🔤 Token 成本 估算器

Token 计算完全指南：从原理到成本优化的硬核白皮书

什么是 Token？LLM 的基本计费单元

Token 是大语言模型（LLM）处理文本的最小语义单元。不同于传统自然语言处理中以"词"为单位，现代 LLM 使用子词分词器（Subword Tokenizer）将文本切分为更细粒度的片段。以 GPT-4 使用的 BPE（Byte Pair Encoding）算法为例，英文中大约 1 Token ≈ 0.75 个单词，即 100 个英文单词约等于 75 个 Token。中文由于字符密度更高，1 个汉字约等于 1.5-2 个 Token。这意味着同样的语义信息量，中文通常在 Token 消耗上比英文高出 50%-100%。模型提供商（OpenAI、Anthropic、Google 等）正是以 Token 数量为基准进行计费的，这使得 Token 计算成为每一位 AI 开发者必备的成本控制技能。

Token 计费模型详解：输入与输出的不对称定价

几乎所有商业 LLM API 都采用输入/输出分离定价策略。以 GPT-4 为例，输入 Token 价格为 $30/1M tokens，输出 Token 价格为 $60/1M tokens——输出价格恰好是输入的两倍。这种定价不对称反映了模型在生成阶段的计算资源消耗更大：每次推理需要逐 Token 自回归生成，每个生成步骤都需要完整的注意力计算。Claude 3.5 Sonnet 的定价差距更为悬殊：输入仅 $3/1M，输出却高达 $15/1M，输出价格是输入的 5 倍。实际生产环境中，输出 Token 费用往往占据总费用的 60%-80%。因此，在 Prompt 工程中鼓励模型给出简洁回答可以显著降低运营成本。

中英文混合文本的 Token 估算方法

由于中文和英文在 LLM 分词器中的 Token 密度不同，混合文本的 Token 估算需要分步处理。经验规则：英文文本 ≈ 字符数 × 0.25；中文文本 ≈ 字符数 × 1.5；代码片段 ≈ 字符数 × 0.3；JSON/结构化数据 ≈ 字符数 × 0.35。最佳实践是分别统计中英文部分的字符数，然后加权求和。本工具内置了基于 tiktoken 的估算算法，精确度在 ±5% 以内。

主流模型 Token 价格对比 (2026年5月)

常见问题 (FAQ)