.png){kind=logo}
.jpg)
Token 是什麼?為什麼 AI 工具一直提到它?2026 完整解析 + 省用技巧
Token 是 AI 處理文字的最小單位,你可以把它想成 AI 世界的「計次貨幣」—它決定你一次能輸入多少、訊息額度何時用完、API 帳單多少錢。
1 個英文字 ≈ 1.3 個 token,1 個中文字 ≈ 0.6 個 token。對一般使用者最實用的三個觀念是:
1.對話越長越「貴」(吃 token)
2.上傳大檔案會大量消耗 token
3.當你撞到「訊息額度用完」或「上下文已滿」,基本上就是在向你討 token。
學會這篇的 8 個省用技巧,可讓免費版的使用體驗接近 Pro。
1. Token 是什麼?用 3 個比喻一次懂
Token是 AI 模型處理文字的最小單位。它不一定等於一個字—可能是半個字、一個詞,甚至一個標點符號。每當你輸入一段話,AI 會先把它「切成 token」(這個動作叫 tokenization),才開始理解與回答。
原始切塊範例
例如英文句子 Tokens are units of language,在 GPT 的 tokenizer 看來會變成:
中文的「請幫我寫一篇文章」可能被切成:
用 3 個比喻幫你記住
比喻一:積木
AI 是用 token 這塊積木一塊一塊「砌出」回應的。輸入越多、輸出越長,需要的積木就越多。
比喻二:計程車里程
用 AI 像搭計程車——對話越長,跳表跳得越久。你的訂閱方案就像月票,有額度上限。
比喻三:會議室容量
每個模型都有腦容量(上下文視窗),裝不下時就要開始把舊內容請出去,所以 AI 會忘記很早之前說過的話。
三個比喻共通的重點是:token 是 AI 工具的計量單位,你的所有體驗—速度、品質、成本、字數限制——都圍繞它打轉。
2. 中文 vs 英文的 token 換算
同一段話,用不同語言寫消耗的 token 數差很多。這個差距會直接影響你的「使用配額」與「費用」。
| 語言 | 1 個字 ≈ 多少 token | 1 千字 ≈ 多少 token | 備註 |
|---|---|---|---|
| 英文 | 0.3(平均 4 字母 = 1 token) | ~750 token | 最省 token 的語言 |
| 繁體中文 | 1.5–2 個中文字 = 1 token | ~600 token | 意外比英文還省 |
| 簡體中文 | 1.5–2 個中文字 = 1 token | ~600 token | 與繁中接近 |
| 日文 | 1 個字 = 1–1.5 token | ~1,200 token | 較耗 token |
| 韓文 | 1 個字 = 1.5–2 token | ~1,500 token | 最耗 token |
| 表情符號 / Emoji | 每個 ≈ 2–3 token | — | 意外貴 |
實用換算口訣
對 80% 的使用情境,你只要記住這個粗略口訣就夠用:
一個有趣的反直覺:用中文跟 AI 對話,常常比用英文「省」token。但這不代表 AI 中文能力一定比英文好——只是切塊邏輯不同。
3. 為什麼 AI 工具一直提到 token?三個關鍵場景
如果你只是用網頁版聊天,token 確實在背後悄悄運作,你不需要每次都看到它。但下面這三個情境一定會把你「拉到 token 面前」:
場景一:訊息額度用完
「You've reached your message limit, try again at 3:45 PM」——背後的真相是你已經消耗到當期上限的 token 了。免費版限制最緊,Pro 寬鬆但仍有上限,Enterprise 才幾乎無限。當你一次塞了 50 頁 PDF 進去,額度可能 5 分鐘就燒完。
場景二:上下文視窗已滿
長對話進行到一半,AI 突然「忘記」之前的設定;或上傳大檔案時被擋下——這是模型的 context window 已滿的徵兆。它沒有真的「失憶」,而是被迫把最早的訊息「請出去」以容納新的輸入。
場景三:API 帳單
如果你用 OpenAI 或 Anthropic 的 API 開發,費用是按 token 計算。輸入 token 與輸出 token 通常分開計價,輸出貴 3–5 倍。一段不留意的長 prompt 或長回應,就可能讓你的月費差了好幾倍。
4. Context Window:你的 AI 一次能「記住」多少
Context window(上下文視窗)是 AI 模型的短期記憶上限,決定它在單次對話中能同時看到多少內容。對話歷史 + 上傳檔案 + 系統提示詞 + AI 即將輸出的回答,這些全部加起來不能超過上限。
| 模型 | Context Window | 約等於 |
|---|---|---|
| GPT-4o / GPT-5 | 128,000 token | ~9 萬中文字 / ~300 頁 A4 |
| Claude Sonnet 4.6 / Opus 4.6 | 200,000 token | ~15 萬中文字 / ~500 頁 A4 |
| Gemini 2.5 Pro | 1,000,000–2,000,000 token | ~75 萬–150 萬中文字 |
| NotebookLM(底層 Gemini) | 有效處理 100 萬 token+ | 整本長篇小說 + 多篇論文 |
這個數字越大,代表你能一次處理的資料越多。但要注意:「能裝多少」不等於「真的記得多好」。當對話塞到 8 成滿時,模型對最早內容的關注度通常下降,這現象叫lost in the middle(中間迷失效應)。
實務判斷:多大才算「夠用」
- 日常聊天、寫信、查資料:8K–32K 就夠了。
- 讀一本書 / 一份白皮書 / 30 頁 PDF:128K–200K 才舒服。
- 跨多本書、多份論文做比較:1M+ 才能裝得下。
6. 省 token 的 8 個實用技巧
下面這些技巧不需要改你的提問風格,只是順手做對就能讓你的免費版額度撐更久,Pro 用起來也更划算。
1.把長對話「適時砍掉重練」
當主題已換或對話超過 30 輪,開新對話比繼續累積划算。舊對話累積的 token 會被重複付費——每一次新提問,AI 都要重讀一遍整段歷史。
2.需要記憶長期內容,改用 Projects
ChatGPT 與 Claude 都有 Projects 功能。把長期參考資料放進去後,AI 在每次對話會動態取用而非整批塞進上下文,大幅節省 token。
3.檔案先摘要再對話
上傳 100 頁 PDF 直接問問題,等於把所有頁全部塞進每一次回答的上下文。更聰明的做法:第一輪請 AI 做「結構化摘要 + 關鍵段落」,後續對話以摘要為基礎,需要原文時再請它「回到第幾頁」。
4.圖片只上必要的
每張圖片約消耗 500–1,500 token(視解析度)。若只需要文字內容,改用截圖工具的 OCR 轉成文字再貼上,通常省下 80% token。
5.明確指定回答長度
「請用 200 字回答」比「請回答」省 5–10 倍 token,而且通常品質還更高。AI 預設會寫到飽,你不主動要求精簡,它就會吃你的額度。
6.避免把整段格式化資料塞給 AI
JSON、HTML、表格符號(尤其是大量空白與縮排)會吃掉大量 token。把它們轉成簡潔的條列或精簡 CSV 再丟給 AI,可省下 30–50%。
7.用 Haiku、GPT-4o-mini、Gemini Flash 做簡單任務
翻譯、改寫、摘要這類任務,輕量模型就夠了,還更快。把 Opus、GPT-5 這種大型模型留給真正需要深度推理的場合。
8.關掉不必要的思考模式
Claude 的 Extended Thinking、ChatGPT 的 o3 推理模式雖然回答更深,但會額外消耗 5–20 倍 token。簡單問題用一般模式就好,別為了保險起見一律開最強。
7. 實戰對照:常見任務各消耗多少 token
抽象的數字看再多,不如看實際情境。下表整理常見任務的 token 消耗區間,幫你直觀理解什麼是重度使用,什麼又算輕度。
| 使用情境 | 輸入 token | 輸出 token | 單次合計 |
|---|---|---|---|
| 翻譯 1 段落短文 | ~200 | ~300 | ~500 |
| 寫一封 300 字商務 Email | ~500 | ~400 | ~900 |
| 把 1 小時會議錄音轉摘要 | ~12,000 | ~1,500 | ~13,500 |
| 分析 30 頁 PDF 財報 | ~25,000 | ~2,000 | ~27,000 |
| 讀完一本 200 頁電子書 | ~150,000 | ~3,000 | ~153,000 |
| 寫一篇 2,000 字部落格(含對話迭代) | ~3,000 | ~3,500 | ~6,500 |
| 連續 50 輪程式碼除錯對話 | ~80,000+ | ~30,000 | ~110,000+ |
| 啟用 Extended Thinking 解一道難題 | ~1,000 | ~15,000(內部推理) | ~16,000 |
從對照表看出的三個重點
- 讀檔案是 token 大殺器:讀一本書比寫 100 封 Email 還燒 token,所以讀整本書 + 對話很容易在免費版幾分鐘就撞上限。
- 長對話的累積效應:50 輪除錯對話消耗的 token 比讀 30 頁 PDF 還多——因為每一輪都會重複讀整段對話歷史。
- 輸出比輸入更貴:無論訂閱或 API 計費,模型「寫」的 token 通常比「讀」的貴 3–5 倍。所以「請盡量精簡」這句指令永遠值得加。
最划算的使用方式是:把讀檔案的工作集中在 1–2 次,從中萃取結構化摘要,後續的對話以摘要為基礎—這個策略可以讓你的 token 消耗下降 70% 以上。
8. 怎麼判斷你該升級 Pro?
升級 Pro 不是越多越好,而是「用量配得上價格」才划算。下面是三個判斷訊號:
訊號一:每週至少 3 次撞到「訊息額度用完」
如果你每週都會碰到「今天就到這裡」的提示 3 次以上,意味著你已經是中重度使用者,Pro 月費(NT$ 600–700)分攤下來每天約 NT$ 20,比一杯咖啡還便宜,但解鎖的時間價值遠高於此。
訊號二:常需要處理長篇文件
如果你經常上傳超過 30 頁的 PDF、或同時處理多份檔案,免費版的上下文常常不夠用。Pro 才能完整使用 Claude 的 200K 上下文或 Gemini 的 1M+ 上下文。
訊號三:你想用最新最強的模型做深度推理
Claude Opus、GPT-5、Gemini 2.5 Pro 這類「旗艦模型」的回答品質,在複雜任務上明顯優於免費版的標準模型。如果你的工作對品質敏感(寫作、策略、程式架構),升級的差異有感。
不需要升級的訊號
每週使用低於 5 次、只做簡單問答(查資料、翻譯、改錯字)、或只在特定週期忙碌——這幾種情境免費版完全足夠。試用一個月再評估,不需要急著訂閱。進階策略:多家輪流用
許多熟練使用者會「同時用 ChatGPT + Claude + Gemini 免費版」,撞到 A 的上限就切到 B,3 家輪著用幾乎不會碰到限制——只是你需要自己決定誰擅長什麼任務。
結語:會看 token,你就比 90% 的使用者厲害
Token 不是工程師的玩具,而是 AI 工具最底層的「物理單位」。你不需要學會自己算 token——但你需要建立直覺:對話越長越貴、上傳越大越貴、開越強越貴。
把這篇的 8 個省用技巧內化成習慣,你會發現自己的免費版用起來像 Pro;真的升級 Pro 之後,也不會被無腦堆內容拖垮。AI 工具的競爭力,有一半在模型強不強,另一半在使用者懂不懂得用—而 token 就是那個分水嶺。
Token 是 AI 處理文字的最小單位,可以是一個字、半個字、一個詞或一個標點符號。英文平均約 4 個字母 = 1 token,中文約 1.5–2 個字 = 1 token。AI 計費、字數限制、上下文視窗都以 token 為基準,而非你直觀看到的字數。
粗略換算:1 萬個中文字大約 5,000–7,000 token。繁體中文夾雜英文與數字時,通常落在 6,000–8,000 token 之間。
每個模型都有上下文視窗上限,例如 Claude 約 20 萬 token、GPT-4o 約 12.8 萬 token、Gemini 1.5 Pro 約 100 萬 token。當對話累積內容(問題 + 回答 + 上傳檔案)超過上限,系統會開始遺忘最早的內容或拒絕新輸入。
ChatGPT 免費版每 5 小時約 10–20 則 GPT-4o;Claude 免費版每 5 小時約 30–45 則 Sonnet;Gemini 免費版限制最寬鬆,但 Deep Research、Veo 影片生成等功能僅 Pro 可用。實際上限會依使用人數動態調整。
三個訊號表示該升級:每週至少 3 次撞到訊息上限、需要處理長篇文件、想用最新模型做深度推理。若每週使用低於 5 次或只做簡單問答,免費版足夠。
訂閱版(ChatGPT Plus / Claude Pro)是按月固定費用,有訊息額度上限;API 是按實際 token 計費,輸入與輸出分開計價,輸出通常貴 3–5 倍。個人輕度使用適合訂閱,有開發需求或大量批次處理才適合 API。
OpenAI 提供 tiktoken 開源工具與線上計算器(platform.openai.com/tokenizer);Anthropic 有 Token Counter API;Google AI Studio 也內建 token 顯示。免費可用,把文字貼進去就能看到實際 token 數。
會,而且差距很大。一般回答可能用 500 token,啟用思考模式後可能消耗 5,000–20,000 token,因為模型會在內部進行多輪推理(這部分 token 不顯示給你但仍計費)。簡單任務不要一律開最強。
相關文章
.jpg)
2026 主流 AI 工具有哪些？ChatGPT、Claude、Gemini 到底差在哪？
2026 年主流的 AI 工具，包括 ChatGPT、Claude、Gemini 等，分為通用型、搜尋型、工作整合型三大類。ChatGPT 最全能，Claude 最擅長寫作與思考，Gemini 則是擅長查找資料與整合。建議不要只使用一個 AI 工具，而是採用多 AI 分工的方式，例如結合 Claude、Gemini、ChatGPT 的使用。AI 工具已漸漸成為「搜尋引擎」，對網站與 SEO 也有重大影響，強調建立專業度高的官網以取得 AI 信任。AI 工具的競爭焦點在於資訊來源的掌握，重點在於如何選擇最適合的組合使用方式。
.jpg)
Claude 怎麼使用?2026 完整新手教學:從註冊、提示技巧到 8 個實戰應用
介紹 Claude 的完整新手教學，從註冊、提示技巧到實戰應用都有詳細介紹。Claude 擅長長文撰寫、程式碼、資料分析與深度推理，提供三種模型供選擇。與 ChatGPT 相比，Claude 在程式碼能力、寫作品質等方面表現較為出色。此外，文章也提供了如何開始使用 Claude 的三個步驟、三大核心功能、黃金提示詞公式、10 個實戰應用場景等實用資訊，讓讀者快速上手並提高使用效率。透過本文，讀者可以學習如何善用 Claude 解決日常工作中的挑戰。
哪些網站內容更容易被 AI 引用？從內容結構看懂 AI 搜尋的判斷邏輯
在 AI 搜尋與 AI 助理逐漸成為主要資訊入口的情境下，企業官網不再只是曝光工具，而是可能被 AI 理解與引用的資料來源。本文從內容結構出發，解析 AI 如何判斷「哪些內容值得被引用」，並說明在 GEO（Generative Engine Optimization）規劃中，技術基礎與內容結構如何相輔相成，讓內容同時被 AI 看得懂，也讓使用者願意信任與行動。