中文一個字要幾個 token？23 個模型的實測與成本對照

搜尋「中文 token」，最常看到的答案是「一個中文字大約 1.5 到 2 個 token」。

這個數字對 2026 年的現役模型已經不成立。我拿同一份 14,951 字的繁體中文語料，量了 23 個現在還在賣的模型，純中文內容的比例落在 0.72 到 1.17 之間，沒有一家超過 1.2。最省的那家，一個中文字連一個 token 都用不到。

差距沒有消失，只是搬家了。它不再是「中文比英文貴多少」，而是「你選了哪一家」。牌價同樣是 $2 / 1M tokens 的三個模型，跑同一份文件，帳單差 48%。

0.72 到 1.17，看你用哪一家

先把答案放上來。「混合語料」是五種文體加總，比較貼近真實工作負載；「90% 純中文」那欄只有商業報告那份，中文濃度最高，最接近「一個中文字幾個 token」這個問題的字面意思。

量測於 2026-08-12。語料 14,951 繁中字 / 28,391 字元。

一個中文字切不到一個 token，聽起來反直覺，但它只是說 tokenizer 把常見的中文詞合併掉了。「因為」「系統」「使用者」這種高頻詞會變成單一個 token，兩三個字才算一個。

要注意的是這兩欄不能混用。「混合語料」那欄裡面含了表格的管線符號、程式碼裡的英文、數字與標點，那些你也要付錢，所以報成本要看它。「90% 純中文」是拿來回答語言問題的，不是拿來估帳單的。

牌價一樣的時候，差的全部是 tokenizer

比例本身不是錢。要看到錢，把牌價固定住，$/MTok 這個變數就消掉了，剩下唯一還在動的東西是「這段文字被切成幾個 token」。

三個模型的輸入牌價都是 $2 / 1M tokens。每 10,000 個繁中字的輸入成本，量測於 2026-08-12，牌價見價格對照表。

價差 47.7%。這裡沒有「但是它比較聰明」的空間，因為比的不是產出品質，是同一份輸入被計費成幾個 token。

同樣的對照在其他價格帶也成立：$5 那組 GPT-5.6 Sol 對 Claude Opus 5 差 32%，$1 那組 GLM-5 對 Claude Haiku 4.5 差 25%。牌價越接近，tokenizer 的影響佔比越高，因為它是唯一沒被抵銷掉的變數。

中國廠商不是一律比較省，GLM 就比 OpenAI 貴

常見的說法是「中文模型對中文比較友善」。這句話一半對。

DeepSeek 和 MiniMax 確實是全場最省的兩家，比 Gemini 還省。但 GLM 在混合語料上比 OpenAI 還貴（1.324 對 1.304），Qwen 也只排在 Gemini 後面。把它們當成一個群體去推論會推錯。

原因在於決定這件事的不是公司國籍，是訓練語料的組成。BPE 這類 tokenizer 的合併規則純粹由語料統計決定：某個字元組合出現得夠多，就被合併成一個 token。中文語料佔比高的模型，中文詞被合併得多，比例就低。這是統計結果，不是語言特性，跨語言 tokenization 的公平性研究在更多語言上量到同樣的模式。

GLM 的位置也解釋得通：它在 90% 純中文那欄是 0.914，贏過 OpenAI 的 0.952；輸的是混合語料那欄。它處理中文沒問題，是處理英文與程式碼的效率比較差，而混合語料裡有將近一半不是中文。

一家一個 tokenizer，換型號改不掉

23 個模型量下來，比例收斂成上表那 8 種（Anthropic 4.7 與 5 世代逐檔比對其實差 2 個 token，成本上可以無視，上表併成一列）。同一家廠商的整條產品線共用同一個 tokenizer，從最便宜的 flash 到最貴的旗艦完全一樣。

這件事的實務含義比表面上大。tokenizer 是廠商層級的選擇，不是型號層級的選擇。 在同一家裡面從旗艦換到便宜型號，省的是牌價，token 數一個都不會少。要動到 token 數只有換家。

唯一的例外在 Anthropic：它是唯一產品線上跨兩個 tokenizer 的廠商，Haiku 4.5 還在舊的那套，4.7 之後的型號用新的。順帶一提，官方對這個變更給了兩個數字，發布公告寫「roughly 1.0–1.35× depending on the content type」，官方的 token counting 文件則直接寫 30%。實測繁體中文只差 4%，那個 30% 屬於英文與程式碼那一端。

差距多大要看你的內容，48% 到 61% 都有

上面那些比例是拿混合語料算的。你的 prompt 不長那樣，所以差距也不會剛好是那個數字。

拿最省的 MiniMax 對最貴的 Anthropic 5 世代，同一組對照在五種文體上：

每個中文字平均切成幾個 token，依中文佔比排序。量測於 2026-08-12。

方向很清楚：中英夾雜得越多，各家差距越小，因為英文那部分大家切得差不多。但它不是單調的，74% 那列比 90% 那列差距還大，所以不要拿「中文越多差越多」當公式用。

能拿來用的結論只有一條：差距在你的內容上不會消失，但也不會剛好等於表上的數字，要準就拿自己的檔案量一次。

你的 1M context 裝不下 100 萬中文字

同一個比例不只出現在帳單上。Context window 是用 token 計的，換算成中文字之後，各家的實際容量差很多。

官方標示的 context window 除以該 tokenizer 的實測比例，量測於 2026-08-12。

五個都宣稱百萬 token 窗口的模型，實際裝得下的中文字從 58 萬到 91 萬，差 57%。規劃 RAG 要塞多少文件、或判斷一份長報告塞不塞得進去的時候，看標示的那個數字會高估，而且高估的幅度依廠商而異。

同一個乘數還會推到第三個地方：輸出。同一段中文在 token 數多的模型上算更多 token，所以撞到輸出上限的位置也更早。

別用網路上的 token 計算機估 Claude

Anthropic 沒有公開可離線跑的 tokenizer，所以多數第三方 token 計算機不管你選哪家模型，底下跑的都是 OpenAI 的那一套。用它估中文的 Claude prompt 會系統性地少算，在這份語料上少了 21% 到 24%。

少算 24% 的意思是，你以為塞得進 context 的文件其實塞不進去，估出來的月成本要再往上加四分之一。

要準就打官方端點。Anthropic 的 count tokens 是免費的，而且限流跟正式請求分開算，不會排擠到你的產線；Google 與 OpenAI 也各有對應的計數方式。

今天可以做的一件事

挑一份你真的會反覆送的東西，system prompt 或 RAG 的知識庫片段都好，丟給你現在在用的模型和你在考慮的那個，比兩個 input_tokens。乘上牌價再乘上你一個月送幾次，就是換家能省下的實際金額。

數完之後還有兩件事值得順手看：這份 prompt 有多少比例是每次都一樣的（那部分該吃快取，折扣幅度遠大於這裡談的 48%），以及模型會回多長（話多的模型帳單反而更貴，輸出單價是輸入的 5 到 6 倍）。

這些數字量了什麼、沒量什麼

語料全部取自這個站自己的內容，所以可以隨程式碼一起公開，任何人都能重跑。五種文體是刻意湊出不同的中文佔比，因為差距隨中文佔比變化，只用一種文體會看不到這件事。

合計 14,951 繁中字 / 28,391 字元。

兩種量法，證據強度不一樣

Anthropic、Google、OpenAI 走官方 API，答的是實際在賣的那顆模型。DeepSeek、Qwen、GLM、MiniMax 是離線讀 Hugging Face 上的 tokenizer.json，其中只有 GLM-4.6 是精確對應（那顆本來就在價格表上），其餘是從開放權重版本推及到同廠的 API 型號，未經廠商確認。Moonshot 沒有進表，因為它唯一拿得到 tokenizer 的公開 repo 是基於 Qwen 的衍生模型，量出來會是 Qwen 的數字掛在 Moonshot 名下。

其他四個限制

• 只有輸入。 輸出沒量。輸出單價通常是輸入的 5 到 6 倍，也沒有快取折扣可用，所以真實帳單的比例會跟這裡不同
• 沒有算快取。 重複送的前綴可以打到一折左右，這裡是完全沒有快取的裸價
• 每個文體只有一份文本。 五個點各是單一樣本。要強化結論該做的是換更多文本，不是重跑同一份。tokenization 是確定性的，同一段文字每次切出來都一樣
• 兩份手寫語料帶有作者的用字習慣，不是隨機抽樣的台灣書面語

前人做過同一件事：ihower 在 2024 年用約 8 萬繁中字對比過八家，方法論可以直接借。那份停在 GPT-4o 與 Llama 3 的世代，2026 年的現役模型全部沒有覆蓋，這是重跑一次的理由。