上下文窗口换算器

本地处理

上下文窗口（tokens）

语言 / 内容类型

为输出预留比例（%）

可用输入 tokens

约可容纳

约合 A4 页数

每字约耗 tokens

窗口大小	中文可容纳	英文可容纳

换算系数（经验值）
中文：1 个汉字约 1.5 token，标点约 1 token
英文：1 个单词约 1.33 token（约 4 个字符约 1 token）
A4 一页按 500 汉字或 300 英文单词估算

务必为输出留出空间：若窗口 128K 却把 128K 全塞进输入，模型就没有余量生成回复。预留 20% 到 30% 是常见做法。不同模型的切分策略（tokenizer）不同，实际值会有正负 20% 浮动。

关于本工具

模型说支持 128K 上下文，那到底能塞进去多少字？一份 5 万字的文档放得下吗？token 与汉字的换算关系不直观，这个工具把它变成一眼能看懂的页数与字数。

选择模型的窗口大小（常见 4K、8K、32K、128K、200K），选择内容语言，设定为输出预留的比例，即可得到可用输入 token 数与对应的字数、页数。

为什么中文比英文费 token？多数 tokenizer 的词表以英文子词为主，一个汉字常被切成 1 到 2 个 token，而一个英文单词平均只占 1.33 个 token。因此同样内容量，中文占用的 token 更多。

预留比例该设多少？如果只是问答，预留 20% 通常够；若要求模型输出长篇结构化内容（如整篇文章、代码文件），建议预留 40% 以上。

中文一个汉字约 1-2 个 token，英文约 0.75 个单词一个 token；不同模型分词器不同，结果为估算值，重要场景建议预留 10-20% 余量。

包含系统提示、全部历史对话、当前输入与模型回复的总和；多轮对话越长占用越多，接近上限时最早的轮次可能被截断。

可先做摘要或分段处理，只把相关段落放进上下文；也可选用窗口更大的模型，或在应用层实现检索增强（RAG）按需注入片段。