1. 什么是TokenToken是大语言模型LLM处理文本时的最小语义单元。当您输入一段话给AI时AI并不是逐字逐句地“阅读”中文汉字或英文字母而是先将整段文本拆解成一个个Token然后再进行理解和生成。可以这样理解对人类文本的单位是“字”、“词”、“句子”。对AI文本的单位是“Token”。关键事实Token不是一个字符字母/汉字也不是一个完整的单词。在英文中1个Token ≈ 0.75个英文单词即约4个英文字符 1个Token。在中文中1个汉字 ≈ 1~2个Token因为中文信息密度更高部分模型1个汉字对应1个Token部分则需2个。2. 为什么Token很重要Token直接影响您使用AI的三个方面影响维度说明 成本主流AI模型如GPT-4、Claude均按Token数量计费输入和输出分别计算。 能力上限每个模型有上下文窗口Context Window即单次对话中能处理的最大Token总数超出则无法响应。⚡ 性能Token越多AI处理时间越长响应速度越慢。3. Token是如何计算的配具体例子例子1英文文本输入文本Hello, how are you today?拆分方式结果人类视角5个单词18个字符含空格和标点AI Token拆分[Hello, ,, how, are, you, today, ?]→7个Token 注意空格和标点符号也会被拆分为独立的Token。例子2中文文本输入文本你好今天天气怎么样拆分方式结果人类视角9个汉字 标点AI Token拆分以GPT-4为例[你好, , 今天, 天气, 怎么样, ]→6个Token部分模型可能拆得更细为9~12个Token 中文的Token效率比英文高同样的信息量中文消耗的Token通常更少。例子3长文本估算实用技巧英文1000个英文单词 ≈ 750个Token中文1000个中文字符 ≈ 500~600个Token视具体分词器而定一句话快速估算中英文混合文本字数 × 1.3大致等于Token数。4. 两个核心概念输入Token vs 输出Token每次与AI的对话Token消耗分为两部分类型名称说明举例输入TokenPrompt Tokens您发送给AI的所有内容问题 历史对话 上传的文档摘要您问了3轮问题总字数500字 → 约消耗650个输入Token输出TokenCompletion TokensAI生成回复的内容AI回复了200字 → 约消耗260个输出Token总Token 输入Token 输出Token计费时输入和输出Token的价格通常不同输出Token一般更贵因为生成比理解更消耗算力。5. 上下文窗口Context Window详解这是Token知识中最关键的限制条件。模型上下文窗口最大Token数实际含义GPT-3.54K ~ 16K约可处理3000~12000个英文单词GPT-4 (8K版)8K约可处理6000个英文单词GPT-4 (32K版)32K约可处理24000个英文单词Claude 3.5 Sonnet200K约可处理15万个英文单词相当于整本《哈利·波特》系列通义千问 Qwen-Max8K ~ 30K视具体版本而定当输入超过上下文窗口时会发生什么AI会直接报错This models maximum context length is XXX tokens...或者AI会“截断”最早的对话内容“遗忘”开头部分只保留最新的一段。实用建议如果您的对话很长或要上传大文档建议使用支持大上下文窗口的模型如Claude 200K、GPT-4 Turbo 128K或者采用RAG检索增强生成技术只将相关片段送入上下文而非整篇文档。6. 如何查看Token消耗方式说明官方API返回调用API时响应中会直接返回usage字段包含prompt_tokens、completion_tokens、total_tokens官方Web/App部分平台如OpenAI Playground、Claude官网会在回复底部显示Token统计第三方工具使用Token计数器如OpenAI的tiktoken库在发送前预先估算在线工具使用 OpenAI Tokenizer 官网页面可实时查看任意文本的Token拆分效果7. Token与中文的特殊关系重要中文是“Token效率”较高的语言语言表达同样意思所需的Token原因中文较少每个汉字包含的信息密度高英文较多需要多个字母空格组成一个词信息密度相对低举例“人工智能” → 中文2~3个Token“Artificial Intelligence” → 英文4~6个Token 实际应用如果您在API模式下使用用中文提问比用英文提问更省钱因为消耗的Token更少。8. 完整实战示例场景您使用GPT-48K上下文窗口翻译一份文档。步骤内容Token消耗估算1. 上传文档一篇1500字的英文技术文章约1000个英文单词约750个输入Token2. 添加指令“请将以下英文文章翻译成中文保持专业术语准确”约30个输入Token3. AI生成回复AI输出了一篇1200字的中文翻译约600个输出Token总计单次翻译消耗约 1,380 个Token远未触及8K上限费用估算以GPT-4价格输入$30/1M Token输出$60/1M Token输入0.78K×$30 输出0.6K×$60 ≈$0.059约人民币0.4元9. Token相关的常见误区误区 ❌正解 ✅“一个汉字1个Token”不一定部分模型1个汉字2个Token“空格不算Token”空格和标点通常都算Token“上下文窗口等于字数”窗口是Token数需换算约 ×0.75 英文单词数“只算输入Token”输入和输出都算且输出通常更贵10. 实践要点总结原则说明精简Prompt去掉冗余表达用更简洁的方式提问节省Token成本控制历史对话长对话时适当清理不重要的历史消息防止超出上下文窗口选择合适模型简单任务用低成本模型如GPT-3.5-turbo复杂任务再上高端模型利用中文优势如果中英文都行优先用中文提问Token消耗更少预估算工具开发应用时先用tiktoken库预计算Token数量避免超限报错