一句话介绍
Token 是 AI 模型的计量单位，就像买电按度数算、打车按公里算一样，用 AI 就是按 Token 算。
它解决什么问题
刚开始用 AI 的时候，你可能只关心"能不能用"。但当你想频繁使用、接入 API、或者搭建自己的 AI 应用时，成本就成了不得不考虑的问题。
一句简单的"帮我写篇文章"可能花几毛钱，但如果你让 AI 分析一整本书、处理上千条数据、或者生成长视频，账单可能会让你吓一跳。
理解 Token 计费的本质，能帮你：
- 知道自己的钱花在哪里
- 选择最适合的 AI 服务
- 优化使用方式，少花冤枉钱
- 预估项目成本，避免超支
核心特点
1. Token 就是"文字块"
AI 不是按字数收费，而是按 Token。可以把 Token 理解为"文字碎片"：
- 英文：大约 1 个单词 = 1-2 个 Token（"Hello" = 1 Token）
- 中文：大约 1 个字 = 2-3 个 Token（"你好" ≈ 4-6 Token）
- 代码：符号也算，
if (x > 0)可能是 5-6 个 Token
为什么这么算？
因为 AI 模型内部把文本拆成小块处理，每一块就是一个 Token。你可以在 OpenAI 的 Tokenizer 工具 里试试，输入一段话立刻看到对应多少 Token。
2. 输入和输出分开计费
AI 计费分两部分：
- 输入 Token（Input）：你发送给 AI 的内容（问题 + 上下文）
- 输出 Token（Output）：AI 回复的内容
通常输出比输入贵 5-10 倍，因为 AI 生成文本比理解文本更耗计算资源。
举个例子（GPT-5.2）：
- 输入：$1.75 / 百万 Token（约 ¥12 / 百万 Token）
- 输出：$14.00 / 百万 Token（约 ¥96 / 百万 Token）
如果你问一个 500 Token 的问题，AI 回答 2000 Token，成本计算：
输入：500 × $1.75 / 1,000,000 = $0.000875
输出：2000 × $14.00 / 1,000,000 = $0.028
总计：约 $0.029（约 ¥0.20）
3. 各家价格差异大
不同 AI 服务的价格差异可以达到 10 倍以上：
OpenAI（2026 年 2 月价格）：
- GPT-5.2：输入 $1.75/M，输出 $14/M（旗舰模型）
- GPT-5 mini：输入 $0.25/M，输出 $2/M（性价比之王）
Anthropic Claude（2026 年 2 月价格）：
- Opus 4.6：输入 $5/M，输出 $25/M（最强智能）
- Sonnet 4.6：输入 $3/M，输出 $15/M（平衡选择）
- Haiku 4.5：输入 $1/M，输出 $5/M（速度最快）
开源模型（通过 API 网关）：
- Llama 3、DeepSeek 等：输入输出都在 $0.1-0.5/M，便宜 20-50 倍
价格不等于效果：贵的模型不一定适合你。写日记用 GPT-5.2 就像开跑车买菜，简单任务用 Haiku 或 GPT-5 mini 就够了。
4. 缓存能省 90% 的钱
如果你反复使用相同的上下文（比如处理同一本书、分析同一份数据集），Prompt Caching（提示词缓存） 能帮你大幅省钱。
工作原理：
AI 会记住你上一次发送的内容，下次只需为新增部分付费。
省钱效果（Claude Sonnet 为例）：
- 正常输入：$3/M Token
- 缓存读取：$0.30/M Token（省 90%）
适用场景：
- 处理长文档（多次提问同一篇论文）
- 批量任务（用同样的系统提示词处理 100 条数据）
- 聊天应用（保留上下文的多轮对话）
5. Batch API 打 5 折
如果你的任务不急，可以用 Batch API（批处理）：把多个请求打包提交，24 小时内处理完，价格直接打 5 折。
适合场景：
- 数据分析（处理上千条用户评论）
- 内容生成（批量生成文章摘要）
- 模型评估（测试不同提示词效果）
典型使用场景
场景 1：个人聊天用户
需求：每天和 AI 聊几句，问问题、写写文案
推荐：ChatGPT Plus ($20/月) 或 Claude Pro ($17/月)
成本：固定月费，无需担心 Token
场景 2：开发者接入 API
需求：做一个 AI 助手，每天处理 1000 次对话
推荐：用 GPT-5 mini 或 Claude Haiku
成本估算：
- 每次对话平均 1000 Token 输入 + 500 Token 输出
- GPT-5 mini：(1000×$0.25 + 500×$2) / 1,000,000 × 1000 次 ≈ $1.25/天
- Claude Haiku：(1000×$1 + 500×$5) / 1,000,000 × 1000 次 ≈ $3.50/天
场景 3：企业级应用
需求：客服机器人，每月处理 100 万次对话
推荐：
- 用 API 网关（OpenRouter）混用多家模型，降低成本
- 简单问题用 Haiku，复杂问题用 Sonnet
- 启用缓存和批处理
成本优化策略：
- 分级模型：80% 简单问题用便宜模型，20% 复杂问题用旗舰模型
- 缓存常见上下文（FAQ、产品手册）
- 异步任务用 Batch API
如何快速上手
1. 先搞清楚自己的用量
- ChatGPT 用户：设置 → Usage → 查看每月消费
- API 用户：Dashboard → Usage → 看 Token 消耗曲线
2. 选对模型
- 日常聊天：GPT-5 mini、Claude Haiku（够用且便宜）
- 写代码、长文本：GPT-5.2、Claude Sonnet（智能且稳定）
- 顶级需求：GPT-5.2 pro、Claude Opus（贵但强）
3. 省钱技巧清单
✅ 精简提示词：少废话，直奔主题（"总结这篇文章的核心观点" 比 "请你帮我仔细阅读并详细总结..." 省 Token）
✅ 启用缓存：处理长文档时指定缓存参数
✅ 批量处理：一次性提交 100 个任务，而不是分 100 次调用
✅ 限制输出长度：设置 max_tokens 参数，避免 AI 说废话
✅ 用 API 网关：OpenRouter、LiteLLM 自动选最便宜的模型
4. 监控成本
- 设置预算上限：OpenAI/Claude 后台都可以设月度限额
- 接收提醒：达到 80% 用量时邮件通知
- 定期查看账单：每周看一次，发现异常及时调整
总结
Token 计费不复杂，就是"按量付费"。
记住三个要点：
- 输出比输入贵，少让 AI 写长篇大论
- 缓存和批处理能省一半钱，别浪费
- 选对模型最重要，简单任务别用旗舰
推荐指数：⭐⭐⭐⭐⭐（必学知识）
懂了这些，你就能像老司机一样用 AI——既爽又不心疼钱。
下一步该做什么？
- 去 OpenAI Tokenizer 试试你的提示词有多少 Token
- 查看你的 API 账单，找出最费钱的地方
- 读下一篇《API 网关：一个接口调用所有 AI》，学会进一步省钱