Đếm token GPT trên trình duyệt | Token counter trước khi gửi prompt【2026】

Bạn viết prompt dài trong Notion, copy sang ChatGPT, model trả lời cắt cụt hoặc “quên” nửa đầu tài liệu. Nguyên nhân hay gặp: vượt context vì bạn đếm bằng ký tự / trang Word, trong khi GPT tính token.

Bài ước tính chi phí API đi sâu bill và batch. Bài này chỉ tập trung một việc: dùng token counter trên tool để đo và rút gọn prompt trước khi bấm Send — góc nhìn hàng ngày của freelancer và sinh viên VN.

Bài viết này giúp bạn

• Phân biệt ký tự / từ / token bằng ví dụ số
• Biết workflow 5 bước đếm trên trình duyệt
• Hiểu vì sao tiếng Việt + JSON làm số token nhảy
• Tránh quên system prompt và lịch sử chat
• Biết giới hạn của ước lượng web vs tiktoken

---

Token là gì (đủ để dùng tool)?

Token là lát cắt mà tokenizer của model tạo ra từ text. Không phải “một từ = một token”, cũng không phải “một chữ cái = một token”.

Ví dụ minh họa (xấp xỉ — số thật phụ thuộc model):

Đoạn mẫu	~Ký tự	Cảm giác token
Hello world	~11	Ít token (từ English quen)
Xin chào thế giới	~18	Thường nhiều token hơn English cùng nghĩa
JSON key dài tiếng Việt lặp lại	cao	Key lặp vẫn tốn token mỗi lần xuất hiện

Bạn không cần thuộc bảng BPE. Bạn cần đo trước khi gửi — đó là việc của token counter.

---

Token counter trên tool vs đếm tay

Khi nào mở tool web: đang soạn system prompt, few-shot, hoặc dán tài liệu vào ChatGPT/Cursor và sợ cắt context.
Khi nào cần tokenizer chính thức: báo giá hợp đồng, đối soát invoice — đọc thêm bài chi phí API.

---

Workflow: đếm trên Token Counter

Công cụ Kawa:

• Nhập / dán văn bản
• Hiện ký tự, từ, dòng, và token ước tính realtime
• Có tham chiếu chi phí input theo model (GPT / Claude / Gemini) — dùng như cảm giác độ lớn, không thay dashboard billing
• Local trên trình duyệt — prompt nội bộ khách không bị upload

5 bước thực tế

1. Ghép đúng payload
   Mở file prompt của bạn. Copy system + các ví dụ few-shot + câu user như sẽ gửi. Đừng chỉ copy câu hỏi cuối.

2. Che PII nếu cần
   Thay email/SĐT bằng placeholder trước khi dán vào tab công cộng (thói quen tốt dù tool local).

3. Dán vào tool
   Mở /vi/tools/token-counter/, dán, đọc số token ước tính.

4. So với ngân sách context
   Ví dụ bạn để ~8k token cho tài liệu + 1k cho câu hỏi + chỗ cho câu trả lời. Nếu tool báo ~12k chỉ riêng tài liệu → phải tóm tắt trước.

5. Rút gọn → đếm lại
   Xóa đoạn trùng, đổi few-shot 5 ví dụ → 2, tóm tắt PDF thành bullet. Đếm lại đến khi vừa.

---

Ví dụ số: cùng ý, khác token

Giả sử hai system prompt cùng nhiệm vụ “trả lời ngắn, tiếng Việt”:

A — dài (hay gặp khi copy từ Notion):

Bạn là trợ lý chuyên nghiệp, luôn lịch sự, luôn kiểm tra lại,
luôn trả lời bằng tiếng Việt có dấu, luôn giải thích từng bước,
không bao giờ bịa đặt, nếu không chắc hãy nói không chắc...
(lặp lại policy 15 dòng)

B — ngắn:

Trả lời tiếng Việt, ngắn, không bịa. Không chắc → nói không chắc.

Cùng ý compliance. A có thể gấp nhiều lần token của B. Token counter cho bạn thấy chênh lệch trong vài giây — không cần đoán.

Case: tài liệu tiếng Việt

Freelancer nhận 20 trang hợp đồng .docx, paste hết vào ChatGPT. Char count “chỉ ~15.000 ký tự” nghe ổn với người quen English (~4 ký tự/token). Với tiếng Việt + bảng biểu, token thực tế dễ cao hơn kỳ vọng → model cắt hoặc bỏ điều khoản giữa.

Cách làm: lấy 2 trang đại diện → đếm trên tool → suy ra cả bộ (×10) → quyết định tóm tắt / chia chunk trước khi paste hết.

---

Checklist trước khi bấm Send

• Đã đếm system + user (và history nếu còn trong cùng request)
• Đã thử rút gọn ít nhất một vòng nếu gần trần context
• Few-shot: mỗi ví dụ có cần thiết không?
• JSON schema / tool definition: có đang nhét field thừa không?
• Phân biệt: số trên tool = ước lượng; invoice = usage API

---

Lỗi thường gặp

1. Chỉ đếm câu hỏi user
System 2.000 token + RAG 6.000 token + user 50 token → bạn tưởng “prompt ngắn”.

2. Tin Word count
”500 từ” không map sang token GPT một hệ số cố định, nhất là tiếng Việt.

3. Đếm một lần rồi nhân 10.000 row
Đó là bài toán chi phí batch — dùng bài API cost. Ở đây chỉ nhắc: mẫu phải đại diện (kể cả outlier dài).

4. Coi ước lượng web = số pháp lý
Footnote của tool đã nói: heuristic theo ký tự. Đủ để chỉnh prompt; không đủ để tranh luận invoice với OpenAI.

---

Case study ngắn

Sinh viên — đồ án chatbot FAQ
System prompt copy từ blog nước ngoài (~1.800 token ước tính) + 8 few-shot. Model hay bỏ quên rule cuối. Sau khi đếm trên Token Counter, cắt còn ~400 token system + 2 few-shot: trả lời ổn định hơn, ít cắt context khi dán FAQ dài.

Freelance — dịch mô tả sản phẩm
Khách gửi 50 mô tả EN→VI. Trước khi chạy script, đếm 5 mẫu (ngắn/dài) trên tool để biết mỗi row ~bao nhiêu token input — chỉnh max output và độ dài mô tả nguồn. Không cần spreadsheet giá đầy đủ; chỉ cần không vượt context từng request.

---

Khi nào chuyển sang bài chi phí API?

• Bạn nhân số request × giá $/1M để báo khách
• Có RAG + retry + output dài cần p95
• Cần đối chiếu dashboard OpenAI/Anthropic

→ Đọc Đếm token ChatGPT / ước tính chi phí API.
Còn nếu mục tiêu chỉ là “prompt này còn vừa cửa sổ không?” — token counter trên trình duyệt là đủ.

---

Liên kết liên quan

• Token Counter — ước lượng token GPT/Claude/Gemini, local
• Danh sách công cụ
• Bài sâu về bill API / batch khi bạn đã xong bước đếm prompt

Đếm token trên tool không làm prompt “hay hơn” — nó chỉ cho bạn số để quyết định cắt gì trước khi model tự cắt giúp bạn theo cách khó đoán. `)