Token 是什麼?AI 為什麼按 Token 收費?用中文問 AI 真的比英文貴嗎?

用 ChatGPT、Claude 或 Gemini 的時候,你一定看過這個詞:Token。API 價格寫「每百萬 Token 多少錢」,模型規格寫「上下文 100 萬 Token」,用到一半還可能跳出「額度已經用完」。
網路上也常聽到一種說法:用中文問 AI,比用英文還貴。 這篇文章一次講清楚:
- Token 是什麼?
- AI 為什麼按 Token 收費,輸出又為什麼比較貴?
- 中文真的比英文貴嗎?貴多少?
- 只用訂閱方案的一般人,要注意什麼?
先說結論:Token 是 AI 讀寫文字的最小單位,不是字也不是詞。中文確實比較貴,但貴多少要看模型;原因不是中文比較長,而是斷詞器的字典收的中文比較少,繁體又更少。
Token 是什麼?AI 讀文字用的積木
Token 是 AI 讀寫文字的最小單位。 你可以把它想像成積木:AI 在訓練之前,會先從大量文字裡整理出一本「常用片段字典」,常出現的組合就做成一塊大積木,很少見的就用小碎片拼起來。
負責切積木的工具叫做「斷詞器」,英文是 Tokenizer(中國大陸常譯為「分詞器」)。
為什麼不直接用「一個字」或「一個詞」當單位?Anthropic 的解釋是一種折衷:較大的 token 讓運算更有效率,較小的 token 讓模型能處理罕見或沒看過的字詞。只用整詞,字典會無限膨脹;只用單一字元,每句話都變得很長。
同一句話,不同 AI 切法不一樣
以「I love eating beef noodles in Taipei.」為例,這句英文在 GPT 的斷詞器上是 8 個 token,差不多一個單字一塊。換成中文「我喜歡在台北吃牛肉麵。」,結果就差很多(本頻道實測):
| 斷詞器(使用的模型) | 切成幾塊 | 切法 |
|---|---|---|
| cl100k(GPT-4 時代) | 18 | 「喜、歡、吃、牛、肉」各拆成 2 塊,「麵」拆成 3 塊 |
| o200k(GPT-4o 以後) | 12 | 幾乎一字一塊,只有「麵」拆成 2 塊 |
| Qwen、Gemma 等中文字典較大的斷詞器 | 8 | 我|喜歡|在|台北|吃|牛肉|麵|。 |
| 英文版句子(GPT) | 8 | I|love|eating|beef|noodles|in|Taipei|. |
同一句話,不同 AI 看到的長度差了一倍多。
更誇張的是罕見字。「𰻞𰻞麵」的「𰻞」,字典裡根本沒有,每個都被拆成 4 塊位元組碎片,3 個字就要將近 10 個 token。
1 個 Token 等於幾個字?
1 個 Token 不等於 1 個字。 常見的換算:
| 語言 | 換算 | 來源 |
|---|---|---|
| 英文 | 1 token ≈ ¾ 個單字(100 token ≈ 75 個英文字) | OpenAI 說明中心 |
| 繁體中文 | 每個字約 0.8~1.4 個 token,依模型而定 | 本頻道實測與第三方實測推估 |
沒有任何一家 AI 公司官方公布「中文每字幾個 token」。想知道自己的文字會被切成幾塊,可以貼到 OpenAI Tokenizer 工具裡看看。
AI 為什麼按 Token 收費?
因為 AI 每多讀一個 token、多寫一個 token,背後的 GPU 就要多做一份工。模型每處理一個 token,都要做一輪運算,還要讀寫一份叫 KV cache 的「工作筆記」,用量隨 token 數成長(NVIDIA 技術部落格)。所以 token 數是最接近「實際工作量」的計價單位。
為什麼輸出比輸入貴?
OpenAI、Anthropic、Google 的輸出價格,幾乎都是輸入的 5 倍(OpenAI、Claude、Gemini 價目表,2026-11-20)。原因是兩種工作的方式不一樣:
| 工作 | 怎麼做 | 比喻 |
|---|---|---|
| 讀你的問題(輸入) | 整段文字一次平行讀進去,GPU 用得很滿 | 影印機一次掃一整頁 |
| 寫答案(輸出) | 一個 token 接一個慢慢產生,每寫一塊還要回頭看一次前面的內容 | 用手一個字一個字抄寫 |
所以輸出比較慢,也比較貴。
看不見的「思考」也要付錢
推理模型在回答前,會先在背後「想」很久。這些思考過程你看不到,但一樣照輸出價格收費。在 OpenAI 推理模型文件的範例裡,輸出 1,186 個 token,其中 1,024 個是思考,真正看到的回答只占一成多。
中文真的比英文貴嗎?貴多少?
我做了一個小實測:把同一段意思相同的文字,分別寫成英文、繁體中文和簡體中文,丟進 11 種斷詞器計算。以下是「繁中 token 數 ÷ 英文 token 數」:
| 斷詞器 | 繁中是英文的幾倍 |
|---|---|
| GPT-4 時代(cl100k) | 2.2 倍 |
| GPT-4o 以後(o200k) | 1.3 倍 |
| Llama 3.1 | 1.4 倍 |
| Qwen | 1.0 倍 |
| DeepSeek | 0.9 倍 |
學術研究也有類似發現。2023 年 NeurIPS 論文〈Language Model Tokenizers Introduce Unfairness Between Languages〉測出,簡體中文在 GPT-4 的斷詞器上,大約是英文的 1.91 倍。
所以「中文比較貴」是真的,但貴多少要看是哪個模型。只說「中文貴幾倍」卻不講模型,其實沒有意義。
為什麼中文比較貴?還有台灣人才有的「繁體稅」
不是因為中文比較長
很多人會說:「因為中文一個字要 3 個位元組。」其實不對。同一篇 NeurIPS 論文用 200 種語言的平行語料比較發現:同一個意思,中文的字數只有英文字母數的三分之一左右,連位元組數都比英文少。中文本身並不長。
真正的原因:斷詞器的字典
大部分斷詞器是用以英文為主的資料訓練的,所以字典裡英文收得多、中文收得少。字典沒收的字,就只能拆成碎片,碎片越多,帳單就越高。
繁體稅
對台灣人來說還有第二層:繁體稅。網路上的簡體中文資料比繁體多很多,字典收的繁體字更少。本頻道實測同一段內容:
| 斷詞器 | 簡體中文 | 繁體中文 |
|---|---|---|
| o200k(GPT-4o 以後) | 95 token | 116 token(多約兩成) |
| cl100k(GPT-4 時代) | 150 token | 195 token |
在舊的斷詞器上,連「來、個、會、這、說」這種常用字,每個都會被拆成 2 塊。
好消息:差距補得回來
聯發科創新基地推出的台灣模型 Breeze-7B,在原本的字典裡加入 3 萬個繁體中文 token。實測同一段繁中:
| 模型 | 繁中 token 數 |
|---|---|
| Mistral-7B(Breeze 的基礎模型) | 151 |
| Breeze-7B(擴充繁中字典) | 81(少 46%) |
在 Breeze-7B 上,繁中(81)甚至比簡中(117)還少。中文貴不是中文的宿命,而是字典怎麼分配的結果。
標價一樣,實際付的不一樣
價目表上寫的都是「每百萬 token 多少錢」,但對中文使用者來說,真正該比的是「每個中文字多少錢」。
三家的中階模型,標價都是每百萬 token 輸入 $2、輸出 $10(2026-11-20):OpenAI 的 gpt-6.2-sol、Anthropic 的 Claude Sonnet 5.5、Google 的 Gemini 4 Carbon。
但如果請它們寫 1 萬個繁體中文字,依各家斷詞器估算:
| 模型 | 估計需要的 token | 輸出 1 萬個繁中字的費用 |
|---|---|---|
| Gemini 4 Carbon | 約 7,700~8,200 | 約 8 美分 |
| gpt-6.2-sol | 約 9,000 | 約 9 美分 |
| Claude Sonnet 5.5 | 約 11,000~14,000 | 約 11~14 美分 |
標價一樣,實際差了五成。
要說明的是:
- Claude 和 Gemini 的斷詞器沒有公開,這兩家是用第三方的簡體中文實測推估的,目前沒有找到任何公開的繁中實測。
- AI 公司對中文和英文的單價其實一樣,沒有「中文加價」,差別完全來自 token 數。
- Gemini 4 Carbon 自 2026 年 12 月 1 日起漲為輸入 $4、輸出 $20,比價時請看最新價目表。
只用訂閱方案,跟 Token 有什麼關係?
關係很大,只是你感受到的不是帳單,而是「容量」。
上下文視窗:AI 一次能看多少
每個 AI 一次能看的內容有上限,叫做「上下文視窗」,也是用 token 算的:
| 方案 | 上下文視窗 | 約能放多少中文字(估算) | 來源 |
|---|---|---|---|
| ChatGPT Free(一般模式) | 27K token | 約 3 萬字 | ChatGPT 方案頁 |
| Google AI Pro(Gemini) | 100 萬 token | 約 125 萬字 | Gemini 說明中心 |
| Claude 付費方案(新模型) | 100 萬 token | 約 71~91 萬字 | Claude 說明中心 |
同樣叫 100 萬,裝得下的中文不一樣多:中文需要的 token 越多,能放的內容就越少。各方案的完整比較,可以參考「ChatGPT 訂閱方案比較」、「Claude 訂閱方案比較」和「Google AI 訂閱方案比較」。
為什麼聊越久,額度用越快?
因為 AI 每回答一次,都會把前面整段對話重新讀一遍。經過試算:聊一小時、來回 30 次(假設系統提示 2,000 token、每輪你說 150 token、AI 回 600 token),總共讀進去的 token 會累積到約 39 萬個。
對話一旦超過視窗,有些 AI 會自動把前面的內容摘要,有些就像是忘了前面說過什麼。
省 Token、省額度的 5 個技巧
- 相關的問題一次問完,不要拆成好幾則訊息。
- 不要一直重貼同一篇長文,改說「上面那篇」。
- 常用的資料放進 Projects(專案):Claude 官方說明,放進專案的內容會被快取,重複使用時比較不佔額度。ChatGPT 也有類似功能,可參考「ChatGPT 專案功能教學」。
- 圖片不需要高畫質,就先縮小再上傳。
- 換新主題就開新的對話(常見做法)。
Token 會越來越便宜嗎?
整體來說會。根據 a16z 和 Epoch AI 的統計,同樣能力的 AI,價格大約每年下降 10~13 倍(蒸餾就是推動降價的技術之一,可參考「AI 模型蒸餾是什麼?」)。
斷詞器也在進步。OpenAI 發表 GPT-4o 時表示,新斷詞器讓中文 token 少約 1.4 倍;本頻道實測同一段繁中,從 GPT-4 時代的 195 個 token 降到 116 個,少了三到四成。
不過各家的調價方向不一定一樣,例如 Gemini 4 Carbon 就在 12 月起漲價,比價時還是要看最新的價目表。
科技兔有做一隻教學影片,可以點擊下方連結觀看。
常見問題(FAQ)
Token 是什麼?
Token 是 AI 模型讀寫文字的最小單位,由斷詞器(Tokenizer)把文字切成「常用片段」。常見的組合是一整塊,罕見的字會被拆成好幾塊碎片,所以 1 個 token 不等於 1 個字或 1 個詞。
1 個中文字等於幾個 Token?
要看模型。依本頻道實測與第三方推估,繁體中文每個字約 0.8~1.4 個 token:在 GPT-4o 以後的斷詞器上約 0.9 個,在 GPT-4 時代約 1.4~1.6 個,Claude 約 1.1~1.4 個。英文則約 1 token ≈ ¾ 個單字。
為什麼 AI 的輸出比輸入貴?
讀取輸入時,模型能把整段文字一次平行處理;產生輸出時,只能一個 token 接一個產生,每產生一個都要回頭讀一次前面的內容,GPU 效率比較低。OpenAI、Anthropic、Google 的輸出價格大多是輸入的 5 倍。
用中文問 AI 比英文貴多少?
依模型而定。本頻道實測,同一段話在 GPT-4 時代的斷詞器上,繁中是英文的 2.2 倍;GPT-4o 以後約 1.3 倍;Qwen、DeepSeek 等中文優化模型約 1 倍,甚至更少。學術研究測到簡中在 GPT-4 斷詞器上約是英文的 1.9 倍。
繁體中文比簡體中文貴嗎?
在多數斷詞器上是的。因為網路上簡體資料比較多,字典收的繁體字比較少。本頻道實測在 GPT-4o 以後的斷詞器上,繁體比簡體多用約兩成 token。不過擴充了繁中字典的 Breeze-7B,繁中反而比簡中少。
怎麼知道一段文字有幾個 Token?
可以把文字貼到 OpenAI Tokenizer 查看 GPT 的切法。Claude 和 Gemini 的斷詞器沒有公開,只能透過官方 API 的計數功能取得。
總結
Token 是 AI 讀寫文字的積木,不是字,也不是詞。AI 按 token 收費,因為 token 數就是 GPU 的工作量,而輸出又比輸入貴得多。中文比較貴,不是因為中文比較長,而是斷詞器的字典收的中文比較少,繁體又更少。













