Token是大模型处理文本时的最小计量单位，既像“字数”又像“货币”：API按它计费，上下文长度按它计算。一个英文单词约为1个多token，一个汉字通常折算一到两个token，具体因模型分词器而异。
Token和字数是什么关系？
- 英文：常见单词多在1-2个token之间；
- 中文：一般一个汉字约1-2个token，生僻词、专业术语可能更多；
- 代码与表格：符号密集，token消耗明显高于自然语言。
同一句话，不同模型的分词方式不同，token数也会有差异，精确预估应以对应平台的计数工具为准。
Token怎么影响费用？
主流API按输入和输出的token分别计价，通常输出单价高于输入。控制成本的常见思路：
- 提示词精简：删除冗余背景与重复约束；
- 长文分段处理：避免每次都携带全部历史；
- 输出长度控制：让模型先给结论再展开；
- 模型分级：简单任务用轻量模型，复杂任务再升级。
token不够用了怎么办？
- 压缩上下文：把长资料先摘要成要点再发送；
- 分段问答：长文档切片，按需携带相关段落；
- 缓存复用：固定不变的说明类内容，优先使用平台的缓存计价能力（如支持）；
- 按需选档：同一模型常有不同上下文版本，按任务规模选档。
这些做法的共同点是：让每次请求只携带当前任务真正需要的内容。
Token和上下文窗口什么关系？
上下文窗口指一次对话能容纳的token总量上限，包括历史消息与当前输入。窗口越大，能“记住”的资料越多，但每次请求的token成本也越高，两者需要权衡。
| 概念 | 类比 |
|---|---|
| Token | 水费按吨计量的“吨” |
| 上下文窗口 | 水桶的容量上限 |
一个容易被忽略的细节：对话历史也计入token，长对话越聊越贵，适时新开会话往往更省。
想对比各家模型的计价与能力入口，可查看AI工具导航；更多大模型基础概念，见学习教程栏目。
常见问题FAQ
为什么我发的中文比英文贵？
多数模型对中文的分词效率低于英文，同样内容的token数偏多，费用相应更高，属于正常现象。
上下文窗口越大越好吗？
窗口大意味着可处理的资料多，但长上下文成本高，且中间内容可能被忽略，按需选择更划算。
怎么快速估算一段文字的token？
粗略估算可按汉字数乘以1.5，正式做预算建议用各平台的官方计数工具实测。
图片和语音怎么算token？
多数平台把图片按分辨率折算成token，语音按时长或转写文本计算，规则各不相同，以官方文档为准。
