Сколько токенов в скриншоте: GPT, Claude и Gemini по-разному считают изображения
На примере тестового скриншота 1920x1080 статья рассчитывает стоимость визуальных токенов для ввода изображений в GPT-5.5, Claude Opus 4.8 и Gemini 3.1 Pro Preview на основе документации для разработчиков. Объясняется, как каждая модель обрабатывает изображения, сравнивается количество токенов и даются практические советы по подготовке скриншотов для анализа.
Статья рассматривает, как разные модели ИИ подсчитывают визуальные токены для изображений, на примере скриншота 1920x1080. GPT-5.5 использует сетку 32x32 пикселя, что дает 2040 визуальных токенов. Claude Opus 4.8 использует сетку 28x28 пикселей, получая 2691 токен. Gemini 3.1 Pro Preview применяет приблизительные бюджеты через media_resolution, при этом в высоком режиме выделяется до 1120
Показать ещё ↓
Источник: Habr — хаб ML —
оригинал