Token 到底是什么?一文搞懂 AI 计费的“最小单位”

点击蓝字 关注我们

Token 不是“字”，是“碎片”

简单说，Token 是模型处理文本时的最小颗粒。模型并不认识“字”或“词”，它会把你的输入切成一串小碎片来读。

英文很好切：一个词常常对应 1 个 token（比如 “apple” 就是 1 个）。但中文不行——中文没有空格分词，模型只能按“子词 / 字符片段”来切。结果就是：同样表达一个意思，中文往往比英文被切成更多 token。

一个粗略经验值：中文大概 1 个汉字 ≈ 1~1.5 个 token，英文 1 个单词 ≈ 1.3 个 token。所以同一句话，用的语言不同，token 数就不同，费用自然也不同。

为什么中文“更贵”

不是平台针对你定价，而是计费按 token 数走。你的 Prompt（提示词）越长、模型回得越长，token 总数就越多，账单就越厚。

很多新手以为“我就发了几个字”，却忘了：你每次对话，模型都会把“历史上下文”一起重新喂进去——前面聊的每一句，这次又算了一次钱。这就是为什么聊着聊着，账单悄悄变长。

输入和输出，价格不一样

这是最容易忽略的一点：几乎所有大模型，都分开收“输入 token”和“输出 token”的钱，而且输出通常更贵。

• 输入：你发给模型的（问题 + 上下文 + 系统提示）

• 输出：模型生成给你的（答案）

比如某模型输入 0.5 元/百万 token、输出 2 元/百万 token，差了 4 倍。所以“让 AI 少说点”比“少问点”更省钱。

三个立刻能用的省钱提醒

1. 砍掉废话 Prompt：系统提示里没用的样例、长背景，能删就删，它们每次都计费。

2. 长对话适时开新窗口：别让 20 轮历史一直拖着算钱。

单价：选模型时别只看“总价”，要看输出那栏——你花的钱大头往往在输出。