Tokens och kontext
På denna sida
Uppdaterat 2 november 2026. Le Chat är nu Vibe. Sedan den 28 maj 2026 har Le Chat bytt namn till Vibe (fortfarande på chat.mistral.ai): en enda agent för arbete och kod, där dina konversationer, inställningar och prenumerationer följer med. Den äldre Le Chat-upplevelsen finns fortfarande tillgänglig i läget Chat; i läget Work är agenter nu färdigheter (anropas med
@), minnen är kunskapsbasen och djup sökning är färdigheten Deep Research. Abonnemangen heter nu Mistral Free, Pro, Team och Enterprise. Denna lektion använder nu namnet Vibe; vissa menyer som beskrivs här kan ha bytt namn eller plats.
Förstå språkmodellernas valuta
Tokens är den grundläggande enheten för varje språkmodell. Allt du skickar till modellen och allt den returnerar räknas, bearbetas och debiteras i tokens. Tokens fungerar både som måttenhet för modellens minne och som valuta för fakturering. Att förstå detta begrepp är avgörande för att använda Mistral-modeller effektivt, uppskatta kostnader och optimera dina frågor. Det är också en enkel investering: idén är okomplicerad så snart du tittar närmare på den.
Vad är en token?
En token är den minsta textenhet som en språkmodell bearbetar. Det är varken exakt ett ord eller exakt en stavelse: det är ett textfragment som definieras av modellens tokeniseringsalgoritm. I praktiken motsvarar ett vanligt ord som “hej” oftast en enda token, medan ett sällsynt eller tekniskt ord delas upp i flera fragment – “decentralisering” kan bli 3 eller 4 tokens. Mellanslag, interpunktion och specialtecken räknas också, och en siffra eller symbol kan utgöra en egen token. Kort sagt kan du inte gissa en texts tokenlängd vid en första anblick: det beror på frekvensen hos orden den innehåller.
BPE-algoritmen
Var kommer denna uppdelning ifrån? De flesta moderna modeller, inklusive Mistral:s, använder algoritmen BPE (Byte-Pair Encoding). Principen är enkel: analysera ett stort textkorpus och identifiera de vanligaste teckenkombinationerna för att bygga ett optimalt ordförråd. Resultatet blir en form av intelligent språkkomprimering – vanliga ord och uttryck representeras av få tokens, medan sällsynta termer kräver fler.
Praktisk uppskattning
För att snabbt uppskatta antalet tokens i en text, håll dessa riktmärken i åtanke: på engelska motsvarar 1 token cirka 4 tecken, eller 0,75 ord; på franska är förhållandet något mindre gynnsamt på grund av accenter och längre ord – räkna med cirka 1 token per 3,5 tecken; i kod varierar det kraftigt beroende på språk, där symboler och indentering tar sin del av utrymmet. Konkret motsvarar en A4-sida text (cirka 500 ord) ungefär 650 till 750 tokens på franska.
Kontextfönstret
Kontextfönstret är det maximala antalet tokens en modell kan bearbeta i en enda begäran – inklusive ditt meddelande (inmatning) och modellens svar (utmatning). Tänk på det som modellens arbetsminne: allt den “vet” under en konversation måste få plats där. Detta inkluderar din aktuella fråga, plus konversationshistoriken, bifogade dokument, systeminstruktioner och svaret som genereras.
Denna gräns förklarar ett fenomen du förr eller senare kommer stöta på: i en mycket lång konversation verkar modellen “glömma” vad som sades i början. Det är inte nyckfullt – de äldsta meddelandena faller helt enkelt ut ur fönstret, och modellen kan bokstavligen inte längre se dem. Det är därför oändliga konversationer tappar sin sammanhang, och varför det ofta är bättre att starta en ny tråd för ett nytt ämne.
Hos Mistral varierar storleken beroende på modell: Mistral Small 4 och Codestral erbjuder 256 000 tokens – det största fönstret i sortimentet – medan Mistral Large 3 och Ministral 3 erbjuder 131 000 tokens. Med 256k tokens kan Mistral Small 4 hantera motsvarigheten av 500 sidor text i en enda begäran: tillräckligt för att analysera ett helt kontrakt, en årsredovisning eller en omfattande kodbas.
Kostnadsberäkning
Om du använder Mistral API på Scale-abonnemanget beror din faktura direkt på antalet förbrukade tokens. Priserna anges i dollar per miljon tokens, med en åtskillnad mellan inmatningstokens (din fråga, bifogade dokument, kontext) och utmatningstokens (det genererade svaret). Utmatningstokens är generellt dyrare eftersom det är mer beräkningskrävande att generera text än att läsa den.
Några strategier hjälper dig att behärska denna förbrukning. Var koncis i dina prompts: varje överflödig instruktion räknas och debiteras därmed. Begränsa utmatningens längd när du kan – om en sammanfattning på 3 meningar räcker, ange det uttryckligen, särskilt eftersom utmatningstokens är de dyraste. Välj rätt modell för varje uppgift: Ministral för enkla uppgifter, Large för komplexa uppgifter. Återanvänd slutligen konversationskontexten: i en pågående utväxling behöver du inte upprepa information som redan har lämnats; modellen har den fortfarande i sitt fönster.
Tokens och flerspråkighet
En punkt förtjänar uppmärksamhet från fransktalande användare: franska konsumerar i genomsnitt fler tokens än engelska för att uttrycka samma idé. Accenter kan fragmentera ord på andra sätt, franska ord är ofta längre än sina engelska motsvarigheter, och artiklar och prepositioner förekommer oftare. I praktiken kommer en text på franska att använda cirka 10 % till 20 % fler tokens än samma text på engelska – en faktor att ta hänsyn till i dina kostnadsuppskattningar om du arbetar i stor skala.
Praktisk övning
För att göra dessa begrepp konkreta, genomför tre experiment på Vibe. Ställ först en kort fråga, sedan en lång fråga, och observera skillnaden i svarstid. Försök sedan sammanfatta ett långt dokument i en enda begäran – Small 4:s kontextfönster på 256k tokens möjliggör detta. Jämför slutligen svaren på samma prompt formulerad på franska och sedan på engelska för att själv se skillnaderna i längd.
Priser från och med 5 augusti 2026. Priserna ändras regelbundet. Innan du budgeterar, kontrollera de aktuella priserna på officiell Mistral-prissättning.
Viktiga punkter
- En token är den grundläggande enheten för textbearbetning, vilket motsvarar cirka 4 tecken
- Kontextfönstret bestämmer mängden text en modell kan bearbeta samtidigt
- Mistral Small 4 erbjuder det största fönstret: 256 000 tokens (cirka 500 sidor)
- API-kostnaden är direkt proportionell mot antalet förbrukade tokens
- Franska konsumerar fler tokens än engelska för samma innehåll
- Optimera dina kostnader genom att välja rätt modell och vara precis i dina prompts