发送请求前，先把词元数清楚

先分清词元、字数和请求预算

第一步，理解你要数的是什么。词元是模型处理内容的单位，不等于汉字数、英文单词数或文件大小。不要把“一字一个词元”当作固定换算规则；文本和非文本内容都可能占用请求预算。发送前计数的目的，是了解输入规模，而不是提前知道模型会回答多少内容。([ai.google.dev](https://ai.google.dev/gemini-api/docs/tokens?utm_source=openai))

把完整请求放进计数范围

第二步，整理实际准备发送的内容，不要只复制输入框里的最后一句话。以 Claude Haiku 4.5 为例，应按对应接口要求组织请求，再交给计数功能处理。官方计数接口能够处理消息，以及支持的工具、图片和文档内容。([platform.claude.com](https://platform.claude.com/docs/en/build-with-claude/token-counting?q=count_tokens&utm_source=openai))

• 把系统指令、历史消息和本轮问题一起纳入检查。
• 如果请求包含工具定义或附件，就按计数接口支持的格式提交。
• 删除不再需要的重复内容后，重新计数，而不是沿用修改前的结果。

选择与目标模型对应的计数方式

第三步，优先使用目标服务提供的计数接口。例如，Gemini 2.5 Flash 可使用官方的 countTokens 功能检查输入规模。调用时指定实际准备使用的模型，并尽量保持计数内容与正式请求一致。切换模型或调整附件后，再执行一次检查。([ai.google.dev](https://ai.google.dev/api/tokens?utm_source=openai))

通过 Relay365 等中转服务接入时，先确认该路由是否支持相应计数接口。不要因为生成请求能够成功，就默认原厂的所有辅助接口也已开放。如果暂时只能本地估算，应明确记录这是估算值。

给回答留空间，而不是只让输入过关

第四步，将计数结果与目标模型的输入限制、上下文限制和输出限制分别核对。输入计数不代表最终总用量；回答也会产生词元。先按任务需要设置输出预算，再检查是否仍有足够空间，不要把输入塞到边界后才考虑回答长度。([ai.google.dev](https://ai.google.dev/gemini-api/docs/tokens?utm_source=openai))

建议把“输入计数、输出预算、模型限制”作为发送前的三个检查项。空间不足时，优先减少无关历史、缩小检索片段或拆分任务，保留完成当前任务必需的信息。

把计数结果当作预算依据，而非账单

第五步，区分容量检查与费用核算。Claude 官方说明，发送前的计数属于估计，实际生成时可能略有差异。因此，不要向自己或用户承诺“计数结果就是最终扣费数量”。([platform.claude.com](https://platform.claude.com/docs/en/build-with-claude/token-counting?q=count_tokens&utm_source=openai))

建议分别记录输入和输出预算，再依据所选服务实际展示的计费规则核算。不要仅凭一个词元总数推断所有模型、缓存或附件的费用。

用一次小请求建立发送前检查流程

第六步，先发送一条规模较小的真实请求，保存预估值，并核对响应中的用量信息。Gemini 的响应会提供相关用量数据，可用于比较发送前计数与实际调用结果。记录请求内容的变化，才能解释差异，而不是只盯着两个数字。([ai.google.dev](https://ai.google.dev/gemini-api/docs/tokens?utm_source=openai))

如果你需要按量试用多个模型家族，Relay365 可以作为统一接入的选择，方便围绕同一任务比较使用体验。你可以创建一个账户，从小请求开始验证路由、计数支持和用量记录，再逐步扩大调用规模。