Token 是怎麼計價的？一次 AI 對話到底多少錢？
內容摘要
從輸入和輸出 Token、計費公式、長對話和文件成本講起，解釋模型價差、官方價格查詢方式，以及普通使用者如何減少無效 Token 消耗。
你和 AI 聊一次天，背後到底發生了什麼成本？
越來越多人開始使用 AI：讓 ChatGPT 寫文章，讓 Claude 分析報告，讓 Gemini 摘要資料，讓 DeepSeek 輔助學習，讓 Copilot 幫助辦公。
對普通使用者來說，過程似乎很簡單：打開網頁、輸入問題、獲得答案。但在回答出現之前，背後會經歷：
你的文字
↓
轉換成 Token
↓
進入大模型計算
↓
生成新的 Token
↓
返回答案
這些計算需要伺服器、晶片、電力和網路資源。AI 公司需要一種方式衡量模型使用量，這個單位就是 Token。
一、為什麼 AI 要按照 Token 收費？
手機流量按照 GB 收費，電費按照度數收費，水費按照噸數收費，因為資源使用越多，成本通常越高。AI 也是一樣。
運行一個大模型需要：
- 大量伺服器；
- 高效能晶片；
- 資料中心；
- 電力；
- 網路資源。
使用者的問題越複雜，需要處理的資訊越多；生成內容越長，消耗的計算資源通常也越多。因此，AI 服務需要一個計量單位，Token 就承擔了這個角色。
二、Token 就像 AI 世界裡的「用量單位」
電費
你使用多少度電，最終就按照電量收費。
手機流量
你使用多少 GB，最終就按照流量收費。
AI 服務
你讓模型處理多少 Token，服務就可以按照 Token 計量費用。
簡單理解：
Token 就像 AI 處理資訊時使用的「計算流量」。
三、輸入 Token 和輸出 Token
AI 計費中經常出現兩個概念：Input Tokens（輸入 Token）和 Output Tokens（輸出 Token）。
輸入 Token
輸入 Token 是你發送給 AI 的內容，包括：
- 你的問題；
- 背景資料；
- 上傳的文件內容；
- 對話歷史；
- 系統設定和提示詞。
例如你問「幫我摘要這份 50 頁 PDF」，PDF 內容需要先進入模型，它產生的 Token 就屬於輸入 Token。
輸出 Token
輸出 Token 是 AI 生成給你的回答。如果 AI 返回一篇 500 字摘要，生成內容對應的 Token 就屬於輸出 Token。
一次 AI 對話實際上包含：
輸入 Token
↓
模型處理
↓
輸出 Token
四、為什麼輸入和輸出價格通常不同？
很多平台會分別設定輸入和輸出價格，因為兩者對應的計算過程不同。
輸入
輸入更像讓員工閱讀資料，需要理解已有內容。
輸出
輸出更像讓員工根據資料寫報告，需要重新組織並逐步生成內容，通常需要更多計算。因此，很多模型的輸出 Token 單價高於輸入 Token。
廠商會在價格頁面分別列出輸入和輸出單價，且價格會隨模型版本調整，應以官方最新頁面為準：
五、Token 價格到底怎麼算？
以下使用教學範例，不代表任何真實產品價格。
假設某模型價格為：
輸入：每 100 萬 Token 收費 10 元
輸出：每 100 萬 Token 收費 30 元
一次請求消耗 10,000 個輸入 Token，AI 回覆消耗 2,000 個輸出 Token。
輸入費用
10,000 ÷ 1,000,000 × 10 元
= 0.1 元
輸出費用
2,000 ÷ 1,000,000 × 30 元
= 0.06 元
總費用
0.1 + 0.06
= 0.16 元
這次請求的教學範例成本約為 0.16 元。實際計算時，只需把官方輸入、輸出單價和真實 Token 數量代入同一公式。
六、為什麼長聊天會越來越消耗 Token？
AI 不僅要理解當前問題，也可能需要參考之前的聊天內容。
假設你和朋友討論一個專案。第一次你說「我要做一個外貿網站」，第二次說「幫我優化首頁」。朋友需要記得網站是什麼、面向什麼客戶、之前討論過什麼，才能理解第二句話。
AI 也是類似。歷史聊天記錄會占用上下文中的 Token，聊天越長，需要處理的資訊通常越多。
七、為什麼上傳文件會消耗大量 Token？
如果你上傳一份 100 頁合約並要求「幫我分析風險」，人類看到的只是一個文件，但 AI 需要：
- 讀取文件內容；
- 轉換成 Token；
- 理解文字關係；
- 生成分析結果。
文件越長，輸入 Token 通常越多，消耗的計算資源也越多。這也是很多 AI 產品限制文件大小、文件數量和上下文長度的原因。
八、為什麼不同 AI 的價格差距這麼大？
GPT、Claude、Gemini、DeepSeek、Grok 等模型價格不同，通常有多方面原因。
1. 模型規模不同
更複雜的模型通常需要更多計算資源。
2. 能力不同
有些模型更擅長推理、程式設計或長文本分析；有些模型更適合簡單問答和批次處理。
3. 運行成本不同
不同公司的伺服器規模、晶片資源、基礎設施和最佳化能力都會影響成本。
因此，價格低不一定代表模型不好，價格高也不一定適合所有任務。
九、為什麼普通使用者不應該只看 Token 單價？
「Token 很便宜」不等於「任務總成本一定更低」。
例如，兩家公司找員工翻譯文件。員工 A 收費便宜，但需要修改 5 次；員工 B 收費高一些，卻能一次完成。最終，員工 B 的總成本可能更低。
使用 AI 時也應同時考慮：
- 結果品質；
- 完成速度；
- 是否需要重複修改；
- 是否能一次完成任務。
真正重要的是完成目標的總成本，而不是單個 Token 的最低價格。
十、普通使用者如何減少 Token 浪費？
Token 是 AI 工作的基礎單位，但合理使用可以提高效率。
方法一：不要重複描述背景
不要在每次請求中重複大段個人或專案介紹。可以讓 AI 保留必要背景，或者使用經過整理的固定提示詞。
方法二：明確目標
不要只說：
「幫我寫點東西。」
更好的方式是：
「幫我寫一封給歐美採購商的英文開發信，語氣專業，控制在 200 字以內。」
方法三：提供結構化資訊
與其說「分析一下這個產品」，不如提供：
產品：
目標客戶：
市場：
競爭優勢：
需要分析的問題：
結構越清晰，AI 越容易理解任務。
方法四：複雜任務分步驟完成
不要一次要求「完成整個商業計畫書」，可以拆成分析市場、確定客戶、制定方案和生成文件等步驟。分步處理通常更容易控制品質，也能減少無效的重複生成。
十一、未來 Token 會越來越重要嗎？
答案是會。AI 正在從聊天工具變成基礎生產力工具。
未來，企業會越來越多地使用 AI 完成自動客服、資料分析、內容生成、軟體開發和企業管理，這些任務都會產生大量 Token。
網際網路時代人們關注流量，行動網路時代人們關注資料；在 AI 時代，Token 會成為理解成本和效率的重要概念。
十二、普通人應該如何理解 Token 計費？
只需要記住五點：
- Token 是 AI 處理資訊的計量單位。
- 你的輸入和 AI 的輸出都會消耗 Token。
- 內容越長、任務越複雜，通常消耗越多 Token。
- 不同模型價格不同，因為能力和運行成本不同。
- 使用 AI 不是 Token 越少越好，而是要減少無效消耗。
理解 Token 計費後，我們已經知道 AI 如何處理資訊，也知道 AI 為什麼需要成本。但還有最後一個問題：
對普通使用者來說，未來應該如何正確使用 Token，讓 AI 真正提高效率？
下一篇將進入本系列最後一章：Token 不是越多越好：普通人如何正確使用 AI？
官方團隊
Product Team @ WebCal
WebCal 官方產品團隊。我們致力於構建高效能運算基礎設施與去中心化雲解決方案。
