Token 是什么？

用着用着你会遇到这三件事：

• API 账单涨得莫名其妙，明明只是聊了几句
• 同一个工具，越用到后面越慢
• 聊到很长的时候，它开始忘记前面说过的

这三件事的度量单位是同一个：token。

把 token 搞懂，你就同时理解了 AI 的计费方式、速度瓶颈和记忆上限，也才知道该怎么选模型、怎么省钱。

这一篇讲两件事：token 是什么、怎么按任务选模型。

DeepSeek 官方文档的定义很干脆：

Token 是模型用来表示自然语言文本的基本单位，也是我们的计费单位。

模型不是按「字」来处理文字的，而是先把文字切成一个个 token 再处理。一个 token 可能是一个字、一个词，也可能是半个单词。

官方给的换算参考（不同模型的切法不同，这只是个估算口径）：

拿这个口径估一下你日常的量级：

所以上一篇说的「100 万 token 上下文」，大约就是 160 万中文字的量。

计费分成两部分：

• 输入 token：你发过去的一切——系统提示词、历史对话、你贴的资料、工具返回的结果
• 输出 token：模型生成的内容，包括它的思考过程

输出通常比输入贵好几倍。 参考几个公开价格（美元 / 每百万 token，2026 年 8 月的量级，以官网为准）：

看最后一行：国产模型的价格常常低一到两个数量级，这也是很多人把 agent 工具接到国产模型上的原因（本站有 Codex 接 DeepSeek、DeepSeek Harness 等教程）。

还有一件必须知道的事：模型不记事（1.1 讲过），所以每一轮都要把整个对话历史重新发一遍。第 10 轮对话的输入，包含了前 9 轮的全部内容。

这就是「聊得越久越贵」的真实原因——不是它变贵了，是你每次发过去的东西变多了。

既然每轮都要重发历史，厂商就做了一个优化：缓存（prompt caching / 上下文硬盘缓存）。

原理很简单：如果这次请求的开头部分和上次完全一样，那部分就不用重新计算，按一个便宜得多的价格计费。

差多少？看 DeepSeek 官方价目表，命中缓存的输入价格比未命中低一个数量级以上；Claude 的缓存读取也只需要原价的约十分之一。

对你的实际影响：

• 稳定的内容放前面：系统提示词、项目说明、长文档这些每次都一样的东西，放在最前面最容易命中缓存
• 变动的内容放后面：你这一轮的具体问题放最后
• 不要每次改动开头：开头改一个字，后面全部失效（缓存是按前缀匹配的）

好消息是：主流 agent 工具已经替你安排好了这个顺序。你只需要知道别乱动项目的长期约定文件，改一次意味着缓存要重建。

Token 不只影响钱，还影响体验：

① 越长越慢。 输入越长，模型读的东西越多；输出越长，你等的时间越久。一次要它写 5000 字，就是要等它一个 token 一个 token 地蹦出 3000 多个 token。

② 越长越容易抓错重点。 上一篇引过的官方说法：token 数量增长，准确率和召回会下降（context rot）。这不是省钱问题，是质量问题。

③ 思考也算输出。 现在的模型普遍有「思考 / 推理」模式，思考产生的 token 按输出计费。开着深度思考做简单任务，等于花钱买等待。

三个立刻能用的习惯：

• 换任务就新开会话，不要在一个长会话里干十件事
• 只给必要的材料，别「以防万一都贴上」
• 简单任务别开深度思考，也别用旗舰模型

一句话：上下文不是越满越好，token 不是花得越多效果越好。

新手最容易犯的错是「一律用最贵最强的」。实际上按任务分档，体验更好也更省。

四条选择原则：

1. 默认用通用档，撞墙了再往上换，简单重复的活往下换
2. 看上下文窗口：要一次喂进一整份长文档，就得挑窗口大的（多数旗舰已到 100 万 token）
3. 看能不能接进你的工具：很多 agent 工具支持换模型，接国产模型能大幅降成本
4. 价格随时在变：2026 年 8 月各家都在调价，下单前看一眼官网

更实用的判断标准不是「哪个模型最强」，而是**「完成这个任务的总成本」**——包括你为返工付出的时间。便宜的模型反复做错，并不省钱。

三条换算记牢：

• 1 个中文字 ≈ 0.6 token
• 输出价 ≈ 输入价的 3～5 倍
• 命中缓存的输入 ≈ 原价的 十分之一量级

Token 是 AI 的计量单位，也是你唯一能直接控制的成本变量。 想进一步压成本和提质量，去 4.2 如何管理上下文；想给工具换更便宜的模型，看第 3 段的模型转接（3.3）。