Penghitungan token
Hitung token dalam sebuah pesan sebelum Anda mengirimkannya ke Claude. Gunakan jumlah token untuk mengelola batas laju dan biaya, membuat keputusan perutean model, dan menyesuaikan prompt dengan panjang target.
“Token counting” (penghitungan token) memungkinkan Anda menentukan jumlah token dalam sebuah pesan sebelum Anda mengirimkannya ke Claude. Ini membantu Anda membuat keputusan yang tepat tentang prompt dan penggunaan Anda. Dengan penghitungan token, Anda dapat:
- Mengelola “rate limit” (batas laju) dan biaya secara proaktif
- Membuat keputusan perutean model yang cerdas
- Mengoptimalkan prompt ke panjang tertentu
Cara menghitung token pesan
Endpoint penghitungan tokenPratinjau dengan tautan ke referensi API tersedia — tekan Tab hingga fokus masuk ke kartu, Escape untuk kembali. menerima daftar input terstruktur yang sama seperti untuk membuat pesan, termasuk dukungan untuk “system prompt” (prompt sistem), alat, gambar, dan PDF. Respons berisi jumlah total token inputPratinjau dengan tautan ke referensi API tersedia — tekan Tab hingga fokus masuk ke kartu, Escape untuk kembali..
Endpoint ini mengembalikan invalid_request_error untuk beberapa input yang diterima oleh Messages API:
- Alat server seperti pencarian web, pengambilan web, eksekusi kode, dan pencarian alat (setiap alat server kecuali alat advisor)
- Konektor MCP
- Blok
imageataudocumentdengan sumberurlataufile
Kirim gambar dan PDF sebagai base64 untuk menghitungnya. Untuk permintaan yang menggunakan alat server atau server MCP, respons Messages API melaporkan token yang digunakan dalam objek usagePratinjau dengan tautan ke referensi API tersedia — tekan Tab hingga fokus masuk ke kartu, Escape untuk kembali.-nya.
Model yang didukung
Semua model aktif mendukung penghitungan token.
Menghitung token dalam pesan dasar
client = anthropic.Anthropic()
response = client.messages.count_tokens(
model="claude-opus-5-5",
system="You are a scientist",
messages=[{"role": "user", "content": "Hello, Claude"}],
)
print(response.json()){ "input_tokens": 14 }Menghitung token dalam pesan dengan alat
client = anthropic.Anthropic()
response = client.messages.count_tokens(
model="claude-opus-5-5",
tools=[
{
"name": "get_weather",
"description": "Get the current weather in a given location",
"input_schema": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "The city and state, e.g. San Francisco, CA",
}
},
"required": ["location"],
},
}
],
messages=[{"role": "user", "content": "What's the weather like in San Francisco?"}],
)
print(response.json()){ "input_tokens": 403 }Menghitung token dalam pesan dengan gambar
import base64
import httpx2
image_url = "https://platform.claude.com/docs/images/vision-example.jpg"
image_media_type = "image/jpeg"
image_data = base64.standard_b64encode(httpx2.get(image_url).content).decode("utf-8")
client = anthropic.Anthropic()
response = client.messages.count_tokens(
model="claude-opus-5-5",
messages=[
{
"role": "user",
"content": [
{
"type": "image",
"source": {
"type": "base64",
"media_type": image_media_type,
"data": image_data,
},
},
{"type": "text", "text": "Describe this image"},
],
}
],
)
print(response.json()){ "input_tokens": 1028 }Blok gambar tersemat yang menetapkan "oversized_image": "error" akan ditolak pada saat penghitungan persis seperti Messages API akan menolaknya.
Menghitung token dalam pesan dengan thinking
client = anthropic.Anthropic()
response = client.messages.count_tokens(
model="claude-opus-5-5",
thinking={"type": "adaptive"},
messages=[
{
"role": "user",
"content": "Are there an infinite number of prime numbers such that n mod 4 == 3?",
},
{
"role": "assistant",
"content": [
{
"type": "thinking",
"thinking": "This is a nice number theory question. Let's think about it step by step...",
"signature": "EuYBCkQYAiJAgCs1le6/Pol5Z4/JMomVOouGrWdhYNsH3ukzUECbB6iWrSQtsQuRHJID6lWV...",
},
{
"type": "text",
"text": "Yes, there are infinitely many prime numbers p such that p mod 4 = 3...",
},
],
},
{"role": "user", "content": "Can you write a formal proof?"},
],
)
print(response.json()){ "input_tokens": 88 }Menghitung token dalam pesan dengan PDF
import base64
import anthropic
client = anthropic.Anthropic()
with open("/path/to/document.pdf", "rb") as pdf_file:
pdf_base64 = base64.standard_b64encode(pdf_file.read()).decode("utf-8")
response = client.messages.count_tokens(
model="claude-opus-5-5",
messages=[
{
"role": "user",
"content": [
{
"type": "document",
"source": {
"type": "base64",
"media_type": "application/pdf",
"data": pdf_base64,
},
},
{"type": "text", "text": "Please summarize this document."},
],
}
],
)
print(response.json()){ "input_tokens": 2188 }Jumlah token pada model Claude Fable dan Claude Mythos
Claude Fable 5.2, Claude Mythos 5.2, Claude Fable 5.1, Claude Mythos 5.1, Claude Fable 5, dan Claude Mythos 5 berbagi tokenizer yang diperkenalkan bersama Claude Opus 4.7. Sebuah prompt dihitung sama pada keenam model tersebut, dan kira-kira 30 persen lebih tinggi dibandingkan model sebelum Claude Opus 4.7 (peningkatan pastinya bergantung pada konten). Endpoint penghitungan token menghitung berdasarkan tokenizer dari model yang Anda berikan. Untuk mengukur perbedaannya pada beban kerja Anda, hitung permintaan yang sama sekali dengan model Anda saat ini dan sekali dengan model yang Anda rencanakan untuk beralih. Lalu bandingkan kedua nilai input_tokens tersebut.
Harga dan batas laju
Penghitungan token gratis digunakan tetapi tunduk pada batas laju permintaan per menit berdasarkan tingkat penggunaan Anda. Jika Anda memerlukan batas yang lebih tinggi, gunakan Minta kenaikan tingkat di halaman Batas laju di Claude Console.
| Tingkat penggunaan | Permintaan per menit (RPM) |
|---|---|
| Start | 5.000 |
| Build | 10.000 |
| Scale | 20.000 |
FAQ
Tidak, penghitungan token memberikan estimasi tanpa menggunakan logika caching. Meskipun Anda dapat menyertakan blok cache_control dalam permintaan penghitungan token Anda, “prompt caching” (caching prompt) hanya terjadi selama pembuatan pesan yang sebenarnya.
Langkah selanjutnya
Baca referensi API lengkap untuk endpoint penghitungan token.
Gunakan jumlah token untuk menjaga prompt tetap berada dalam jendela konteks model.
Periksa jumlah token sebelum Anda mengirim permintaan agar tetap berada dalam tingkat penggunaan Anda.
Kurangi biaya dan latensi pada prompt berulang dengan melakukan caching pada prefiks prompt.
Ketersediaan
Claude API
- API
- Messages API
- Managed Agents Tidak didukung
- Model
- Semua model
Amazon Bedrock
- API
- Messages API
- Model
- Semua model
Amazon Bedrock (bedrock-runtime)
- API
- Messages API
- Model
- Semua model
Claude Platform on AWS
- API
- Messages API
- Managed Agents Tidak didukung
- Model
- Semua model
Claude Models on Google Cloud (Anthropic managed)
- API
- Messages API
- Managed Agents Tidak didukung
- Model
- Semua model
Claude Models on Google Cloud (Google managed)
- API
- Messages API
- Model
- Semua model
Microsoft Foundry
- API
- Messages API
- Model
- Semua model
Penanganan data
Ikhtisar penanganan dataEndpoint yang berlaku
/v1/messages/count_tokens
Apakah halaman ini membantu?