Calculadora de capacidad de documentos en el contexto
¿Cuánto texto puedes dar a un modelo de una vez? Introduce la ventana de contexto y el espacio que quieres reservar para las instrucciones y la respuesta, y esta calculadora convierte el resto en palabras, páginas, caracteres y documentos completos. Como la conversión de tokens a palabras depende del idioma y del tokenizador, muestra una cifra conservadora, una típica y una optimista, y todos los supuestos son editables.
Resultado
Estimación
Introduce una ventana de contexto y tus supuestos para ver qué cabe.
- Tokens disponibles para el texto
| Medida | Conservador | Típico | Optimista |
|---|
Ejemplos
Ejemplos resueltos (páginas de 500 palabras, sin ajuste del tokenizador):
| Ventana (tokens) | Texto | Reservado (tokens) | Páginas (de conservador a optimista) | Palabras (típico) |
|---|---|---|---|---|
| 8.192 | Prosa en inglés | 1.000 | 9 – 12 | 5.407 |
| 32.768 | Prosa en inglés | 2.000 | 38 – 51 | 23.133 |
| 128.000 | Prosa en inglés | 8.000 | 150 – 200 | 90.225 |
| 128.000 | Prosa en español | 8.000 | 126 – 185 | 80.000 |
| 128.000 | Prosa en árabe | 8.000 | 57 – 133 | 48.000 |
| 1.000.000 | Prosa en inglés | 16.000 | 1230 – 1640 | 739.849 |
Fórmula y metodología
La aritmética es exacta; los valores de tokens por palabra son supuestos:
tokens disponibles = ventana de contexto − tokens reservadospalabras = tokens disponibles ÷ (tokens por palabra × ajuste del tokenizador), redondeado hacia abajopáginas = palabras ÷ palabras por páginacaracteres = palabras × caracteres por palabradocumentos completos = páginas ÷ páginas por documento, redondeado hacia abajoConviene saber
- Los tokens por palabra se midieron sobre las propias páginas de ToolQuarter con los tokenizadores de OpenAI (inglés cerca de 1,2, español de 1,35 a 1,6, árabe de 1,8 a 4,2) y se ampliaron a rangos. Otros proveedores difieren.
- El código, las tablas, los números y el vocabulario poco habitual usan más tokens por palabra. Para ellos, introduce valores más altos o usa la columna conservadora.
- Anthropic documenta que sus tokenizadores más recientes producen cerca de un 30 % más de tokens para el mismo texto. Ajusta el tokenizador a cerca de 1,3 para esos modelos.
- Las imágenes, las páginas escaneadas y los PDF que requieren OCR se cuentan de otra forma. Esta calculadora es para texto plano.
- Deja espacio para tus instrucciones y para la respuesta: para eso sirven los tokens reservados.
Método y referencias
Estas fuentes primarias respaldan los métodos en los que se basa esta herramienta. Haberlas leído no verifica cada resultado de la calculadora, y las cifras que figuran como supuestos son propias de ToolQuarter.
Lo que llena la ventana de contexto son los tokens, no el tamaño del archivo ni el número de páginas. La conversión de palabras a tokens depende del idioma, del contenido y del tokenizador.
- OpenAI API: Key concepts: La regla práctica de OpenAI para el inglés, unas 0,75 palabras o 4 caracteres por token, es la base de los 1,33 tokens por palabra predeterminados. ()
- Gemini API: Understand and count tokens: Google da una regla parecida para Gemini: 100 tokens equivalen a unas 60-80 palabras en inglés, cerca de los 1,2 a 1,6 tokens por palabra que se usan para el inglés. ()
- Anthropic: Token counting: Indica que los tokenizadores Claude más recientes producen cerca de un 30 % más de tokens para el mismo texto y aconseja volver a contar con el modelo que vas a usar; de ahí el ajuste del tokenizador. ()
- Anthropic: PDF support: Para los PDF, Anthropic indica que una página suele usar de 1.500 a 3.000 tokens de texto más tokens de imagen según el contenido. El número de páginas o el tamaño del archivo por sí solos no dan un recuento de tokens, y esta herramienta es para texto plano. ()
Supuestos de ToolQuarter (sin fuente primaria):
- Los tokens por palabra del español y del árabe (típicos 1,5 y 2,5) y los caracteres por palabra proceden de mediciones de ToolQuarter con tokenizadores de OpenAI sobre sus propias páginas. No son cifras de ningún proveedor.
- 500 palabras por página a un espacio y 250 a doble espacio son convenciones habituales que ToolQuarter asume, sin fuente primaria: edítalas para tu documento. Las columnas conservadora y optimista son rangos elegidos por ToolQuarter.
Cómo usar
- Introduce la ventana de contexto de tu modelo y los tokens que reservas para las instrucciones y la respuesta.
- Elige el tipo de texto o edita los supuestos de tokens por palabra, caracteres por palabra y palabras por página.
- Si quieres, introduce el tamaño de un documento en páginas.
- Lee la capacidad conservadora, típica y optimista y planifica con la conservadora.
Preguntas frecuentes
¿Cuántas páginas caben en una ventana de contexto de 128.000 tokens?
Con 8.000 tokens reservados y prosa inglesa normal de 500 palabras por página, entre 150 y 200 páginas: unas 180 en el caso típico. En español caben menos páginas y en árabe menos aún, porque sus palabras usan más tokens.
¿Por qué la calculadora muestra tres cifras?
El número de tokens por palabra depende del idioma, del vocabulario y del tokenizador, así que una sola cifra sería una falsa precisión. El valor conservador es el seguro para planificar; el optimista es lo que podrías obtener con inglés sencillo y común.
¿Por qué caben menos texto en español y en árabe que en inglés?
Los tokenizadores dividen las palabras de otros idiomas en más fragmentos que las palabras inglesas comunes, así que el mismo número de palabras cuesta más tokens. Los ajustes por idioma reflejan mediciones sobre páginas reales.
¿Puedo llenar toda la ventana con documentos?
No. También necesitas espacio para tus instrucciones, tu pregunta y la respuesta, que es lo que representan los tokens reservados. La calculadora los resta antes de calcular cuánto texto cabe.
¿Qué precisión tiene?
La aritmética es exacta, pero el resultado solo es tan bueno como el supuesto de tokens por palabra. Para una cifra más precisa sobre tu propio texto, cuéntalo con el contador de tokens e introduce la proporción que midas.
Última actualización: