En una prueba con una tabla de 20 productos y cinco campos, el JSON con sangría de dos espacios ocupó 884 tokens, frente a 300 en CSV: 2,95 veces más al contar con o200k_base. Es una diferencia grande, pero describe ese conjunto y esa codificación, no una regla para todos los datos ni para todos los modelos.
Cuántos tokens usó cada formato
Johmisking publicó el 2 de octubre de 2026 una comparación de siete serializaciones de la misma tabla. El conjunto contenía 20 filas y los campos id, name, price, in_stock y category. El conteo se hizo con js-tiktoken y la codificación o200k_base. Estos son los resultados informados por el autor:
| Formato | Tokens | Relación frente a CSV |
|---|---|---|
| TSV | 296 | 0,99× |
| CSV | 300 | 1,00× |
| Tabla Markdown | 373 | 1,24× |
| JSON minificado | 525 | 1,75× |
| YAML | 649 | 2,16× |
| JSON con sangría de dos espacios | 884 | 2,95× |
| XML | 1.088 | 3,63× |
En este caso, TSV quedó ligeramente por debajo de CSV, mientras que JSON minificado usó 175% de los tokens de CSV. La tabla muestra una comparación de una sola entrada de datos con un tokenizador concreto, no un ensayo de todos los tipos de contenido. Ver el experimento de Johmisking en DEV Community.
Por qué cambia el conteo
CSV y TSV expresan cada fila mediante valores separados por delimitadores y suelen escribir los nombres de las columnas una sola vez en la cabecera. En una lista de objetos JSON, en cambio, las claves como name y price reaparecen en cada objeto, junto con comillas, llaves y dos puntos. Esa repetición forma parte del coste del formato, además de los espacios y saltos de línea.
La prueba permite aislar una comparación adicional: el JSON minificado contó 525 tokens y el JSON con sangría, 884. La presentación con sangría añadió 359 tokens, aproximadamente un 68% sobre la versión minificada. No explica por sí sola toda la distancia entre CSV y JSON: también cuenta la estructura basada en objetos y la repetición de claves.
YAML contó más tokens que el JSON minificado pese a tener menos caracteres, según el autor. La cantidad de caracteres no basta para predecir tokens: el resultado depende del texto exacto y de cómo el tokenizador divide o agrupa sus partes.
Qué formato conviene según la tarea
Filas planas para contexto compacto
Si los datos son una tabla sencilla y el modelo solo necesita comparar, resumir o localizar valores, CSV o TSV son opciones compactas en esta prueba. Mantén una cabecera clara y evita abreviaturas ambiguas: ahorrar tokens no ayuda si se vuelve incierto qué significa cada columna.
Objetos anidados o datos con estructura explícita
CSV y TSV no representan de forma natural objetos anidados. Si cada registro contiene listas, subobjetos o relaciones que deben conservarse, JSON minificado puede ser una opción más clara que aplanar o codificar esa estructura en una tabla. La reducción de tokens no debe borrar distinciones que la tarea necesita.
Free tools Windows power users keep installed
One-click scans. No signup required.
Rank #3
Salida que debe procesar software
Cuando una aplicación espera una respuesta estructurada, la consistencia y la posibilidad de analizarla pueden valer más que minimizar el conteo. El autor recomienda JSON cuando se necesita salida estructurada con esquema y fiabilidad de análisis. Evalúa el formato con la tarea real, no solo con el número de tokens del prompt.
Cómo medir el caso que realmente vas a usar
- Conserva exactamente los mismos datos en cada variante. Cambiar valores, nombres de campos o contenido invalida la comparación.
- Prueba solo formatos que tengan sentido para la estructura: por ejemplo, CSV y TSV para filas planas, y JSON minificado si necesitas objetos.
- Cuenta con la codificación correspondiente al modelo que usarás. La documentación de OpenAI presenta
tiktokencomo un tokenizador para modelos de OpenAI y explica cómo elegir una codificación; las cifras no deben separarse de esa elección. Documentación y repositorio de tiktoken. - Compara la calidad de las respuestas y la facilidad de procesarlas, además del conteo. Si el cambio de formato perjudica el resultado, el ahorro de tokens no compensa.
Johmisking afirma que cl100k_base dio cifras dentro del 2% de o200k_base para esta misma tabla. Ese margen se refiere únicamente a su prueba; no establece equivalencia para otros textos. Claude y Gemini usan tokenizadores distintos, de modo que el conteo de o200k_base no debe trasladarse sin más a esos modelos.
Una prueba pequeña de sangría en código
Como comprobación separada, el autor contó un archivo Python de 16 líneas: la sangría de cuatro espacios y la de dos espacios dieron 135 tokens cada una, y los tabuladores dieron 133. Es un ejemplo demasiado pequeño para sostener una regla general sobre código. Sí muestra por qué no conviene reformatear un archivo únicamente para perseguir una diferencia mínima sin medir el caso concreto.
Independent reader supportYour contribution helps us test, update, and keep practical guides available for everyone.Qué significa la estimación de costes publicada
El artículo calculó un escenario hipotético de 1.000 solicitudes diarias —30.000 al mes— con la misma tabla de 20 filas adjunta a cada solicitud y una tarifa supuesta de 2 dólares por millón de tokens de entrada. Bajo esas condiciones, estimó 9,0 millones de tokens y 18 dólares para CSV; 15,8 millones y 32 dólares para JSON minificado; 26,5 millones y 53 dólares para JSON con sangría; y 32,6 millones y 65 dólares para XML. Son cálculos del autor con una tarifa asumida, no precios universales ni una cotización vigente de un proveedor.
What’s actually slowing this PC down?
Pick the symptom - the matching free tool is one click away.
Best Value
La herramienta de conteo mencionada por el autor
Johmisking también dice haber creado un contador gratuito de tokens que funciona en el navegador y procesa localmente el texto pegado. Esa descripción es del autor; no hay una verificación independiente aquí de su comportamiento de privacidad. Para datos confidenciales, no pegues contenido en una herramienta hasta confirmar por tu cuenta dónde se procesa y qué datos conserva.
Quick Recap
Product prices and availability are accurate as of the date/time indicated and are subject to change. Any price and availability information displayed on Amazon at the time of purchase will apply.
