每次跟 AI 聊天都在花钱？一文搞懂 Tokens 到底是什么
你有没有注意过，ChatGPT、Claude 这些 AI 工具的定价页面上，写的都是”每百万 tokens 多少钱”？
第一次看到这个词的时候，我也懵了。什么是 token？为什么不直接按字数收费？输入 token、输出 token、缓存 token 又是什么鬼？
后来搞明白之后我才意识到：理解 tokens，是理解 AI 定价的钥匙。 不懂 tokens，你就不知道自己的钱花在了哪里，更不知道怎么省钱。
Token 是什么？一个比方就够了
先忘掉所有技术术语。
想象你去一家餐厅点菜。菜单上的价格不是按”一道菜”标的，而是按”食材克数”标的。你点了一份红烧肉，厨房不看”这是一道菜”，而是拆开看——猪肉 200 克、酱油 30 毫升、糖 15 克——然后按食材的总量给你算钱。
Token 就是 AI 世界里的”食材克数”。
你发给 AI 的每一句话，AI 不是”读一句话”，而是先把这句话拆成一个一个的小碎片——这些碎片就叫 token。AI 按 token 的数量来计算工作量和费用。
举个例子：”我想学编程” 这五个汉字，大概会被拆成 3-5 个 token。”I want to learn programming” 这句英文，大概是 5-6 个 token。
一个粗略的换算：
- 英文：1 个 token ≈ 0.75 个单词（4 个字母左右）
- 中文：1 个 token ≈ 1-2 个汉字
所以中文用户要注意——同样的意思，中文消耗的 token 数量通常比英文多。
为什么 AI 要用 Token，不直接用”字”？
你可能会问：干嘛搞这么复杂，直接按字数收费不好吗？
因为 AI 不认识”字”。
AI 的大脑是一个数学模型，它只能处理数字。所以在处理你的文字之前，必须先把文字转换成数字。这个转换的过程叫做分词（tokenization）。
NVIDIA 的技术博客举了一个很直观的例子：英文单词 “darkness” 会被拆成两个 token——“dark”（编号 217）和 “ness”（编号 655）。而 “brightness” 也被拆成 “bright”（编号 491）和 “ness”（编号 655）。
注意到了吗？**”ness” 的编号是一样的。** 这就是 token 的聪明之处——通过共享的编号，AI 学会了 “darkness” 和 “brightness” 之间有某种结构上的关系。如果按整个单词来编号，AI 就发现不了这种规律。
所以 token 不是 AI 故意为难你，而是它理解世界的方式。
三种 Token：输入、输出、缓存
现在你知道 token 是什么了。但在实际使用中，token 还分三种类型，价格各不相同。
输入 Token（Input Tokens）
你发给 AI 的所有内容，都算输入 token。
包括：你打的文字、上传的文件、贴的图片、系统提示词（system prompt），甚至之前的对话历史——全部都要转成 token 喂给 AI。
但这里有一个坑，我一开始也不知道：AI 的 API 是无状态的。 什么意思？就是 AI 其实不记得你之前说了什么。每次你发新消息，系统都会把之前所有的对话历史重新发一遍。
FinOps 基金会管这个叫 “上下文窗口蔓延”（Context Window Creep）——随着对话越来越长，每发一条新消息，重复发送的历史内容就越多，输入 token 像滚雪球一样越来越大。
这就是为什么你聊到后面会觉得越来越贵、速度越来越慢。
输出 Token（Output Tokens）
AI 回复你的内容，就是输出 token。
输出 token 是最贵的——通常是输入 token 价格的 3 到 5 倍。
为什么？因为生成回复比理解问题消耗的算力大得多。读一篇文章和写一篇文章，哪个更累？写当然更累。AI 也一样。
看一组真实价格对比（2026 年 3 月数据）：
| 模型 | 输入价格（每百万 token） | 输出价格（每百万 token） |
|---|---|---|
| GPT-4o | $2.50 | $10.00 |
| Claude Sonnet 4.6 | $3.00 | $15.00 |
| Claude Opus 4.6 | $5.00 | $25.00 |
一眼就能看出来——输出永远比输入贵。 所以如果你希望 AI 写一篇 5000 字的长文，那个输出 token 的账单会很可观。
缓存 Token（Cached Tokens）
如果你发送的内容跟上次有大量重复，重复的部分可以走缓存，价格便宜一半甚至更多。
举个例子：你用 AI 写代码，每次都会带上同样的系统提示词（比如”你是一个 Python 专家，代码要简洁”）。这段提示词第一次发送时是普通输入 token，但从第二次开始，AI 发现”这段我刚处理过”，就会自动缓存，按更便宜的价格计费。
以 OpenAI 的定价为例：
- 普通输入：$2.50 / 百万 token
- 缓存输入：$1.25 / 百万 token（半价）
Anthropic 的缓存更狠——缓存命中的价格只有正常输入的 **10%**。
简单说：用法越固定、重复越多，缓存省得越多。 这对写代码的开发者来说是个好消息——你的系统提示词和项目上下文天然就是高度重复的。
一个真实场景：你跟 AI 聊 10 轮，到底花了多少 token？
说了这么多概念，来算一笔真实的账。
假设你跟 AI 聊天，每轮你说 100 个 token，AI 回复 300 个 token。
| 轮次 | 输入 token（含历史） | 输出 token | 累计输入 |
|---|---|---|---|
| 第 1 轮 | 100 | 300 | 100 |
| 第 2 轮 | 500 | 300 | 600 |
| 第 3 轮 | 1,100 | 300 | 1,700 |
| 第 5 轮 | 2,900 | 300 | 6,600 |
| 第 10 轮 | 6,700 | 300 | 30,900 |
看到没有？到第 10 轮的时候，单次输入就要 6700 个 token——其中绝大部分是重复发送的历史对话。 累计输入已经超过 3 万 token 了。
这就是”上下文窗口蔓延”的威力。你以为自己只打了 1000 个字，实际上 AI 处理了 3 万多个 token。
省 Token 的实用技巧
明白了 token 的运作方式，省钱就有了方向。我自己踩了不少坑之后，总结出几条最管用的。
话题一换就开新窗口
这是效果最立竿见影的一条。上面那个 10 轮对话的表格已经说明了——对话越长，每轮重复发送的历史越多，token 消耗指数级增长。我以前习惯在一个窗口里从早聊到晚，后来看了一次 API 账单才发现，最后几轮每条消息的 token 消耗是第一轮的几十倍。现在我的习惯是：话题一变就开新对话，绝不留恋。
需求一次说清楚，别挤牙膏
这条也是血泪教训。很多人（包括以前的我）习惯这样跟 AI 聊：
“帮我写个函数”
“用 Python”
“要处理 JSON”
“加上错误处理”
四轮对话，四次重复发送历史。换成一句话：
“用 Python 写一个处理 JSON 的函数，包含完整的错误处理”
一轮搞定，token 消耗立刻降到四分之一。把 AI 当一个刚入职的同事——你交代任务的时候，一次说清楚比让人来回问强。
控制输出长度
输出 token 最贵，这条很多人忽略了。AI 默认会尽量详细地回复，你不限制它就会一直写。所以如果你只需要一个简短的答案，明确告诉它：”用三句话总结”比”帮我总结一下”省钱得多。
其他几条也值得知道
选对模型。 简单的问答、翻译、格式转换，用 GPT-4o-mini 或者 Claude Haiku 就够了，价格只有旗舰模型的几十分之一。我的经验是先用便宜模型试，不满意再换贵的——80% 的日常任务，便宜模型完全能搞定。
别贴无关内容。 你贴给 AI 的每一个字都在消耗 token。只贴相关的部分，把无关内容删掉再发。
用英文提问可以省 30%-50% 的 token。 同样的意思，中文比英文消耗更多 token。当然如果你需要中文回复，省下的输入可能被输出吃掉，具体看情况。
通过 API 调用的话，善用系统提示词缓存。 把不变的提示词放在最前面，更容易命中缓存，享受半价甚至更低的价格。
写在最后
Token 听起来是一个技术概念，但它其实就是 AI 世界的”度量衡”——就像用水按吨计费、用电按度计费一样，用 AI 按 token 计费。
我上个月的 Claude 账单是 87 美元，其中大概有三分之一是”上下文窗口蔓延”贡献的——就是那些重复发送的对话历史。搞清楚这件事之后，我养成了两个习惯：话题一换就开新窗口，需求一次说完不分三条发。光这两个改变，这个月的消耗就降了 40% 左右。
而且省 token 不光省钱，AI 的回复质量也会更好——上下文越干净，它越不容易跑偏。这可能是最划算的”免费升级”了。
你每个月在 AI 工具上花多少钱？有没有注意过自己的 token 消耗？评论区聊聊你的使用习惯。