LLM 扫盲：什么是 Tokens？

同步至个人网站：LLM扫盲: 什么是tokens

LLM 基础：什么是 Tokens？

GPT 5.1 发布已经有一段时间了，LLM（大语言模型）的能力边界再一次被拓宽。对于应用开发者而言，虽然模型越来越智能，但 API 的计费逻辑和底层限制依然没有变：Token 始终是那个核心计量单位。

很多人对 Token 有误解，认为它等同于字符（Character）或单词（Word）。这种误解往往导致两个问题：一是预估 API 成本时出现较大偏差，二是无法精确控制 Prompt 的上下文长度，导致模型“失忆”。

今天，我们再来系统地梳理一下 Token 的概念。

机器如何阅读文本？

计算机只能处理数字，不能直接处理文本。因此，当我们向 LLM 发送一段话时，必须经历一个转码过程。

输入文本：人类语言。
Tokenization（分词）：将文本切分成一个个具备语义的最小单位（Token），并转换为数字 ID。
模型计算：模型对这些数字 ID 进行预测和计算。

Token 就是这个中间层的最小单位。

为什么不直接用“汉字”或“单词”做单位？

字符粒度太细：如果用字符（如 a, b, c），语义太稀疏，模型计算量会呈指数级上升。
单词粒度太粗：人类语言词汇量太大，且不断有新词产生，这会导致模型的词表（Vocabulary）过于庞大。

因此，LLM 采用的是 Sub-word（子词） 方案：常用的词是一个 Token，不常用的词拆分成多个 Token。

Token 的切分原理

Token 的切分规则并非一成不变，不同模型使用的编码器（Encoding）不同，结果也不同。

英文与中文的差异

英文：通常一个单词是一个 Token，但复杂的词会被拆分。例如 smart 是一个，但合成词或生僻词会被拆解。
中文：在 GPT-3 时，中文非常“吃亏”，一个汉字往往需要 2-3 个 Token。

到了现在的 GPT-5.1，Token 编码（如 o200k_base 或更新的编码集）对多语言进行了深度优化。目前，绝大多数常用汉字，1 个汉字 = 1 个 Token。只有极少数生僻字或复杂的古文，才会被拆解。

这意味着，同样的预算，现在能处理的中文内容比两三年前多了将近一倍。

代码演示（Node.js）

光说概念比较抽象，我们直接看代码。

在 Web 开发或 Node.js 环境中，我们通常使用 npm 包 @dqbd/tiktoken 来在本地计算 Token 数，这比每次调用 API 估算要快得多，也更省钱。

安装：

1npm install @dqbd/tiktoken
2

代码示例：

1import { encoding_for_model } from "@dqbd/tiktoken"
2
3// 获取 GPT-5.1
4const enc = encoding_for_model("GPT-5.1")
5
6const text = "AI技术"
7
8// 将文本转换为 Token ID 数组
9const tokens = enc.encode(text)
10
11console.log(tokens)
12// 输出可能是: Uint32Array(2) [ 12345, 67890 ]
13// 解释：'AI' 是一个 Token，'技术' 作为一个常用词可能被编码为一个 Token，或者两个汉字各一个。
14
15console.log("Token Count:", tokens.length)
16
17// 记得释放内存
18enc.free()
19

通过这种方式，你可以在发送请求前，精确地知道这段文本会消耗多少 Token。

Token 的实际影响

理解 Token 主要为了解决两个现实问题。

计费（Cost）

API 计费公式通常是：（Input Tokens + Output Tokens）× 单价。

值得注意的是，随着模型迭代（如 GPT-5.1），推理成本虽然在下降，但 Output（生成内容）的价格通常依然高于 Input（输入内容）。

Input：你发给模型的 Prompt。
Output：模型生成的回答。

如果你的业务场景是“读长文、写摘要”，成本相对可控；如果是“读短句、写长文”，成本会显著增加。

上下文窗口（Context Window）

这是 Token 最关键的物理限制。

虽然 GPT-5.1 的上下文窗口已经非常大（通常在 128k 甚至 200k tokens 以上），但它依然不是无限的。

早期模型：GPT-3.5 只有 4k context（约 3000 汉字），稍微聊几句就得“遗忘”前面的对话。
当前模型：128k context 意味着你可以一次性把几本长篇小说塞给模型。

但是，“能塞进去”不代表“效果好”。虽然 Token 容量变大了，但输入的内容越多，模型对中间信息的“注意力”（Attention）可能会被稀释。因此，开发者依然需要利用 RAG（检索增强生成）等技术，精简输入给模型的 Token，这不仅是为了省钱，更是为了提高回答的准确率。

四、总结

Token 是计费和计算的单位：它介于字符和单词之间。
中文效率已大幅提升：在 GPT-5.1 时代，中英文的 Token 效率差距已大大缩小，基本可以按 1 字 = 1 Token 估算。
开发者应当在本地计算：使用 @dqbd/tiktoken 等库在本地预计算 Token，是控制成本和上下文管理的最佳实践。

理解 Token，是开发 LLM 应用的第一步，也是从“用户”进阶为“开发者”的必修课。

（完）

《LLM 扫盲：什么是 Tokens？》是转载文章，点击查看原文。