इमेज भेजने से पहले जानें कि उसकी कीमत क्या है। यह इमेज टोकन कैलकुलेटर हर प्रोवाइडर का प्रकाशित फ़ॉर्मूला लगाता है — OpenAI के पैच और टाइल, Google की टाइलें, Anthropic का पिक्सेल भाजक — ताकि आँकड़ा वही रहे जो असल में बिल होता है। चौड़ाई और ऊँचाई लिखें या फ़ाइल छोड़ दें: पिक्सेल कभी आपके ब्राउज़र से बाहर नहीं जाते।
आपके ब्राउज़र में गणना — कोई अपलोड नहीं
इमेज का साइज़
आम साइज़
साइज़ पढ़ने के लिए इमेज यहाँ छोड़ें
या क्लिक करके चुनें — फ़ाइल कभी अपलोड नहीं होती
डिटेल
यह मॉडल detail पैरामीटर नज़रअंदाज़ करता है।
कितनी इमेज
1,024 × 32px पैच × 1
1,024×1,024 पर गिना गया — प्रोवाइडर ने रीसाइज़ नहीं किया
सभी विज़न मॉडलों पर एक 1,024×1,024 इमेज
| मॉडल | तरीका | बिल किया गया साइज़ | टोकन | प्रति इमेज | कुल |
|---|---|---|---|---|---|
| GPT-5.6 SolOpenAI | पैच | 1,024×1,024 | 1,024 | $0.00410 | $0.00410 |
| GPT-5.6 TerraOpenAI | पैच | 1,024×1,024 | 1,024 | $0.00205 | $0.00205 |
| GPT-5.6 LunaOpenAI | पैच | 1,024×1,024 | 2,519 | $0.00050 | $0.00050 |
| GPT-5.5OpenAI | पैच | 1,024×1,024 | 1,024 | $0.00512 | $0.00512 |
| GPT-5.4OpenAI | पैच | 1,024×1,024 | 1,024 | $0.00256 | $0.00256 |
| GPT-5.4 miniOpenAI | पैच | 1,024×1,024 | 1,659 | $0.00124 | $0.00124 |
| GPT-5.4 nanoOpenAI | पैच | 1,024×1,024 | 2,519 | $0.00050 | $0.00050 |
| GPT-5.1OpenAI | पैच | 1,024×1,024 | 1,024 | $0.00128 | $0.00128 |
| GPT-4.1OpenAI | टाइलें | 768×768 | 765 | $0.00153 | $0.00153 |
| GPT-4oOpenAI | टाइलें | 768×768 | 765 | $0.00191 | $0.00191 |
| GPT-4o MiniOpenAI | टाइलें | 768×768 | 25,501 | $0.00383 | $0.00383 |
| Claude Fable 5Anthropic | पिक्सेल ÷ 750 | 1,024×1,024 | 1,399 | $0.014 | $0.014 |
| Claude Opus 5Anthropic | पिक्सेल ÷ 750 | 1,024×1,024 | 1,399 | $0.00700 | $0.00700 |
| Claude Opus 4.8Anthropic | पिक्सेल ÷ 750 | 1,024×1,024 | 1,399 | $0.00700 | $0.00700 |
| Claude Sonnet 5Anthropic | पिक्सेल ÷ 750 | 1,024×1,024 | 1,399 | $0.00280 | $0.00280 |
| Claude Sonnet 4.6Anthropic | पिक्सेल ÷ 750 | 1,024×1,024 | 1,399 | $0.00420 | $0.00420 |
| Claude Haiku 4.5Anthropic | पिक्सेल ÷ 750 | 1,024×1,024 | 1,399 | $0.00140 | $0.00140 |
| Gemini 3.1 ProGoogle | टाइलें | 1,024×1,024 | 1,032 | $0.00206 | $0.00206 |
| Gemini 3.7 FlashGoogle | टाइलें | 1,024×1,024 | 1,032 | $0.00077 | $0.00077 |
| Gemini 3.5 FlashGoogle | टाइलें | 1,024×1,024 | 1,032 | $0.00155 | $0.00155 |
| Gemini 3.5 Flash-LiteGoogle | टाइलें | 1,024×1,024 | 1,032 | $0.00031 | $0.00031 |
| Gemini 2.5 ProGoogle | टाइलें | 1,024×1,024 | 1,032 | $0.00129 | $0.00129 |
आँकड़े हर प्रोवाइडर का प्रकाशित फ़ॉर्मूला आपकी भरी डाइमेंशन पर लगाते हैं, इसलिए वे उसी से मेल खाते हैं जो API इमेज के लिए बिल करता है। आपके प्रॉम्प्ट का टेक्स्ट, सिस्टम मैसेज और मॉडल का जवाब अलग से बिल होते हैं। प्रोवाइडर ये फ़ॉर्मूले बदलते रहते हैं: डेटा आख़िरी बार अगस्त 2026 में मूल दस्तावेज़ों से मिलाया गया।
चौड़ाई और ऊँचाई पिक्सेल में लिखें, या कोई तैयार साइज़ चुनें। गिनती सिर्फ़ डाइमेंशन से होती है — फ़ाइल का आकार, फ़ॉर्मैट और कंप्रेशन टोकन नहीं बदलते।
काउंटर पर PNG, JPG, WebP, GIF, AVIF या SVG खींचकर छोड़ें और उसकी डाइमेंशन स्थानीय रूप से पढ़ ली जाती हैं। इमेज कभी अपलोड नहीं होती; गणना में सिर्फ़ चौड़ाई और ऊँचाई जाती है।
हर प्रोवाइडर इमेज का बिल अलग तरीके से बनाता है, इसलिए यहाँ मॉडल का चुनाव टेक्स्ट से भी ज़्यादा मायने रखता है। वही 1,024×1,024 इमेज GPT-5.6 Terra पर 1,024 टोकन है और Claude Sonnet 5 पर 1,399।
आपको बिल होने वाली गिनती, एक इमेज की इनपुट कीमत, पूरे बैच की लागत और उस साइज़ पर सभी विज़न मॉडलों की तुलना करने वाली तालिका मिलती है।
टेक्स्ट की टोकनाइज़ेशन एक ही एल्गोरिद्म है जो हर मॉडल पर लगता है। इमेज में उल्टा है: चार प्रोवाइडर, चार असंबंधित फ़ॉर्मूले, और अंतर किसी राउंडिंग एरर से कहीं बड़ा।
ceil(चौ / 32) × ceil(ऊँ / 32), अधिकतम 1,536इमेज को 32×32 पिक्सेल के पैच में काटा जाता है और हर पैच एक टोकन है, कुल 1,536 की सख़्त सीमा तक। उससे बड़ी हर इमेज पहले छोटी की जाती है, और इसी वजह से 4K स्क्रीनशॉट की कीमत 1080p स्क्रीनशॉट के बराबर ही पड़ती है। mini और nano टियर पैच की संख्या को 1.62 और 2.46 से गुणा करते हैं, क्योंकि वे इमेज टोकन बहुत सस्ती टेक्स्ट दर पर बिल करते हैं।
85 + 170 × 512px टाइलें4-सीरीज़ कभी पैच पर नहीं गई। इमेज को 2,048px के भीतर फ़िट किया जाता है, उसकी छोटी भुजा 768px तक घटाई जाती है, और नतीजे को 512px की टाइलों में बाँटा जाता है। सिर्फ़ ये मॉडल <code>detail</code> पैरामीटर मानते हैं: <code>low</code> पर साइज़ चाहे कोई भी हो, तय 85 टोकन लगते हैं।
दोनों भुजाएँ ≤ 384px → 258; वरना 768px टाइलें × 258छोटी इमेज एक ही फ़्लैट-दर इकाई है। बड़ी इमेज 768px की टाइलों में बँटती है, हर टाइल 258 टोकन। सबसे अहम बात: कोई ऊपरी सीमा नहीं है। थंबनेल के लिए Gemini सबसे सस्ता है और पूरी रेज़ोल्यूशन वाली फ़ोन तस्वीर के लिए सबसे महँगा — 6,192 टोकन, जबकि GPT-5.6 Terra पर 1,452।
चौ × ऊँ / 750, बड़ी भुजा 1,568px और क्षेत्र 1,150,000px तक सीमित करने के बादClaude टाइलों से पूरी तरह बचता है और कुल पिक्सेल क्षेत्र को 750 से भाग देता है। पहले दो सीमाएँ लगती हैं — पहले बड़ी भुजा, फिर कुल क्षेत्र — और दोनों मिलकर प्रति इमेज लगभग 1,534 टोकन की छत बनाती हैं। Claude के सभी टियर एक ही गिनती देते हैं; बदलती है तो सिर्फ़ प्रति टोकन कीमत।
Azure OpenAI, OpenAI के मॉडल उसी इमेज हिसाब-किताब के साथ देता है, इसलिए Azure OpenAI इमेज टोकन कैलकुलेटर वही गणित करता है: ऊपर से संबंधित GPT मॉडल चुनें और आँकड़ा जैसा है वैसा ही लागू होता है। जिन मॉडलों के प्रोवाइडर कोई इमेज फ़ॉर्मूला प्रकाशित नहीं करते, उन्हें अनुमान लगाने के बजाय जानबूझकर छोड़ा गया है।
सिर्फ़ इनपुट दरें। आउटपुट का बिल अलग बनता है, और जो मॉडल आपकी इमेज का वर्णन लिखता है वह अपने लिखे शब्दों के लिए तीन से पाँच गुना वसूलता है।
| मॉडल | तरीका | थंबनेल256×256 | छोटी512×512 | चौकोर1,024×1,024 | स्क्रीनशॉट1,920×1,080 | 4K स्क्रीन3,840×2,160 | फ़ोन की तस्वीर3,024×4,032 |
|---|---|---|---|---|---|---|---|
| GPT-5.6 TerraOpenAI | पैच | 64 | 256 | 1,024 | 1,536 | 1,536 | 1,452 |
| GPT-5.6 LunaOpenAI | पैच | 157 | 630 | 2,519 | 3,779 | 3,779 | 3,572 |
| GPT-5.5OpenAI | पैच | 64 | 256 | 1,024 | 1,536 | 1,536 | 1,452 |
| GPT-5.4 miniOpenAI | पैच | 104 | 415 | 1,659 | 2,488 | 2,488 | 2,352 |
| GPT-4.1OpenAI | टाइलें | 255 | 255 | 765 | 1,105 | 1,105 | 765 |
| GPT-4oOpenAI | टाइलें | 255 | 255 | 765 | 1,105 | 1,105 | 765 |
| GPT-4o MiniOpenAI | टाइलें | 8,500 | 8,500 | 25,501 | 36,835 | 36,835 | 25,501 |
| Claude Opus 5Anthropic | पिक्सेल ÷ 750 | 88 | 350 | 1,399 | 1,534 | 1,534 | 1,534 |
| Claude Sonnet 5Anthropic | पिक्सेल ÷ 750 | 88 | 350 | 1,399 | 1,534 | 1,534 | 1,534 |
| Claude Haiku 4.5Anthropic | पिक्सेल ÷ 750 | 88 | 350 | 1,399 | 1,534 | 1,534 | 1,534 |
| Gemini 3.1 ProGoogle | टाइलें | 258 | 258 | 1,032 | 1,548 | 3,870 | 6,192 |
| Gemini 3.7 FlashGoogle | टाइलें | 258 | 258 | 1,032 | 1,548 | 3,870 | 6,192 |
| Gemini 3.5 Flash-LiteGoogle | टाइलें | 258 | 258 | 1,032 | 1,548 | 3,870 | 6,192 |
| मॉडल | तरीका | टोकन | प्रति इमेज | 1,000 इमेज | $1 में इमेज |
|---|---|---|---|---|---|
| GPT-5.6 TerraOpenAI | पैच | 1,024 | $0.00205 | $2.05 | 488 |
| GPT-5.6 LunaOpenAI | पैच | 2,519 | $0.00050 | $0.504 | 1,985 |
| GPT-5.5OpenAI | पैच | 1,024 | $0.00512 | $5.12 | 195 |
| GPT-5.4 miniOpenAI | पैच | 1,659 | $0.00124 | $1.24 | 804 |
| GPT-4.1OpenAI | टाइलें | 765 | $0.00153 | $1.53 | 654 |
| GPT-4oOpenAI | टाइलें | 765 | $0.00191 | $1.91 | 523 |
| GPT-4o MiniOpenAI | टाइलें | 25,501 | $0.00383 | $3.83 | 261 |
| Claude Opus 5Anthropic | पिक्सेल ÷ 750 | 1,399 | $0.00700 | $7.00 | 143 |
| Claude Sonnet 5Anthropic | पिक्सेल ÷ 750 | 1,399 | $0.00280 | $2.80 | 357 |
| Claude Haiku 4.5Anthropic | पिक्सेल ÷ 750 | 1,399 | $0.00140 | $1.40 | 715 |
| Gemini 3.1 ProGoogle | टाइलें | 1,032 | $0.00206 | $2.06 | 484 |
| Gemini 3.7 FlashGoogle | टाइलें | 1,032 | $0.00077 | $0.774 | 1,292 |
| Gemini 3.5 Flash-LiteGoogle | टाइलें | 1,032 | $0.00031 | $0.310 | 3,230 |
जहाँ पैरामीटर लागू होता है, आँकड़े OpenAI के <code>detail: high</code> के हैं। कीमतें अभी प्रकाशित इनपुट दरें हैं; Claude Sonnet 5 और Gemini 3.1 Pro दोनों प्रति मिलियन इनपुट टोकन $2.00 लेते हैं, इसलिए दोनों के बीच का पूरा अंतर सिर्फ़ इस बात से आता है कि कौन पिक्सेल कैसे गिनता है।
हर विज़न रिक्वेस्ट टोकन में नापी जाती है, लेकिन इमेज टेक्स्ट नहीं है और उसे किसी टोकनाइज़र से गुज़ारा नहीं जा सकता। इसके बजाय हर प्रोवाइडर अपने प्रकाशित फ़ॉर्मूले से पिक्सेल को टोकन गिनती में बदलता है, और ये फ़ॉर्मूले इतने अलग हैं कि एक ही तस्वीर किसी API पर दूसरी की तुलना में चार गुना महँगी पड़ सकती है।
भाषा मॉडल इमेज सीधे नहीं पढ़ सकता। मॉडल तक पहुँचने से पहले इमेज को हिस्सों में काटा जाता है, हर हिस्सा एक वेक्टर में बदला जाता है, और वे वेक्टर कॉन्टेक्स्ट विंडो में उन्हीं जगहों पर बैठते हैं जो टेक्स्ट टोकन लेते। इसीलिए इमेज का बिल टोकन में बनता है: वे सचमुच कॉन्टेक्स्ट खर्च करती हैं और प्रति इकाई उतनी ही गणना लेती हैं जितनी शब्द।
टेक्स्ट से फ़र्क इस बात में है कि आँकड़ा कहाँ से आता है। एक वाक्य बाइट-पेयर एनकोडिंग टोकनाइज़र से गुज़रता है, इसलिए जिसके पास शब्दावली फ़ाइल है वह उसकी गिनती ठीक-ठीक निकाल सकता है। इमेज की गिनती उसके डाइमेंशन पर की गई गणित से निकलती है, और किसी और चीज़ से नहीं। फ़ाइल का आकार बेमानी है, वैसे ही फ़ॉर्मैट, कलर डेप्थ और JPEG कितना कंप्रेस्ड है। 40 KB का स्क्रीनशॉट और 12 MB की PNG, अगर डाइमेंशन एक हैं, तो कीमत भी बिल्कुल एक। इमेज बिलिंग के बारे में यही सबसे काम की बात है, क्योंकि इसका मतलब है कि आपके हाथ में एक ही लीवर है — रेज़ोल्यूशन।
OpenAI दो तरीके इस्तेमाल करता है, और कौन लागू होगा यह मॉडल की पीढ़ी तय करती है, आपका कोई सेटिंग नहीं। GPT-5.x परिवार पैच गिनता है: इमेज को 32×32 पिक्सेल के वर्गों की ग्रिड में काटा जाता है और हर वर्ग एक टोकन लेता है, 1,536 पैच की सख़्त सीमा तक। 1,024×1,024 की इमेज GPT-5.6 Terra पर 1,024 टोकन है — $0.00205 इनपुट, यानी एक हज़ार इमेज के $2.05।
यही सीमा ऊपरी छोर पर पैच तरीके को उदार बनाती है। 1080p स्क्रीनशॉट और 4K स्क्रीनशॉट, दोनों का बिल 1,536 टोकन बनता है, क्योंकि 4K फ़्रेम गिने जाने से पहले पैच बजट तक घटा दिया जाता है। बड़ी फ़ाइल भेजने से आपको कुछ मिलता नहीं, और लगता भी कुछ नहीं।
GPT-4o और GPT-4.1 पैच से पहले के हैं और टाइलें
इस्तेमाल करते हैं: 85 टोकन का आधार शुल्क, और दो बार रीसाइज़ के बाद हर
512px टाइल पर 170। वही चौकोर इमेज वहाँ
765 टोकन है। ये OpenAI के एकमात्र मॉडल हैं जो
detail पैरामीटर पढ़ते हैं: उसे low करने पर इमेज कितनी भी बड़ी हो,
शुल्क 85 टोकन पर तय हो जाता है — जब आपको सिर्फ़ मोटी तस्वीर चाहिए तो यह असली
बचत है। GPT-5.x मॉडलों पर यह पैरामीटर स्वीकार होकर नज़रअंदाज़ हो जाता है, इसलिए ऊपर का काउंटर
कंट्रोल को धुँधला कर देता है और वजह भी बता देता है।
अगर आप Azure OpenAI से कॉल करते हैं, तो संबंधित OpenAI पंक्ति देखें। Azure वही मॉडल उसी इमेज हिसाब-किताब के साथ होस्ट करता है, इसलिए Azure OpenAI इमेज टोकन कैलकुलेटर और OpenAI कैलकुलेटर एक ही आँकड़ा देते हैं; फ़र्क सिर्फ़ आपकी अनुबंधित दर में हो सकता है। ChatGPT खुद उपभोक्ता प्लान पर प्रति टोकन बिल नहीं करता, लेकिन उसके पीछे का मॉडल इमेज को ठीक API की तरह गिनता है — और इसीलिए ये आँकड़े ChatGPT जैसा फ़ीचर बनाने की लागत आँकने में काम आते हैं।
Google के तरीके की दो शाखाएँ हैं। जो इमेज दोनों भुजाओं में 384px या उससे कम है, वह 258 टोकन की एक फ़्लैट-दर इकाई है। उससे बड़ी हर इमेज 768px की टाइलों में बँटती है, और हर टाइल भी 258 टोकन की।
इसका नतीजा पहले से सोचने लायक है: Gemini कोई छत नहीं लगाता। जहाँ OpenAI 1,536 पैच पर और Anthropic लगभग 1,534 टोकन पर रुक जाता है, Gemini जब तक आप पिक्सेल जोड़ते रहें, टाइलें जोड़ता रहता है। 1,024×1,024 इमेज पर वह प्रतिस्पर्धी 1,032 टोकन है; फ़ोन से सीधे आई 3,024×4,032 तस्वीर पर 6,192, जबकि GPT-5.6 Terra पर 1,452 और Claude Sonnet 5 पर 1,534। Gemini सबसे सस्ते से सबसे महँगे विकल्प में सिर्फ़ उस रेज़ोल्यूशन की वजह से बदल जाता है जो आपने उसे दिया।
दूसरा पहलू यह है कि छोटी इमेज पर Gemini को हराना मुश्किल है। 256×256 पर Gemini 3.7 Flash की कीमत प्रति इमेज $0.00019 है, और फ़्लैट दर दोनों भुजाओं में 768px तक सब कुछ ढक लेती है: जो थंबनेल पाइपलाइन 768px या उससे कम पर रीसाइज़ करती है, वह एक टाइल का, एक ही बार भुगतान करती है।
Anthropic ग्रिड को पूरी तरह छोड़ देता है: टोकन कुल पिक्सेल क्षेत्र में 750 का भाग है। पहले दो सीमाएँ लगती हैं — बड़ी भुजा 1,568px तक घटाई जाती है, फिर कुल क्षेत्र लगभग 1,150,000 पिक्सेल तक — और Claude की प्रति इमेज लगभग 1,534 टोकन की असल छत भुजा वाली सीमा नहीं, क्षेत्र वाली सीमा बनाती है।
फ़ॉर्मूला पूरी तरह ज्यामितीय है, इसलिए Claude के सभी टियर एक ही गिनती बताते हैं। 1,024×1,024 इमेज Opus, Sonnet और Haiku — तीनों पर 1,399 टोकन है: मॉडलों में फ़र्क सिर्फ़ इतना है कि एक टोकन की कीमत क्या है। इससे विज़न काम के लिए टियर चुनना असामान्य रूप से साफ़ हो जाता है — वही इमेज Claude Opus 5 पर $0.00700 और Claude Haiku 4.5 पर $0.00140 पड़ती है, यानी पाँच गुना अंतर, और मॉडल को इमेज का जितना हिस्सा मिलता है उसमें कोई बदलाव नहीं।
भेजने से पहले रीसाइज़ करें। चूँकि गिनती सिर्फ़ डाइमेंशन से होती है, स्केल घटाना ही पूरी ऑप्टिमाइज़ेशन है। जिन तरीकों में ऊपरी सीमा है, वहाँ आप सीमा से ऊपर की हर चीज़ बेझिझक फेंक सकते हैं: प्रोवाइडर उसे घटाएगा ही, और खुद घटाने से अपलोड का समय भी बचता है। Gemini पर, जहाँ कोई सीमा नहीं है, रीसाइज़ करना 6,192 टोकन और 1,032 के बीच का फ़र्क है।
रेज़ोल्यूशन को काम के हिसाब से रखें। स्क्रीनशॉट
में घना टेक्स्ट पढ़ने के लिए पिक्सेल चाहिए। यह तय करने के लिए कि तस्वीर में बिल्ली है या नहीं,
नहीं चाहिए। GPT-4o और GPT-4.1 पर detail: low यह काम तय 85
टोकन में कर देता है; बाकी मॉडलों पर 512×512 पर रीसाइज़ करने से वही नतीजा
मिलता है।
रिक्वेस्ट नहीं, पूरी बातचीत गिनें। इमेज जब तक थ्रेड चलता है कॉन्टेक्स्ट विंडो में बनी रहती है, और ज़्यादातर चैट इंप्लीमेंटेशन हर टर्न पर पूरा इतिहास दोबारा भेजते हैं। जो इमेज एक बार में $0.00205 की है, वह बीस टर्न में $0.041 की पड़ती है — और यह टेक्स्ट का एक शब्द गिनने से पहले। देखें कि आपके प्रीफ़िक्स पर कैश्ड इनपुट दर लागू होती है या नहीं: वह आम तौर पर मानक दर का एक हिस्सा ही होती है।
जिन मॉडलों का टोकनाइज़र निजी है, उनके लिए इमेज टोकन की गिनती टेक्स्ट के अनुमानों से ज़्यादा भरोसेमंद है, क्योंकि यहाँ के फ़ॉर्मूले प्रकाशित गणित हैं, कोई पुनर्निर्माण नहीं। OpenAI के टाइल तरीके को 512×512 इमेज दें और वह 255 टोकन देता है, जो OpenAI के अपने दस्तावेज़ का आँकड़ा है; 1,024×1,024 पर 765 — वही बात।
दो चेतावनियाँ। प्रोवाइडर ये फ़ॉर्मूले बिना ख़ास सूचना बदल देते हैं, इसलिए आँकड़ों पर वह तारीख़ दर्ज है जब उन्हें मूल दस्तावेज़ों से आख़िरी बार मिलाया गया। और इमेज की गिनती पूरी रिक्वेस्ट नहीं है: आपके प्रॉम्प्ट का टेक्स्ट, सिस्टम मैसेज और मॉडल का जवाब अलग से बिल होते हैं। दस्तावेज़ों के लिए फ़ाइल टोकन काउंटर इस्तेमाल करें और प्रॉम्प्ट के लिए टेक्स्ट कैलकुलेटर; यह पेज पिक्सेल संभालता है।
जिस प्रोवाइडर पर बिल बनता है, उसका फ़ॉर्मूला लगाएँ; इस पेज के ऊपर का काउंटर सभी के लिए यही करता है। OpenAI के GPT-5.x मॉडल इमेज को 32×32 पैच में काटते हैं और 1,536 तक हर पैच का एक टोकन लेते हैं; GPT-4o और GPT-4.1 85 टोकन और हर 512px टाइल पर 170 लेते हैं; Gemini हर 768px टाइल पर 258 टोकन लेता है; Claude कुल पिक्सेल को 750 से भाग देता है। चारों सिर्फ़ चौड़ाई और ऊँचाई पर निर्भर हैं।
नहीं। गिनती सिर्फ़ पिक्सेल डाइमेंशन से होती है। एक ही चौड़ाई-ऊँचाई वाली 40 KB की JPEG और 12 MB की PNG के टोकन बिल्कुल बराबर हैं, और कंप्रेशन, कलर डेप्थ तथा फ़ॉर्मैट से कुछ नहीं बदलता। इमेज टोकन घटाने का एक ही तरीका है — रेज़ोल्यूशन घटाना।
GPT-5.6 Terra और बाकी GPT-5.x फ़्लैगशिप टियर पर 1,024 टोकन, GPT-4o और GPT-4.1 पर 765, किसी भी Gemini मॉडल पर 1,032 और किसी भी Claude मॉडल पर 1,399। इन मॉडलों की इनपुट दरों पर एक इमेज की कीमत $0.00031 से $0.00700 के बीच पड़ती है।
नहीं। Azure OpenAI, OpenAI के मॉडल उसी इमेज हिसाब-किताब के साथ देता है, इसलिए किसी एक इमेज और मॉडल की गिनती दोनों पर एक जैसी रहती है। ऊपर से संबंधित GPT मॉडल चुनें और आँकड़ा आपके Azure डिप्लॉयमेंट पर जैसा है वैसा ही लागू होता है। फ़र्क सिर्फ़ उस प्रति-टोकन कीमत में हो सकता है जो आपने तय की है।
क्योंकि Gemini कोई छत नहीं लगाता। OpenAI इमेज को 1,536 पैच तक और Anthropic लगभग 1,534 टोकन तक सीमित करता है, इसलिए बहुत बड़ी इमेज गिने जाने से पहले घटा दी जाती हैं। Gemini 768px की टाइलें अनिश्चित काल तक जोड़ता रहता है, और इसीलिए 3,024×4,032 की फ़ोन तस्वीर 6,192 टोकन की पड़ती है, जबकि GPT-5.6 Terra पर 1,452। भेजने से पहले रीसाइज़ करें और Gemini फिर सबसे सस्ते विकल्पों में आ जाता है।
GPT-4o और GPT-4.1 पर यही पूरा शुल्क तय करता है: detail: low पर इमेज कितनी भी बड़ी हो, तय 85 टोकन लगते हैं और रीसाइज़िंग पूरी तरह छूट जाती है, जबकि detail: high पर पूरी टाइल गणना चलती है। GPT-5.x के पैच मॉडलों पर यह पैरामीटर स्वीकार होता है लेकिन गिनती पर असर नहीं डालता, इसलिए ऊपर का काउंटर कंट्रोल को धुँधला कर देता है, बजाय आपको कोई बेअसर सेटिंग चुनने देने के।
हाँ। Anthropic का फ़ॉर्मूला पिक्सेल ÷ 750 है, जो पूरी तरह ज्यामितीय है, इसलिए Opus, Sonnet और Haiku — तीनों 1,024×1,024 इमेज के लिए 1,399 टोकन बताते हैं। बदलती है तो सिर्फ़ प्रति टोकन कीमत: वही इमेज Claude Opus 5 पर $0.00700 और Claude Haiku 4.5 पर $0.00140 पड़ती है।
नहीं। फ़ाइल छोड़ने से सिर्फ़ आपका ब्राउज़र उसकी चौड़ाई और ऊँचाई स्थानीय रूप से पढ़ता है; पिक्सेल कभी भेजे, लॉग या सहेजे नहीं जाते। आप फ़ाइल छोड़े बिना सीधे डाइमेंशन भी लिख सकते हैं, क्योंकि गणना उन्हीं का उपयोग करती है।
क्योंकि उनके प्रोवाइडर इमेज टोकन का कोई फ़ॉर्मूला प्रकाशित नहीं करते। xAI, DeepSeek, Meta और Alibaba टेक्स्ट की कीमतें बताते हैं, लेकिन पिक्सेल को टोकन में बदलने का तरीका नहीं — और चुपचाप अनुमान लगाने वाली पंक्ति, न होने से भी बुरी होती। यहाँ मौजूद तेरह मॉडलों के पीछे प्रकाशित गणित है।
1,000 इनपुट टोकन की कीमत GPT-5.6 Terra पर $0.00200, GPT-5.6 Luna पर $0.00020, Claude Sonnet 5 पर $0.00200 और Gemini 3.1 Pro पर $0.00200 है। प्रोवाइडर दरें प्रति मिलियन टोकन बताते हैं, इसलिए प्रति हज़ार कीमत के लिए मुख्य आँकड़े को 1,000 से भाग दें। आउटपुट टोकन अलग से बिल होते हैं और तीन से पाँच गुना महँगे पड़ते हैं। इमेज के हिसाब से, GPT-5.x मॉडलों पर 1,000 टोकन लगभग एक 1,024×1,024 इमेज के बराबर हैं।
सामान्य अंग्रेज़ी गद्य के लगभग 750 शब्द, यानी करीब 4,000 अक्षर: 500 शब्द प्रति पेज के हिसाब से 1.5 पेज से कुछ ज़्यादा। अंग्रेज़ी में औसत अनुपात प्रति टोकन 0.75 शब्द है; हिंदी और अन्य देवनागरी लिपियाँ काफ़ी घनी पड़ती हैं, और कोड, JSON तथा ग़ैर-लातीन लिपियाँ कहीं-कहीं लगभग एक टोकन प्रति अक्षर तक पहुँच जाती हैं। इमेज इस अनुपात पर बिल्कुल नहीं चलतीं: उनकी गिनती पिक्सेल डाइमेंशन से आती है, किसी टेक्स्ट समकक्ष से नहीं।
लगभग 750,000 शब्द, यानी करीब 1,500 पेज: पाँच-छह पूरे उपन्यास। कीमत पूरी तरह मॉडल पर निर्भर है: 10,00,000 इनपुट टोकन GPT-5.6 Terra पर $2.00, GPT-5.6 Luna पर $0.200 और GPT-5.5 पर $5.00 पड़ते हैं। इमेज में, दस लाख टोकन GPT-5.6 Terra पर लगभग 977 1,024×1,024 इमेज ख़रीदते हैं।
टेक्स्ट के लिए उसे उसी टोकनाइज़र से गुज़ारें जो मॉडल इस्तेमाल करता है: OpenAI अपना प्रकाशित करता है, इसलिए GPT की गिनती ठीक-ठीक होती है, जबकि Anthropic, Google और बाकी अपना निजी रखते हैं और वहाँ अनुमान लगता है। इमेज के लिए कोई टोकनाइज़र नहीं है: आप प्रोवाइडर का प्रकाशित फ़ॉर्मूला चौड़ाई और ऊँचाई पर लगाते हैं, जो इस पेज का कैलकुलेटर करता है। अंग्रेज़ी टेक्स्ट के लिए हाथ से मोटी जाँच है अक्षर ÷ 4; GPT-5.x मॉडलों पर इमेज के लिए (चौड़ाई ÷ 32) × (ऊँचाई ÷ 32), ऊपर की ओर पूर्णांकित और 1,536 पर सीमित।
लगभग 150,000 शब्द, यानी करीब 300 पेज: एक पूरा उपन्यास। GPT-5.6 Terra पर इसकी इनपुट लागत $0.400 और Claude Haiku 4.5 पर $0.200 है। वर्षों तक यही कॉन्टेक्स्ट विंडो की मानक छत रही और Claude Haiku 4.5 अब भी वहीं रुकता है, लेकिन आज के फ़्लैगशिप मॉडल इससे कहीं आगे जाते हैं: GPT-5.6 Terra लगभग 1,050,000 टोकन लेता है। इमेज में, 2,00,000 टोकन लगभग 195 1,024×1,024 इमेज हैं।
कीमत = (इनपुट टोकन ÷ 10,00,000) × इनपुट दर + (आउटपुट टोकन ÷ 10,00,000) × आउटपुट दर। दोनों दिशाएँ अलग-अलग गिनें, क्योंकि हर प्रोवाइडर मॉडल के लिखे के लिए आपके भेजे से ज़्यादा वसूलता है। इमेज टोकन इनपुट टोकन हैं, इसलिए वे पहले हिस्से में आते हैं: पहले इमेज को टोकन गिनती में बदलें, प्रॉम्प्ट का टेक्स्ट जोड़ें, फिर गुणा करें। अगर आप एक ही प्रीफ़िक्स कई रिक्वेस्ट में दोहराते हैं, तो देखें कि कैश्ड इनपुट दर मिलती है या नहीं; वह आम तौर पर मानक दर का 10% से 50% होती है।
प्रकाशित प्रति-मिलियन दर को 10,00,000 से भाग दें। GPT-5.6 Terra, $2.00 प्रति मिलियन पर, प्रति इनपुट टोकन $0.00000200 पड़ता है; GPT-5.6 Luna, $0.200 प्रति मिलियन पर, $0.00000020। प्रोवाइडर कीमत प्रति मिलियन ही बताते हैं, ठीक इसलिए कि प्रति टोकन आँकड़े में काम आने लायक होने के लिए बहुत ज़्यादा शून्य लग जाते हैं। ध्यान रखें कि इनपुट और आउटपुट की दरें अलग हैं, और कैश्ड इनपुट की तीसरी — यानी एक ही मॉडल की तीन अलग प्रति-टोकन लागतें हो सकती हैं।
टोकन रेट वह कीमत है जो प्रोवाइडर प्रति टोकन इकाई लेता है, और लगभग हमेशा प्रति मिलियन बताई जाती है। GPT-5.6 Terra प्रति मिलियन इनपुट टोकन $2.00 और प्रति मिलियन आउटपुट टोकन $12.00 प्रकाशित करता है। यह शब्द थ्रूपुट के लिए भी चलता है — टोकन प्रति सेकंड, यानी मॉडल किस गति से टेक्स्ट बनाता है — इसलिए यह देख लेना चाहिए कि किस अर्थ में कहा गया है। इस पेज पर इसका मतलब हमेशा कीमत है।
पैसे के अंश भर। एक इनपुट टोकन GPT-5.6 Terra पर $0.00000200, GPT-5.6 Luna पर $0.00000020 और GPT-5.5 पर $0.00000500 का पड़ता है। उल्टी तरफ़ से देखें तो एक अमेरिकी डॉलर के इनपुट में GPT-5.6 Terra पर लगभग 500,000 टोकन आते हैं या GPT-5.6 Luna पर 5,000,000, यानी 488 1,024×1,024 इमेज।
मुख्य कैलकुलेटर आपके चिपकाए टेक्स्ट को लिखते-लिखते टोकनाइज़ करता है, रंगों में विभाजन और सभी मॉडलों की कीमत तुलना के साथ। फ़ाइलों और OpenAI के ख़ास टोकनाइज़र के लिए अलग काउंटर हैं।