Token是一個單字的片段,不是一個完整的單字
模型不是逐字母、也不是逐字讀取文字。你的訊息送到模型之前,會先由一個斷詞器(tokenizer)拆成片段,這些片段來自一個固定的、有數萬個碎片的詞彙表。常見的字通常是一個token,罕見的字則要兩到三個。「The」是一個token;「tokenization」通常是兩到三個;一個很長的網址可能要拆成幾十個。
OpenAI公布的英文文字經驗法則是:一個token大約是四個字元,或大約四分之三個單字。所以100個token大約是75個英文單字,1,000個token大約是一頁半。
有兩件事會讓這個換算跑掉。程式碼因為符號和縮排較多,密度更高,大約每三個字元就是一個token。而在斷詞器訓練資料裡出現較少的語言,成本也會更高:同樣的意思用泰文、印地文或阿拉伯文表達,可能要花掉英文版本兩到三倍的token,如果你是按token付費、又用這些語言寫作,這一點就很有影響。
你可以自己試試看。把任何文字貼進token計費計算機,它會顯示token數量和每個模型的價格。
輸入token和輸出token是兩種不同的價格
每則訊息都有兩個部分。輸入token是模型讀到的一切:你的問題、系統指令、到目前為止的對話內容,還有你附加的任何檔案。輸出token則是模型寫回來的內容。
各家業者對這兩者收取不同費率,而且差距不小。下表是AI模型成本指數提供的每百萬token牌價,價格取自OpenRouter於2026-08-20的資料。
| 模型 | 輸入,每百萬美元 | 輸出,每百萬美元 | 輸出對輸入比例 |
|---|---|---|---|
| GPT-5.6 Luna | $0.20 | $1.20 | 6x |
| Gemini 3.7 Flash | $0.375 | $1.875 | 5x |
| Claude Haiku 4.5 | $1 | $5 | 5x |
| Claude Sonnet 5 | $2 | $10 | 5x |
| GPT-5.6 Terra | $2 | $12 | 6x |
| Claude Opus 5 | $5 | $25 | 5x |
| GPT-5.5 | $5 | $30 | 6x |
輸出比較貴,原因在於模型運作的方式。讀取輸入是一次平行處理所有token;而寫出輸出則是一次一個token,每產生一個新的token都要再跑過整個模型一次。一個500個token的答案,就是500次連續運算。
一則真實訊息實際要花多少錢,實際算一次
以一次典型的對話為例:一個300字的問題加上一段背景資料,回答用了400字。這大約是400個輸入token和530個輸出token。
- 在GPT-5.6 Luna上:400 × 每百萬$0.20,加上530 × 每百萬$1.20,也就是$0.00008加$0.00064,大約是$0.0007。約百分之七分錢。
- 在Claude Sonnet 5上:400 × $2,加上530 × $10,每百萬計算,也就是$0.0008加$0.0053,大約是$0.006。剛好超過半分錢。
- 在GPT-5.5上:400 × $5,加上530 × $30,每百萬計算,也就是$0.002加$0.0159,大約是$0.018。將近兩分錢。
注意到每一列裡,輸出部分都占了帳單的80%到90%。決定成本的不只是模型,還有訊息的形狀:一句話的問題卻要求一篇2,000字的文章,是最貴的模式;而一份長文件配上一句話的問題,則是同一個模型上最便宜的模式。
把視角拉遠一點,整個模型目錄的價格分布才是真正的重點。AI模型成本指數裡每一個有標價的模型,都可以按一則標準答案的花費排成下面這條線。最便宜的Ling-3.0-flash是$0.000053;最貴的Claude Opus 4.7在快速模式下是$0.105:同樣是1,500個token,價差大約是2,000倍。
另一個放大成本的因素是歷史紀錄。在一場對話中,模型每一輪都要重新讀過整段對話,所以輸入的token數量會隨著每則訊息增加。一場40輪的對話,等於把第一則訊息送出了40次。這就是為什麼長對話串會變慢,也是為什麼什麼是上下文視窗是你最終會碰到的上限。
為什麼訂閱制隱藏了計量方式,卻沒有讓它消失
消費型方案收取固定的月費,但在這個費用底下,每家業者仍然在計算token。這個計量會以訊息上限、「你已達到使用上限」的提示牆,以及預算吃緊時悄悄切換到較小模型的方式浮現出來。
Whizi用相反的方式計量。每個模型每則訊息都有固定的點數價格:入門模型1點,Claude Sonnet 5是10點,Claude Opus 5和GPT-5.5是20點,梯度最頂端則是100點。這個數字從不取決於你的訊息或答案有多長。這個梯度以一次真實的token往返為基準,入門模型輸入3,000個token、輸出800個,實際花費約$0.00156的業者成本,並定義為1點。Whizi點數如何運作有完整的對照表。
這個取捨是刻意的。按token計量精確但難以預料;按訊息計費對長訊息稍微慷慨,對短訊息稍微吝嗇,但你在按下傳送前就永遠知道價格。
Token也是容量上限
Token重要的第二個原因是容量。每個模型都有一個以token為單位的上下文視窗:也就是它一次能考慮的最大範圍,輸入和輸出合計。Claude Haiku 4.5能容納200,000個token。GPT-5.6 Terra、Claude Sonnet 5和Gemini 3.7 Flash大約能容納100萬個。以每1,000個token對應750個英文單字來算,100萬個token大約是750,000個單字,約1,500頁。
這個視窗不是免費的。每一輪要填滿它都要花輸入token,所以一份30萬token的文件被問了十個問題,就是300萬個輸入token,在Claude Sonnet 5的牌價下要價$6。檢索(retrieval)這種技術,讓應用程式只搜尋文件並送出相關的段落,存在的目的正是避開這筆帳單。什麼是RAG說明了它的機制,上下文視窗比較則有每個模型上限的完整表格。只送出問題需要的段落,永遠不要送整個檔案。
- 英文以每四個字元估算一個token,程式碼以每三個字元估算,較不常見的語言則要乘以二到三倍
- 假設輸出成本是輸入的五到六倍,讓答案長度配合實際需要
- 對話串變長時就開新對話;每一輪都會重新送出整段歷史紀錄
- 只送出長文件裡相關的段落,或使用能自動檢索的工具,不要每個問題都送整份檔案
- 選模型前先確認每則訊息的價格;同一系列裡旗艦模型的價格可能是小模型的5到25倍
常見問題
一個字大約等於多少個token?
平均一個英文單字大約是1.3個token,或者說每個token大約對應四分之三個單字。常見的短字是一個token;較長或較罕見的字會拆成兩個或更多。OpenAI公布的經驗法則是每個token四個字元,換算下來1,000個token大約是750個單字。
為什麼輸出token比輸入token貴?
因為模型是一次產生一個輸出token,每個token都要完整跑過整個網路一次,而讀取輸入卻是一次平行處理完成。在主流模型上,輸出的費率是輸入的五到六倍:Claude Sonnet 5是每百萬輸入$2、輸出$10,GPT-5.5是輸入$5、輸出$30,價格取自OpenRouter於2026-08-20的牌價。
訂閱制會按token收費嗎?
帳單上不會顯示,但底層確實會。固定月費方案會設訊息上限,並在預算吃緊時悄悄把你導向較小的模型,這兩種做法其實都是token計量的另一種形式。Whizi改用每則訊息固定點數計費,從入門模型的1點到Claude Opus 5和GPT-5.5的20點都有,所以價格在送出前就已經知道。
1,000個token大約是多少字?
英文散文大約750字,約一頁半。程式碼密度較高,1,000個token大約只有600字的程式碼;而斷詞器處理效率較差的語言,同樣1,000個token可能只有300到400個字。
ChatGPT、Claude和Gemini的token算法一樣嗎?
不一樣。每個模型系列都有自己的斷詞器和詞彙表,所以同一句話在不同模型上算出來的token數量可能不同。四個字元估算法對它們來說都算是一個大致準確的估計值。若要在特定模型上取得精確數字,把文字貼進斷詞器工具裡即可。
