token ai คืออะไร

Token คือชิ้นส่วนของคำ ไม่ใช่คำทั้งคำ

โมเดลไม่ได้อ่านตัวอักษรและไม่ได้อ่านคำ ก่อนที่ข้อความของคุณจะไปถึงโมเดล tokenizer จะแบ่งมันออกเป็นชิ้นๆ จากคลังคำศัพท์คงที่ที่มีหลายหมื่นชิ้นส่วน คำทั่วไปคือหนึ่งโทเค็น คำที่พบได้น้อยคือสองหรือสามโทเค็น "The" คือหนึ่งโทเค็น "tokenization" โดยทั่วไปคือสองหรือสามโทเค็น ส่วน URL ยาวๆ อาจมีได้หลายสิบโทเค็น

กฎง่ายๆ ที่ OpenAI เผยแพร่สำหรับข้อความภาษาอังกฤษคือ หนึ่งโทเค็นมีประมาณสี่ตัวอักษร หรือประมาณสามในสี่ของคำ ดังนั้น 100 โทเค็นจึงเท่ากับประมาณ 75 คำ และ 1,000 โทเค็นเท่ากับหน้ากระดาษหนึ่งหน้าครึ่ง

มีสองสิ่งที่ทำให้จำนวนคลาดเคลื่อน โค้ดจะแน่นกว่า ใกล้เคียงกับหนึ่งโทเค็นต่อสามตัวอักษร เพราะมีสัญลักษณ์และการเว้นวรรค และภาษาที่มีข้อมูลฝึกฝนใน tokenizer น้อยกว่าจะมีค่าใช้จ่ายสูงกว่า ความหมายเดียวกันในภาษาไทย ฮินดี หรืออาหรับอาจใช้โทเค็นมากกว่าเวอร์ชันภาษาอังกฤษถึงสองถึงสามเท่า ซึ่งสำคัญมากถ้าคุณจ่ายเงินตามโทเค็นและเขียนด้วยภาษาเหล่านี้

คุณลองดูได้ด้วยตัวเอง วางข้อความใดๆ ลงในเครื่องคำนวณค่าโทเค็น แล้วมันจะแสดงจำนวนและราคาของแต่ละโมเดล

Input token และ output token มีราคาต่างกันสองแบบ

ทุกข้อความมีสองส่วน Input token คือทุกอย่างที่โมเดลอ่าน คำถามของคุณ คำสั่งของระบบ บทสนทนาที่ผ่านมา ไฟล์ใดๆ ที่คุณแนบมา ส่วน output token คือสิ่งที่โมเดลเขียนตอบกลับ

ผู้ให้บริการคิดราคาทั้งสองแบบต่างกัน และช่องว่างนั้นไม่เล็กเลย ตารางนี้เป็นราคาลิสต์ต่อล้านโทเค็นจากดัชนีต้นทุนโมเดล AI โดยราคาดึงมาจาก OpenRouter เมื่อวันที่ 2026-08-20

Output แพงกว่าเพราะวิธีที่โมเดลทำงาน การอ่าน input เกิดขึ้นในหนึ่งรอบแบบขนานพร้อมกันในทุกโทเค็น การเขียน output เกิดขึ้นทีละโทเค็น แต่ละโทเค็นใหม่ต้องผ่านโมเดลทั้งหมดอีกครั้ง คำตอบ 500 โทเค็นคือ 500 รอบที่ต้องทำต่อเนื่องกัน

ข้อความจริงมีค่าใช้จ่ายเท่าไร คำนวณให้ดู

ลองดูการสนทนาทั่วไป คำถาม 300 คำพร้อมบริบทหนึ่งย่อหน้า ได้คำตอบเป็น 400 คำ นั่นคือประมาณ 400 input token และ 530 output token

• บน GPT-5.6 Luna: 400 × $0.20 ต่อล้าน บวก 530 × $1.20 ต่อล้าน คือ $0.00008 บวก $0.00064 ประมาณ $0.0007 หรือเจ็ดในร้อยของหนึ่งเซนต์
• บน Claude Sonnet 5: 400 × $2 บวก 530 × $10 ต่อล้าน คือ $0.0008 บวก $0.0053 ประมาณ $0.006 เกินครึ่งเซนต์เล็กน้อย
• บน GPT-5.5: 400 × $5 บวก 530 × $30 ต่อล้าน คือ $0.002 บวก $0.0159 ประมาณ $0.018 เกือบสองเซนต์

สังเกตว่าครึ่งฝั่ง output คิดเป็น 80 ถึง 90 เปอร์เซ็นต์ของบิลในทุกแถว รูปแบบของข้อความ ไม่ใช่แค่โมเดล ที่กำหนดต้นทุน คำถามหนึ่งบรรทัดที่ขอเรียงความยาว 2,000 คำคือรูปแบบที่แพง ส่วนเอกสารยาวที่มีคำถามหนึ่งบรรทัดเกี่ยวกับมันคือรูปแบบที่ถูกในโมเดลเดียวกัน

ถ้าดูภาพรวมของทั้งแคตตาล็อก ความแตกต่างคือเรื่องจริงที่น่าสนใจ ทุกโมเดลที่มีราคาในดัชนีต้นทุนโมเดล AI วางอยู่บนเส้นด้านล่างตามต้นทุนของคำตอบมาตรฐานหนึ่งครั้ง ที่ถูกที่สุดคือ Ling-3.0-flash อยู่ที่ $0.000053 ส่วนที่แพงที่สุดคือ Claude Opus 4.7 ในโหมดเร็ว อยู่ที่ $0.105 ห่างกันประมาณ 2,000 เท่าสำหรับ 1,500 โทเค็นเท่ากัน

ตัวคูณอีกตัวคือประวัติการสนทนา ในแชท โมเดลจะอ่านบทสนทนาทั้งหมดใหม่ทุกครั้งที่คุณพิมพ์ ดังนั้นจำนวน input จึงเพิ่มขึ้นทุกข้อความ บทสนทนา 40 รอบจะส่งข้อความแรกซ้ำถึง 40 ครั้ง นี่คือเหตุผลที่เธรดยาวๆ ทำงานช้าลง และทำไมcontext window คืออะไร จึงเป็นขีดจำกัดที่คุณจะเจอในที่สุด

ทำไมการสมัครสมาชิกซ่อนมิเตอร์แต่ไม่ได้เอามันออกไป

แพ็กเกจสำหรับผู้บริโภคคิดค่าบริการรายเดือนแบบคงที่ แต่ภายใต้ค่าธรรมเนียมนั้น ผู้ให้บริการทุกรายยังคงนับโทเค็นอยู่ จำนวนที่นับปรากฏออกมาเป็นเพดานข้อความ กำแพง "คุณถึงขีดจำกัดแล้ว" และการสลับไปใช้โมเดลที่เล็กลงอย่างเงียบๆ เมื่องบประมาณใกล้หมด

Whizi คิดมิเตอร์แบบตรงข้าม แต่ละโมเดลมีราคาเครดิตคงที่ต่อข้อความ 1 เครดิตสำหรับโมเดลของบ้าน 10 เครดิตสำหรับ Claude Sonnet 5, 20 เครดิตสำหรับ Claude Opus 5 และ GPT-5.5 และ 100 เครดิตที่ระดับสูงสุดของบันได จำนวนนี้ไม่เคยขึ้นอยู่กับความยาวของข้อความหรือคำตอบของคุณ บันไดนี้ยึดโยงกับรอบโทเค็นจริง 3,000 โทเค็นเข้าและ 800 โทเค็นออกบนโมเดลของบ้าน ซึ่งมีต้นทุนจากผู้ให้บริการประมาณ $0.00156 และเป็นตัวกำหนดหนึ่งเครดิต เครดิตของ Whizi ทำงานอย่างไร มีตารางเต็มรูปแบบ

การแลกเปลี่ยนนี้เป็นความตั้งใจ มิเตอร์ต่อโทเค็นแม่นยำแต่คาดเดาไม่ได้ ส่วนเครดิตต่อข้อความค่อนข้างใจกว้างสำหรับข้อความยาวและค่อนข้างประหยัดสำหรับข้อความสั้น และคุณจะรู้ราคาก่อนกดส่งเสมอ

Token ยังเป็นขีดจำกัดความจุด้วย

เหตุผลที่สองที่โทเค็นสำคัญคือความจุ ทุกโมเดลมี context window วัดเป็นโทเค็น คือปริมาณสูงสุดที่มันพิจารณาได้พร้อมกัน ทั้ง input และ output รวมกัน Claude Haiku 4.5 รองรับ 200,000 โทเค็น ส่วน GPT-5.6 Terra, Claude Sonnet 5 และ Gemini 3.7 Flash รองรับประมาณ 1 ล้านโทเค็น ที่ 750 คำต่อ 1,000 โทเค็น หนึ่งล้านโทเค็นเท่ากับประมาณ 750,000 คำ หรือประมาณ 1,500 หน้า

หน้าต่างนี้ไม่ได้ใช้ฟรี การเติมเต็มมันมีต้นทุนเป็น input token ในทุกรอบ ดังนั้นเอกสาร 300,000 โทเค็นที่ถูกถามสิบคำถามจึงเท่ากับ 3 ล้าน input token ซึ่งคือ $6 บน Claude Sonnet 5 ที่ราคาลิสต์ Retrieval ที่แอปค้นหาในเอกสารและส่งเฉพาะหน้าที่เกี่ยวข้อง มีไว้เพื่อหลีกเลี่ยงบิลแบบนั้นโดยเฉพาะ RAG คืออะไร อธิบายกลไกนี้ และเปรียบเทียบ context window มีขีดจำกัดของทุกโมเดลในตารางเดียว ส่งเฉพาะหน้าที่คำถามต้องการ ไม่ใช่ทั้งไฟล์