 258 Tokens;超過該尺寸的大圖會被切分為768 × 768像素圖塊,每個圖塊收費 258 Tokens,單純調低 JPG 質素不改寬高省不下一分錢。 - 音影片只按時長折算,與碼率無關:純音頻固定為 32 Tokens / 秒(1 分鐘約
1,920);標準解像度影片固定按每秒採樣約 1 幀畫面加音軌,合計約 263 Tokens / 秒(1 分鐘約15,780)。 - 發送前調
client.models.count_tokens完全免費:支持把文本、本地圖片、Files API 文件句柄甚至tools函數定義一併傳入,提前拿到total_tokens做超額攔截。 - 對帳時別漏看
thoughts_token_count思考開銷:Gemini 2.5 等推理模型內部思考產生的隱藏 Token 同樣按輸出單價計費,必須從response.usage_metadata讀取全量明細。 - 谷歌開發帳號與多工具訂閱入口:前往 Google AI Studio 測試多模態計費與綁定結算需準備個人谷歌帳號,缺號可查看本站 谷歌帳號購買說明(含即買即發的 谷歌電郵成品號),跨平台主力會員總覽見 AI 會員充值中心。

圖:本站根據 Google Gemini API 文檔:Understand and count tokens 整理的示意圖
本文根據 Google Gemini API 官方文檔《Understand and count tokens》《Gemini Developer API Pricing》整理,資料核對於 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 Google 官方網站。
適用於誰
- 做多模態票據 OCR、長音頻會議紀要或影片內容檢索,上線前需要精確測算單次調用成本的後端與算法工程師;
- 以為「文件體積壓小了(高壓縮率 JPG)就能省 Token」,結果帳單依然居高不下的人;
- 想在真正發起推理前用
count_tokens攔截超長輸入,並在返回後拆清輸入、輸出與思考(Thoughts)Token 明細的團隊。
一、圖片、音頻、影片與 PDF 折算公式詳解
與英文約 4 個字符合 1 個 Token 的純文本不同,Gemini 2.0 / 2.5 及更新主線模型對多媒體採用標準化網格與時間軸折算(各檔位百萬 Token 美元單價見 Gemini API 價格說明):
1. 圖片:384px 門檻與 768×768 切片規則
- 小圖一口價:只要圖片的寬 ≤ 384 px 且高 ≤ 384 px,整張圖固定計為 258 Tokens。如果業務只是做「商品主色調識別、頭像合規初篩、簡單場景分類」,上載前用
Pillow把長邊等比縮放到384 px以內,Token 開銷立刻封頂在 258。 - 大圖按塊累加:任一邊超過
384 px時,系統會根據原圖長寬比將其縮放切分為若干個768 × 768像素的切片(Tile),每個切片額外計 258 Tokens。因此做高密表格或發票小字 OCR 時保留高清解像度即可,無需盲目傳 4K/8K 超大圖。
2. 音頻、影片與 PDF 文檔
- 純音頻(
32 Tokens / 秒):一段 30 分鐘的播客錄音約合30 × 60 × 32 = 57,600 Tokens,遠低於很多開發者的直覺,非常適合直接整段丟給 Flash 模型出逐字摘要。 - 影片(標準模式約
263 Tokens / 秒):底層預設每秒抽 1 幀圖像併合並音軌(詳細時間戳提問寫法見 Gemini API 理解影片與提取時間戳怎麼寫)。若影片長達半小時以上且無需看清畫面微小文字,可在GenerateContentConfig設定media_resolution=types.MediaResolution.MEDIA_RESOLUTION_LOW,把每秒影片開銷大幅壓低到約三分之一。 - PDF 文檔:大體積文檔通過 Gemini API Files API 上載 後,每一頁會作為獨立視覺頁面(基準
258 Tokens / 頁)結合頁面文本一起計費。
二、Python 代碼:免費預估 count_tokens 與事後對帳
在實際發起耗時又花錢的 generate_content 之前,先調一次 count_tokens 既不扣生成配額,又能防止單次請求打爆上下文上限:
python
from PIL import Image
from google import genai
from google.genai import types
client = genai.Client()
img = Image.open("invoice_scan.png")
prompt = "提取圖中發票代碼、開票日期與價稅合計金額,返回 JSON。"
# 1. 發送前:免費精確計算總輸入 Token(含圖片切片與文本)
pre_check = client.models.count_tokens(
model="gemini-2.5-flash",
contents=[img, prompt],
)
print("預計消耗輸入 Tokens:", pre_check.total_tokens)
# 2. 正式調用並核對真實帳單明細
resp = client.models.generate_content(
model="gemini-2.5-flash",
contents=[img, prompt],
)
u = resp.usage_metadata
print(
f"實際輸入: {u.prompt_token_count}, "
f"內部思考: {u.thoughts_token_count}, "
f"正文輸出: {u.candidates_token_count}, "
f"總計: {u.total_token_count}"
)
注意如果你在請求裏掛載了大量 Function Calling 工具聲明或 system_instruction,預估時也要把相同的 config 傳進 count_tokens,否則算出來的數字會漏掉函數 Schema 本身的幾百到幾千個輸入 Token。
谷歌開發帳號與長上下文工具提示:使用 AI Studio 查看用量儀表盤或開啟付費層需要正常可用的個人谷歌帳號,缺號可在本站選購帶 2FA 的 谷歌電郵成品號(說明見 谷歌帳號購買頁);日常在本地高頻讀長代碼庫與大 PDF,也可搭配固定月費的 Claude Pro 或 ChatGPT Plus。

圖:本站根據 Google Gemini API 文檔:Understand and count tokens 整理的示意圖
三、多模態生產環境省費三板斧
- 重複追問同一份長影片或大手冊必開上下文緩存:如果業務要對同一段 40 分鐘教學影片連續提 10 個問題,配合隱式或顯式緩存(配置教學見 Gemini API 上下文緩存怎麼用)可大幅削減後續輪次的重複輸入單價。
- 只問聽覺內容時先剝離影片畫面軌:如果會議錄屏只有一張靜態 PPT 封面,真正有用的是發言人討論,本地用
ffmpeg -vn先抽成純音頻.mp3再上載,每秒開銷會從263 Tokens直降到32 Tokens,立省近九成。 - 非複雜推理任務限制
thinking_budget:對於簡單的發票字段提取或固定分類,在ThinkingConfig裏調低或設thinking_budget=0(視模型是否允許關閉思考),可省下數千個昂貴的輸出級思考 Token。
常見問題
問:把一張 2000 × 2000 的 PNG 壓成極高壓縮比的 50KB JPG,為什麼 count_tokens 算出來的數字一點沒變?
答:因為服務端解碼後是按圖像的像素寬高(2000 × 2000)切分 768 × 768 圖塊的,磁盤壓縮率隻影響上載網速,不影響送入視覺編碼器的圖塊數量。想降 Token 必須縮小像素寬高(resize)或調低 media_resolution。
問:中文一個漢字在 Gemini 裏大約佔多少個 Token?
答:Gemini 使用基於 SentencePiece 的多語言分詞器,常見單個漢字通常約佔 1 1.5 個 Token(含標點與專業詞組平均下來,1000 個漢字大約對應 1000–1300 Tokens),準確數字一律以 count_tokens 返回值為準。
問:超過 20 萬 Token 分界線後單價為什麼突然翻倍?
答:按 Google 官方階梯定價規則,許多主力模型對單次請求輸入 ≤ 200k Tokens 與 > 200k Tokens 設有兩檔不同的輸入和輸出單價;一旦你的長影片或歷史對話跨過 20 萬分界線,整次請求都會按高階檔位計費。
問:國內沒有外幣卡怎麼買谷歌帳號或開通 Claude、ChatGPT 會員,支持開發票報銷嗎?
答:可前往本站 谷歌帳號購買頁、Claude Pro 充值頁 或 AI 會員充值總覽 自助下單,支持支付寶、微信支付與 AlipayHK,會員訂閱支持免交帳號密碼的自助卡密兌換,企業採購支持開具國內增值稅發票;實時價格與售後細則(掉訂閱按剩餘天數折退,封號不在質保範圍)以各商品頁說明為準。
相關教學
- Gemini API 價格:各模型每百萬 tokens 多少錢、免費層和付費層差在哪
- Gemini API 上下文緩存(Context Caching)怎麼用:省費規則與 TTL 設定
- Gemini API 理解影片與提取時間戳怎麼寫:token 換算規則
- Gemini API Files API 怎麼用:上載長影片、音頻、大 PDF 給模型分析
參考資料
- Google Gemini API 官方文檔:Understand and count tokens — https://ai.google.dev/gemini-api/docs/tokens
- Google Gemini API 官方文檔:Gemini Developer API Pricing — https://ai.google.dev/gemini-api/docs/pricing
- Google Gemini API 官方文檔:Context caching — https://ai.google.dev/gemini-api/docs/caching
0 條評論
還沒有評論,來搶沙發~