ข้ามไปยังเนื้อหา
KoishiAI
EN

นับ Token ภาษาไทย

วางข้อความ แล้วดูว่ากิน token เท่าไรในแต่ละโมเดล และจะเสียเงินเท่าไรตามราคาวันนี้

ข้อความไม่ออกจากเครื่องคุณ — นับในเบราว์เซอร์ทั้งหมด ราคาจาก OpenRouter ณ 2026-09-23
ลองกับ:
ตัวอักษร
–
อักษรไทย
–

จำนวน token

  • GPT-4o · 4.1 · 5.x · 6
    tokenizer o200k_base · นับแม่น
    –
  • Typhoon 2.5 · Qwen3
    ไฟล์ ~2 MB โหลดเมื่อกด · นับแม่น
  • Qwen3.5 – 3.8
    ไฟล์ ~3.5 MB โหลดเมื่อกด · นับแม่น
  • Claude Opus · Sonnet · Fable 5.x
    tokenizer รุ่น 4.7 ขึ้นไป · ประมาณ
    –
  • Claude Haiku 4.5
    tokenizer ก่อนรุ่น 4.7 · ประมาณ
    –
  • Gemini 2.5 · 3.x
    วัด 2.5, 3.1 และ 3.8 ได้เท่ากัน · ประมาณ
    –
  • Grok 4.6 · 4.7
    4.6 และ 4.7 นับเท่ากัน · ประมาณ
    –
  • DeepSeek V4 · V4.1
    Flash และ Pro นับเท่ากัน · ประมาณ
    –
  • Llama 4
    Maverick และ Scout เท่ากัน · ประมาณ
    –
  • Llama 3.3
    วัดผ่าน OpenRouter · ประมาณ
    –
  • Mistral Medium 3.5
    วัดผ่าน OpenRouter · ประมาณ
    –
  • Kimi K3
    วัดผ่าน OpenRouter · ประมาณ
    –
  • Kimi K2.5 · K2.6
    วัดผ่าน OpenRouter · ประมาณ
    –
  • GLM-5.3
    วัดผ่าน OpenRouter · ประมาณ
    –
  • MiniMax M2.7 · M3
    M2.7 และ M3 นับเท่ากัน · ประมาณ
    –
  • Amazon Nova 2
    วัดผ่าน OpenRouter · ประมาณ
    –

ค่าใช้จ่าย

โมเดล ราคา เข้า / ออก ต่อ 1M token รวม
GPT-6 Astra $10.00 / $50.00 –
GPT-6 Sol $2.00 / $10.00 –
GPT-6 Luna $0.100 / $0.500 –
GPT-5.6 Sol $2.00 / $10.00 –
GPT-5.6 Luna $0.200 / $1.20 –
GPT-5.5 $5.00 / $30.00 –
GPT-5.4 mini $0.750 / $4.50 –
GPT-5 nano $0.050 / $0.400 –
GPT-4.1 mini $0.400 / $1.60 –
GPT-4o mini $0.150 / $0.600 –
Claude Opus 5.5 ≈ $4.00 / $20.00 –
Claude Fable 5.1 ≈ $10.00 / $50.00 –
Claude Sonnet 5 ≈ $2.00 / $10.00 –
Claude Haiku 4.5 ≈ $1.00 / $5.00 –
Gemini 3.1 Pro ≈ $2.00 / $12.00 –
Gemini 3.8 Flash ≈ $0.750 / $3.75 –
Gemini 2.5 Flash-Lite ≈ $0.100 / $0.400 –
Qwen3.6 35B-A3B $0.150 / $1.00 –
Qwen3 235B-A22B $0.087 / $0.350 –
Qwen3 30B-A3B $0.048 / $0.193 –
Qwen3.8 Max $2.00 / $6.00 –
Qwen3.8 Flash $0.150 / $0.470 –
Qwen3.7 Flash $0.030 / $0.130 –
Grok 4.7 ≈ $1.60 / $4.80 –
DeepSeek V4.1 Flash ≈ $0.100 / $0.500 –
Llama 4 Maverick ≈ $0.188 / $0.652 –
Llama 4 Scout ≈ $0.100 / $0.300 –
Mistral Medium 3.5 ≈ $1.50 / $7.50 –
Kimi K3 ≈ $3.00 / $15.00 –
GLM-5.3 ≈ $0.840 / $2.64 –
GLM-5.3 Flash ≈ $0.150 / $0.500 –
MiniMax M3 ≈ $0.300 / $1.20 –
Amazon Nova 2 Lite ≈ $0.300 / $2.50 –
GPT-5.6 Terra $2.00 / $12.00 –
Qwen3.7 Max $1.48 / $4.42 –
Qwen3.7 Plus $0.320 / $1.28 –
Qwen3.8 27B $0.420 / $3.00 –
Gemini 3.7 Flash ≈ $0.750 / $3.75 –
Gemini 3.5 Flash-Lite ≈ $0.300 / $2.50 –
Claude Opus 5 ≈ $5.00 / $25.00 –
Claude Fable 5 ≈ $10.00 / $50.00 –
Grok 4.6 ≈ $2.00 / $6.00 –
DeepSeek V4 Pro ≈ $0.953 / $1.91 –
DeepSeek V4 Flash ≈ $0.082 / $0.165 –
Kimi K2.6 ≈ $0.950 / $4.00 –
Kimi K2.5 ≈ $0.450 / $2.25 –
Llama 3.3 70B ≈ $0.100 / $0.320 –
MiniMax M2.7 ≈ $0.300 / $1.20 –

ค่าใช้จ่าย = ครั้ง × (token ของข้อความ × ราคาขาเข้า + token คำตอบ × ราคาขาออก) · ไม่รวมส่วนลด cache หรือ batch

ภาษาไทยใช้ token มากกว่าภาษาอังกฤษกี่เท่า

บทความเรื่องเดียวกัน ฉบับไทยเทียบฉบับอังกฤษ วัดจาก 109 เรื่องบนเว็บนี้ที่มีทั้งสองภาษา

  • Qwen3.5 – 3.8 1.20 เท่า
  • Gemini 2.5 · 3.x ≈1.40 เท่า
  • Llama 4 ≈1.43 เท่า
  • Grok 4.6 · 4.7 ≈1.44 เท่า
  • Amazon Nova 2 ≈1.53 เท่า
  • DeepSeek V4 · V4.1 ≈1.57 เท่า
  • GPT-4o · 4.1 · 5.x · 6 1.67 เท่า
  • Llama 3.3 ≈1.83 เท่า
  • Mistral Medium 3.5 ≈1.96 เท่า
  • Typhoon 2.5 · Qwen3 1.99 เท่า
  • Claude Opus · Sonnet · Fable 5.x ≈2.03 เท่า
  • Claude Haiku 4.5 ≈2.73 เท่า
  • Kimi K2.5 · K2.6 ≈2.73 เท่า
  • Kimi K3 ≈2.76 เท่า
  • GLM-5.3 ≈3.03 เท่า
  • MiniMax M2.7 · M3 ≈3.47 เท่า

≈ = คำนวณผ่านอัตราที่วัดเทียบกับ GPT (ดูวิธีวัดด้านล่าง)

  • Typhoon 2.5 ซึ่งเป็นโมเดลภาษาไทย ใช้ tokenizer ของ Qwen3 โดยไม่ได้แก้เลยสักไบต์ — ไฟล์เหมือนกันทุกไบต์ — บทความฉบับไทยจึงใช้ token มากกว่าฉบับอังกฤษ 1.99 เท่า ห่างกว่าของ GPT (1.67 เท่า)
  • Qwen3.5 ถึง 3.8 ใช้ tokenizer ใหม่ตัวเดียวกัน (คลังคำ 248,000 คำ จากเดิม 151,643) ช่องว่างไทย–อังกฤษเหลือ 1.20 เท่า
  • GPT-6 (Astra, Sol, Luna) และ GPT-5.6 ใช้ tokenizer ตัวเดียวกับ GPT-5 คือ o200k — เราวัดผ่าน OpenRouter แล้วจำนวน token ตรงกันทุกข้อความ จึงนับได้แม่นในเบราว์เซอร์
  • เทียบข้อความไทยชิ้นเดียวกัน ตัวที่ใช้ token น้อยกว่า GPT (ตัวเลขในวงเล็บ = กี่เท่าของ GPT): Qwen3.5 – 3.8 (0.77), Llama 4 (0.84), Amazon Nova 2 (0.88), Grok 4.6 · 4.7 (0.89), Gemini 2.5 · 3.x (0.92), DeepSeek V4 · V4.1 (0.94)
  • ตัวที่ใช้ token กับข้อความไทยมากที่สุด (กี่เท่าของ GPT): MiniMax M2.7 · M3 (2.03), Claude Opus · Sonnet · Fable 5.x (1.99), Claude Haiku 4.5 (1.87)
  • Anthropic ระบุว่า tokenizer ใหม่ของ Claude (4.7 ขึ้นไป) นับเพิ่มขึ้นราว 30% — ที่วัดจริง ภาษาอังกฤษเพิ่ม 43% แต่ภาษาไทยเพิ่มแค่ 6%

วัดอย่างไร

  • GPT, Typhoon และ Qwen นับด้วย tokenizer ตัวจริงในเบราว์เซอร์ ทดสอบเทียบกับไลบรารีต้นฉบับ (tiktoken และ Hugging Face tokenizers) บนข้อความจริง 33 ชุด ตรงกันทุกตัว
  • Claude, Gemini, Grok, DeepSeek, Llama, Mistral, Kimi, GLM, MiniMax และ Nova ไม่มี tokenizer ที่เรารันในเบราว์เซอร์ได้ เราจึงส่งบทความ 12 คู่ผ่าน OpenRouter ซึ่งรายงานจำนวน token ตามที่ผู้ให้บริการนับเอง แล้ววัดอัตราส่วนเทียบกับ GPT แยกไทยกับอังกฤษ ตัวเลขประมาณบนหน้านี้ = token ของ GPT × อัตรานั้น และแสดงช่วง p10–p90 ของการวัด
  • รุ่นในค่ายเดียวกันใส่ไว้แถวเดียวกันเฉพาะเมื่อวัดแล้วนับได้เท่ากันทุกข้อความ เช่น Gemini 3.8 Flash กับ 2.5 Flash-Lite · DeepSeek ผ่าน OpenRouter บางครั้งได้ token เกินมา 79 ตัวพอดี (ผู้ให้บริการบางรายเติมข้อความเอง) นอกนั้นนับเท่ากันทุกรุ่นใน V4
  • ที่ไม่ได้ใส่: GPT-6 รุ่น Pro นับ token ขาเข้าเกินรุ่นปกติ 260–470 ตัวแบบไม่คงที่ จึงคำนวณค่าใช้จ่ายจากจำนวน token ไม่ได้ · GLM-5.2 และ Amazon Nova Pro นับไม่เท่ารุ่นที่วัดไว้ · Mistral Small และ Cohere ผู้ให้บริการปฏิเสธคำขอทุกครั้งที่ลองวัด
  • ถ้าต้องการตัวเลข Claude ที่แม่นยำ Anthropic มี API count_tokens ให้ใช้ฟรี (ต้องมี API key)
  • ราคาดึงจาก OpenRouter ทุกครั้งที่เว็บอัปเดต (ทุกวัน) ข้อมูลรอบล่าสุดวันที่ 2026-09-23

คำถามที่พบบ่อย

token คืออะไร

หน่วยที่โมเดลใช้ตัดข้อความ อาจเป็นคำทั้งคำ ส่วนของคำ หรือตัวอักษรเดียว ค่าบริการ API และความยาวสูงสุดที่โมเดลรับได้ คิดเป็นจำนวน token ไม่ใช่จำนวนตัวอักษร

ข้อความที่พิมพ์ถูกส่งไปที่ไหนไหม

ไม่ การนับทั้งหมดเกิดในเบราว์เซอร์ของคุณ ไฟล์ tokenizer โหลดจากเว็บนี้เอง และไม่มีการส่งข้อความออกไป

ทำไมภาษาไทยใช้ token มากกว่า

tokenizer ส่วนใหญ่สร้างจากข้อมูลที่ภาษาอังกฤษเป็นหลัก คำไทยจึงมักถูกแตกเป็นชิ้นเล็กกว่า และภาษาไทยไม่เว้นวรรคระหว่างคำ ทำให้ตัดยากขึ้นอีก

ลดค่า token ภาษาไทยได้อย่างไร

เลือกโมเดลที่ tokenizer รองรับไทยดี (จากที่วัด Qwen3.5 – 3.8 และ Llama 4 ใช้น้อยที่สุด) เขียนคำสั่งระบบ (system prompt) ส่วนที่ยาวและใช้ซ้ำเป็นภาษาอังกฤษ และใช้ prompt caching กับเนื้อหาที่ส่งซ้ำทุกครั้ง