Token 就像是大模型世界里的 “乐高积木”。搞懂了它的概念之后，很多准备做开发、或者接入大模型 API 的小伙伴，最关心的就是：“这玩意儿到底是怎么算账的？我发一篇文章过去，或者让它敲一段代码出来，到底会扣我多少钱啊？”
提示: 这一节内容偏向于开发者，对于非开发的小伙伴来说，简单过一遍即可。
如何查看和计算 Token 数量？
对于大模型来说，它只认 “积木”，不认 “字数”。为了准确算出一段话包含多少个 Token，各大 AI 厂商都提供了专门的 “分词器” 工具——把文本粘贴进去，它就会自动帮你切碎、数出积木的数量。
其中，目前主流大模型在线 Token 计算工具有以下几种：
- TikTokenizer：这是全球开发者最常用的开源分词可视化网站，网址：https://tiktokenizer.vercel.app/。
- ChatGPT：https://platform.openai.com/tokenizer
- Claude AI：https://huggingface.co/spaces/Xenova/the-claude-3-tokenizer
- Gemini：https://aistudio.google.com/
- DeepSeek：https://huggingface.co/spaces/Xenova/deepseek-llm-7b-tokenizer
比如，小伙伴们可以把一段文本粘贴进 TikTokenizer 的计算器中，然后可以非常直观地看出 Token 是如何计算的，如下图所示。
需要注意的是：由于切分算法的不同，同样一段 1000 字的中文小说，在不同的模型里切出来的 Token 数量是不一样的。如果是早期的海外模型，可能需要消耗 1500 个 Token。但如果是现在的国产顶尖大模型（词表经过高度优化），往往只需要 500 到 800 个 Token。
大模型的双轨计费：输入与输出
当我们去翻阅各种大模型的 Token 价格表时，会发现它们清一色都用了两种价格来计算：
- 输入价格（Prompt Tokens）：指的是你发给大模型的提示词、上下文、历史对话所消耗的 Token 数量。
- 输出价格（Completion Tokens）：指的是大模型听懂你的话之后，自己思考、“接龙” 生成出来的回答所消耗的 Token 数量。
注意: 在绝大多数情况下，输出价格都会比输入价格 “贵上好几倍”。以 Gemini Pro 为例，输入 100 万 Token 大约只需 2 美元，但输出 100 万 Token 则可能高达 10~15 美元——具体数字各家不一样、也会随时调整。
为什么输出会比输入贵这么多呢？咱们可以用一个生动的例子来理解。
这就好比你去请教一位资深的 “行业专家”。你递给他一份 5000 字的需求说明书（相当于 “输入”），他凭借着渊博的经验，扫几眼就读懂了。这个 “读题” 的过程对他来说很轻松，所以收费比较便宜。
可读完之后，他得绞尽脑汁、耗费大量精力，才能帮你设计出一套完善的 500 字方案（这相当于 “输出”）。创造新内容、写出答案是很费脑子的，所以这部分收费自然就贵得多。
大模型也是同样的道理，“输入” 本身耗费的算力不大，但是 “输出” 耗费的算力非常大。这就是输出价格比输入贵很多的根本原因。
实战算账：调用一次到底花多少钱？
为了让小伙伴们更好地理解，我们到一个接近真实的场景里算一笔账。假设我们接入了某款主流大模型（比如 DeepSeek 最新版），它的官方公开价格为：
- 输入价格：1元/百万 Token（即 0.000001元 / Token）。
- 输出价格：2元/百万 Token（即 0.000002元 / Token）。
注意: 本文里出现的所有价格，都只是为了讲清算法而举的例子。各家大模型的价格变动非常频繁（经常降价、也常有促销），所以真要算预算时，大家务必要以官方价格页上的最新数字为准。
1. 单次简单对话
假设你写了一段 500 字的提示词，大模型给你生成了一份 1000 字的回答。经分词器折算，这次请求的积木消耗大致是：
- 输入：500个 Token。
- 输出：1000个 Token。
因此，大模型厂商扣除的费用计算如下：
总费用 = 500 * 0.000001 + 1000 * 0.000002 = 0.0005 + 0.0020 = 0.0025元（即四分之一分钱）看起来是不是便宜到不行？一次调用连一分钱都不到。但小伙伴们别高兴得太早——真正的 “Token 吞噬怪” 马上就要登场了。
2. 多轮长对话的 “滚雪球效应”
大模型在后台是没有任何短期记忆的。为了让你感觉它是在跟你 “连续聊天”，每次你发一条新消息过去，大模型都会把你和它 “之前所有的历史聊天记录” 合并在一起，重新当成输入来处理。
连续多轮长对话，是会产生恐怖的 “滚雪球效应” 的，比如：
- 第 1 轮：你输入 500 Token，AI 回复 1000 Token。
- 第 2 轮：你输入 500 Token。此时发送给 AI 的实际输入是：第一轮输入 + 第一轮回复 + 第二轮输入 = 500 + 1000 + 500 = 2000个 Token！
- 第 3 轮：你再输入 500 Token。这次发过去的，是前两轮的全部对话加上这次的输入——假设 AI 每轮也回复 1000 Token，那就是 500 + 1000 + 500 + 1000 + 500 = 3500 个 Token！
随着聊天越来越深入，每轮消耗的输入 Token 会像滚雪球一样越滚越大。要是你的网站访问量很大，哪怕单次再便宜，一万个用户天天这么聊，一个月的账单也足够让你肉疼。
这里肯定有小伙伴会一脸懵逼：“平常我用网页版的 DeepSeek，好像也没见它跟我计费啊？” 大家别搞混了——大模型的 Token 计费，一般是在你调用它的 API 接口时才会发生。普通人日常用网页版，通常是用不上的，只有开发者才会用到。
当然了，如果想要上手试一下 API，也别怕花钱。很多平台都会给新注册的账号送一笔免费额度（比如几百万 Token），足够我们学习、练手很久了。
要不要对 AI 说 “谢谢”？
当 AI 帮了大忙的时候，很多小伙伴心怀感激，总忍不住在对话框里敲下一句感谢的话：“太感谢了，真是帮了我大忙！”
实际上，“谢谢” 其实是一次非常奢侈的礼貌。为什么这样说呢？
首先，你发出去的这句 “谢谢”，会作为提示词消耗掉一部分 “输入 Token”。紧接着，大模型为了展现它的服务精神，通常也会礼貌地回复你：“不客气！很高兴能帮到你。如果还有其他问题，随时欢迎提问哦！” 这样又消耗了 “输出 Token”。如果是 “滚雪球效应”，消耗的 Token 更多。
就连 OpenAI CEO 也曾打趣说：“人们在 ChatGPT 里输入的这些礼貌用语，已经让我们花掉了数千万美元。”
如果小伙伴们使用的是免费网页版大模型，随意散发你的善意即可。
但如果你是在调用付费的 API 接口做开发，那就直接做一个 “没有感情的机器”——用完即走，绝不寒暄，这才是对钱包最大的尊重。AI 是没有感情的机器，它不会因为你礼貌就给你更好的答案。
保护钱包：节省 Token 的四大黄金法则
顶级大模型的 Token 都不便宜，所以咱们得学会怎么省着用。下面是我们总结的 4 条非常有效的省钱技巧：
1. 裁剪历史记录
我们不要一上来就把长达几天的聊天记录全部发过去。比如在写后端代码时，应该在逻辑中动态裁剪，通常只保留最近 5 到 10 轮有效对话就够了，更早的 “记忆” 可以直接丢掉。
2. 善用 “上下文缓存”
这是目前最前沿的省钱 “黑科技”！现在主流的大厂 API 都支持缓存功能。
比如我们发给 AI 一本 10 万字的小说，只要第一轮它读过一遍，就会自动把这 10 万字 “缓存” 起来。在后续的几百轮对话里，这部分输入的价格往往会打 1 折、甚至直接免费。
如果小伙伴们使用过 Cursor、Claude Code、Codex 这类工具，在终端或后台日志中看到的 “缓存命中率”，说的就是这里讲的 “上下文缓存” 技术。
3. 控制最大输出
在调用大模型 API 时，我们应该严格限制 max_tokens 参数。比如明确规定这次回答最多只能吐 500 个 Token，免得它一开 “话痨模式”，就疯狂消耗你的额度。
4. 使用外挂知识库
不要一上来就把几万字的公司规章制度，整段塞进 “系统提示词（System Prompt）”里。我们可以用后面会学到的 “外挂知识库（RAG）” 技术，只把最相关的那几百字捞出来发给大模型——这样往往能帮你省下高达 90% 的输入费用。
说到底，省 Token 就一个核心思路：输入只喂真正有用的，输出只要真正需要的。把这一进一出两头都管住，账单自然就降下来了。
