Token 是什么？看懂大模型的计费单位与长度限制

看大模型的新闻，你几乎每天都会撞见这个词：Token。"上下文 100 万 token""每百万 token 收费几美元""输出速度每秒 50 token"——Token 到底是什么？

Token：AI 眼里的"文字颗粒"

计算机没法直接理解文字，模型处理文本前，要先把文字切成一个个小块，这些小块就叫 Token。可以把它理解为模型的"识字单位"。

在英文里，一个 Token 大约相当于 0.75 个单词，"unbelievable"这样一个长词可能被切成 "un"、"believ"、"able" 三块。在中文里，通常一个汉字对应一到两个 Token，常见词可能整词成块，生僻字则要拆开。

一个直观的换算经验：1 个 Token 大约相当于 0.5～0.7 个汉字。所以"100 万 token 上下文"大致相当于能装下六七十万字的中文内容。

为什么这个词无处不在？因为它关系到钱和限制

第一，Token 是计费单位。调用大模型 API 的价格几乎都以"每百万 token"标注，输入和输出分别计价，输出通常比输入贵几倍。你问的问题占输入 token，模型回答占输出 token。

第二，Token 是长度限制的单位。模型一次能"看见"的内容总量就是上下文窗口，以 token 计。超出了，最开头的内容就会被"挤出"模型的记忆。

第三，Token 影响速度。模型逐个 token 生成回答，所以"每秒生成多少 token"就是最常用的速度指标。

普通人用得上这个知识吗？

如果你只是偶尔和 AI 聊天，几乎感知不到 Token 的存在。但在以下场景，懂一点 Token 会很实用：

选套餐、比价格：对比各家 AI 服务的费用时，token 单价和上下文长度是两个核心参数，缺一不可。

处理长文档：想让 AI 读一本书、一份百页合同，先看它的上下文窗口够不够大。窗口太小，就得分段处理。

控制输出长度：很多工具允许你限制回答的 token 数，给写作、摘要任务设置上限可以省时间和费用。

一句话总结：Token 就是 AI 世界的"字数+流量+计费"三合一单位。看懂了它，你就看懂了大模型产品参数表里的大半内容。