Anda telah menemui model yang anda suka dan harga di sebelahnya: $2 bagi setiap juta token. Angka itu tidak berguna sehingga anda dapat menjawab satu soalan — berapa banyak token yang sebenarnya digunakan aplikasi anda?
Kebanyakan orang meneka, dan kebanyakan meneka terlalu rendah. Bukan kerana token itu rumit, tetapi kerana hampir segala isi sesuatu permintaan terbina daripada token, dan hanya sebahagian kecil daripadanya ialah apa yang anda taip.
Inilah apa itu token, cara mengiranya, dan di mana kejutannya tersembunyi.
Harga disemak kali terakhir: 26 Ogos 2026. Angka terkini ada di halaman perbandingan ElliSekiz.
Apa sebenarnya token itu
Model AI tidak membaca huruf mahupun perkataan. Ia membaca token — cebisan teks kecil daripada perbendaharaan kata tetap yang digunakan semasa model itu dibina.
Satu token boleh jadi satu perkataan penuh, sebahagian perkataan, satu aksara, atau tanda baca. Secara kasar:
cat→ satu tokentokenization→ selalunya tiga atau empat cebisan, sepertitoken+iz+ation!→ satu token- Ruang sebelum sesuatu perkataan biasanya ikut bersamanya, jadi
theialah satu token, bukan dua
Mengapa teks dipecah begini? Model memerlukan senarai tetap perkara yang boleh dikenalinya. Senarai setiap perkataan Inggeris akan menjadi sangat besar dan tetap terlepas nama, salah taip dan bahasa lain. Senarai kira-kira 100,000 cebisan sub-perkataan meliputi hampir segalanya, kerana perkataan asing boleh dieja daripada serpihan yang dikenali.
Itu sahaja ideanya. Teks masuk, dicincang menjadi cebisan yang dikenali, dan anda dicaj bagi setiap cebisan.
Berapa token teks anda?
Petua kasar OpenAI bagi bahasa Inggeris ialah satu token ≈ 4 aksara ≈ ¾ perkataan, jadi 100 token lebih kurang 75 perkataan.
Memadai untuk semakan pantas dan tidak memadai untuk belanjawan, atas tiga sebab.
Setiap model melakukan tokenisasi secara berbeza. Ayat yang sama menghasilkan kiraan berbeza pada model berbeza — kadangkala sangat berbeza. Dokumentasi Anthropic sendiri menyatakan bahawa Claude 4.7 dan selepasnya menggunakan tokenizer lebih baharu yang mana "teks input yang sama menghasilkan kira-kira 30 peratus lebih banyak token berbanding model terdahulu." Teks sama, pembekal sama, 30% lebih token, semata-mata kerana pertukaran versi.
Bahasa lain lebih mahal. Perbendaharaan kata kebanyakan model dikuasai bahasa Inggeris. Teks dalam bahasa yang kurang diwakili dipecah kepada lebih banyak cebisan yang lebih kecil — makna yang sama menelan lebih banyak token.
Kod dan teks berstruktur berkelakuan pelik. Inden, kurungan dan pengecam panjang berpecah dengan cara yang berbeza daripada prosa.
Langkah yang boleh dipercayai ialah mengira, bukan menganggar. Pembekal memberi anda caranya: Anthropic mempunyai endpoint pengiraan token yang percuma dipanggil, dan OpenAI menerbitkan alat tokenizer. Kira sekali dengan prompt sebenar anda dan anda tidak perlu meneka lagi.
Bahagian yang mengejutkan orang: semuanya token
Soalan anda hanyalah bahagian kecil daripada apa yang anda bayar. Dokumentasi Anthropic menerbitkan kiraan tepat bagi beberapa permintaan minimum, dan ia berbaloi dibaca dengan teliti:
| Apa yang dihantar | Token input |
|---|---|
| Prompt sistem "You are a scientist" serta mesej "Hello, Claude" | 14 |
| Soalan "What's the weather like in San Francisco?" serta satu takrif alat | 403 |
| Satu imej serta "Describe this image" | 1,028 |
| Satu PDF serta "Please summarize this document." | 2,188 |
Baca semula baris kedua. Soalannya sembilan perkataan. Menerangkan satu alat sahaja — namanya, penerangannya, skema inputnya — menelan kira-kira 390 token. Ejen dengan lima belas alat membayarnya pada setiap permintaan, sebelum pengguna menaip apa-apa.
Baris ketiga dan keempat ialah kisah yang sama bagi media. Satu imej kira-kira seribu token. Satu PDF beberapa ribu, dan itu pun yang pendek.
Token input dan output bukan harga yang sama
Setiap model teks menerbitkan dua kadar. Output sentiasa yang mahal.
| Model | Input $/1M | Output $/1M | Output menelan |
|---|---|---|---|
| GPT-5 nano | $0.05 | $0.40 | 8× input |
| Gemini 2.5 Flash Lite | $0.10 | $0.40 | 4× input |
| GPT-5 mini | $0.25 | $2.00 | 8× input |
| Claude Haiku 4.5 | $1.00 | $5.00 | 5× input |
| GPT-5 | $1.25 | $10.00 | 8× input |
| Claude Sonnet 5 | $2.00 | $10.00 | 5× input |
| Claude Opus 5 | $5.00 | $25.00 | 5× input |
Ini membawa akibat praktikal yang langsung: menyuruh model menjawab dalam tiga ayat dan bukannya sepuluh menjimatkan lebih banyak wang daripada memendekkan prompt anda sebanyak itu. Ia biasanya pengoptimuman termurah yang ada, dan kosnya satu baris arahan.
Berapa kos sebenar satu perbualan
Sembang 10 pusingan. Prompt sistem 500 token, soalan 100 token, jawapan 250 token.
Perangkapnya: model tiada ingatan antara panggilan — keseluruhan perbualan dihantar semula setiap pusingan. Jadi pusingan ke-10 membayar sekali lagi bagi pusingan 1 hingga 9.
- Token yang anda taip: 10 × 100 = 1,000
- Token input yang dicaj kepada anda: 21,750
- Token output: 10 × 250 = 2,500
Anda menaip seribu token dan membayar hampir dua puluh dua ribu.
| Model | Kos satu perbualan itu |
|---|---|
| GPT-5 nano | $0.002 |
| Claude Sonnet 5 | $0.069 |
Kedua-duanya kecil. Darabkan dengan 50,000 perbualan sebulan dan bezanya menjadi beza antara ralat pembundaran dan satu butiran belanja sebenar.
Empat perkara yang senyap-senyap membengkakkan bil token
- Prompt sistem, dicaj pada setiap permintaan. Prompt sistem 800 token merentasi 50,000 mesej ialah 40 juta token sebulan bagi teks yang anda tulis sekali. Cache prompt wujud tepat untuk ini — pembekal menyimpan awalan yang tidak berubah dan mengecaj sepersekian untuk membacanya semula.
- Sejarah perbualan. Seperti di atas. Memangkas atau meringkaskan pusingan lama ialah penyelesaiannya.
- Takrif alat. Kira-kira 390 token setiap satu, pada setiap permintaan, digunakan atau tidak.
- Imej dan PDF. Seribu token ke atas, setiap satu.
Tiada satu pun daripada ini disembunyikan — semuanya didokumenkan. Cuma ia mudah tertinggal daripada sesuatu anggaran.
Token hanyalah satu daripada beberapa unit harga
Baik diketahui sebelum membuat generalisasi: kebanyakan model AI tidak dihargakan mengikut token. Daripada 472 model yang dijejaki ElliSekiz, 160 dihargakan setiap token — model teks dan sembang. Baki 338 dihargakan setiap imej, setiap megapiksel, setiap saat video, atau setiap larian.
Jadi "berapa harga model ini" berbentuk berbeza bergantung pada apa yang dihasilkan model itu, dan harga setiap token tidak pernah boleh dibandingkan terus dengan harga setiap imej.
Kesimpulan
- Token ialah cebisan teks kecil, bukan perkataan. Kira-kira ¾ perkataan dalam bahasa Inggeris, dan kurang dalam kebanyakan bahasa lain.
- Jangan sesekali menyusun belanjawan berdasarkan petua kasar. Kira dengan alat pembekal itu sendiri, terhadap model tepat yang anda rancang gunakan.
- Soalan anda ialah bahagian yang kecil. Prompt sistem, sejarah perbualan, takrif alat dan lampiran ialah bahagian yang besar.
- Token output berharga 4 hingga 8 kali ganda token input, jadi jawapan yang lebih pendek ialah penjimatan termurah.
Terokai lagi di ElliSekiz
Lihat model sembang. Harga token input dan output bagi setiap model teks, bersebelahan, di halaman model sembang.
Kemudian cuba satu. Setiap halaman model mempunyai playground — jalankan prompt sebenar anda dan baca kiraan token yang sebenar sebelum mendarabkan apa-apa dengan 50,000.
Sumber
- Anthropic — Token counting (kiraan contoh yang didokumenkan, pertukaran tokenizer, endpoint pengiraan percuma)
- OpenAI Help Center — What are tokens and how to count them? (petua kasar bagi bahasa Inggeris)
- OpenRouter models API,
https://openrouter.ai/api/v1/models(harga token, dibaca 26-08-2026)