使用 ChatGPT 一段時間後，你開始遇到一些很「技術」的名詞，例如 Token、Context Window、Input Token、Output Token。
特別是當你想用 ChatGPT 閱讀一份很長的文件，或者開始接觸 OpenAI API 時，「 Token 」幾乎是一個避不開的概念。

究竟 AI token是什麼 ？

1 Token 是否等於 1 個字？
為甚麼英文和中文的 Token 數量會不同？
Token 又如何影響 ChatGPT 可以閱讀多少內容、回答多長，以及使用 API 的成本？

其實 Token 沒有想像中複雜。

Token 就是 AI 模型處理文字時所使用的基本單位。

以下會用一些生活化例子，由零開始解釋 Token。即使你完全沒有程式設計或 AI 技術背景，也能掌握它與 ChatGPT 使用體驗之間的關係。

AI token是什麼？先把它想像成「文字積木」

我們閱讀一句話時，通常會以「字」、「詞語」或「句子」理解內容。

AI 語言模型處理文字的方法卻有所不同。

當你把一段文字交給模型後，系統會先將文字拆成一個個較小的 Token，模型再處理這些 Token，最後逐步生成新的 Token，組成你看到的答案。

簡化整個過程，就是：

輸入文字 → 拆成 Token → 模型處理 → 產生 Output Tokens → 組成答案

可以把它想像成 LEGO。

你看到的是一座完整的 LEGO 房子，但如果要讓模型處理，它先把「房子」拆成一塊塊可以識別及運算的積木。

這些「文字積木」，就是 Token。

Token 是模型處理文字時使用的基本單位；

• 視乎語言和上下文，它可以短至單一字元
• 可能是一個完整單字，而空格、標點符號及部分單字亦會影響 Token 數量。

因此，理解 AI token是什麼 時，第一個最重要的觀念就是：

Token 不等於中文字數，也不等於英文單字數。

1 Token 等於多少字？

如果是英文，OpenAI 官方提供了一組相當方便的粗略估算：

英文內容	約略 Token 數量
約 4 個英文字元	1 Token
約 ¾ 個英文單字	1 Token
約 75 個英文單字	100 Tokens
約 1–2 個英文句子	30 Tokens
約 1 個英文段落	100 Tokens
約 1,500 個英文單字	2,048 Tokens

這些只是英文的概略換算，不是所有語言通用的公式。

所以看到「1 Token = 4 個字」時，不要理解成：

1 Token = 4 個中文字。

這是不正確的。

那麼 1 Token 等於多少中文字？

沒有一個適用所有 AI 模型的固定答案。

這跟不少人第一次接觸 Token 時的想像不同。

原因是 Token 數量會受到多個因素影響，包括：

語言、文字內容、使用的模型，以及模型採用的 encoding（編碼方式）。

同一段文字使用不同模型或 encoding，最終得到的 Token 數量亦可能不同。

中文和英文的文字結構本身亦有很大分別，所以不能簡單把英文的「1 Token 約等於 4 characters」直接套用到中文。

因此，如果你看到有人說：

「1 Token 一定等於 X 個中文字。」

最好不要把這個數字當成固定公式。

如果只是日常使用 ChatGPT，其實沒有必要每次計算 Token；但如果你正在開發 AI 應用、處理大量文章或需要準確估算 API 成本，就應該使用相應模型的 Tokenizer 進行計算，而不是單純使用 Word 的「字數統計」。

實際例子：100 個字為甚麼不等於 100 Tokens？

看看以下幾個例子：

例子 A

Hello!

例子 B

Artificial intelligence is changing the way we work.

例子 C

人工智能正在改變我們的工作方式。

對人類而言，我們很自然會用「英文單字數」或者「中文字數」計算長度。

AI 卻不是按照這套規則處理。

一個 Token 可以是一個完整英文單字，也可能只是單字的一部分；標點符號和空格同樣可能影響 Tokenization。

中文亦有自己的 Token 切分方式。

因此：

字元數 ≠ 單字數 ≠ Token 數量

這亦解釋了為甚麼兩段看起來差不多長的文字，實際 Token 數量可能並不相同。

ChatGPT Token 是甚麼？

明白 AI token是什麼 後，再看 ChatGPT Token 就簡單得多。

當你向 ChatGPT 或 OpenAI 模型提供文字時，可以先認識以下幾種常見 Token。

Input Tokens：你交給 AI 的內容

Input Tokens 可以簡單理解成模型需要處理的輸入。

例如你問：

「請用簡單方法向中學生解釋甚麼是人工智能。」

這句 Prompt 本身便會產生 Input Tokens。

如果你再附上一份數千字文件，要求 AI 閱讀及摘要，文件內容亦會增加模型需要處理的 Token 數量。

Output Tokens：AI 產生的內容

Output Tokens 就是模型生成答案時使用的 Token。

例如你要求：

「請寫一篇約 1,000 字的 AI 入門文章。」

模型生成文章的過程會產生 Output Tokens。

因此可以先用一個非常簡單的方法理解：

你給 AI 的內容 → Input Tokens

AI 生成的內容 → Output Tokens

Cached Input Tokens 又是甚麼？

如果開始接觸 API 或商業 AI 應用，你亦可能看到 Cached Input Tokens（快取輸入 Token）。

簡單來說，部分重複使用的輸入內容可以透過 Prompt Caching 等機制重用已處理的內容。

這在大型 AI 應用中特別實用。

例如 : 一間公司的 AI 客服，每次回答問題都需要使用同一份很長的產品說明。

如果每次請求都完整重新處理相同內容，便可能增加運算及 Token 成本。

透過快取機制，符合條件的重複輸入可以使用 Cached Input Token 的方式處理，而其價格亦可能與一般 Input Token 不同。

Reasoning Tokens 是甚麼？

部分推理模型還會涉及 Reasoning Tokens（推理 Token）。

這類 Token 用於模型產生最終答案前的內部推理過程。

簡單來說，你最後可能只看到：

「答案是 42。」

但模型在得出答案之前，可能已經進行了一系列內部推理。

這些內部推理內容不一定會直接顯示給使用者，但相關 Reasoning Tokens 仍會計入 Output Token 使用量，並按照相應的 Output Token 費率計算。

因此，AI 真正使用的 Token 不一定等於你肉眼看到的答案長度。

Token 為甚麼這麼重要？

對一般使用者而言，Token 最直接影響三件事：

• AI 一次可以處理多少資料
• 可以生成多少內容
• 以及部分 AI 服務的使用成本。

這亦是為甚麼 Token 並非只有工程師才需要認識。

如果你經常使用 AI 寫文章、分析 PDF、整理會議記錄、閱讀研究報告，理解 Token 後，很多 ChatGPT 的使用現象都會變得容易理解。

Token 如何影響 ChatGPT 可以閱讀多少內容？

談到 Token，就需要認識另一個重要概念：

Context Window（上下文視窗）。

你可以把 Context Window 想像成 AI 工作時的一張書桌。

假設你面前只有一張書桌。

桌面可以同時放：

• 一份研究報告
• 一本筆記
• 一份 Excel 資料
• 你的工作指示

但桌面空間始終有限。

如果再搬十本百科全書過來，可能就放不下了。

AI 的 Context Window 也是類似概念。

模型一次可以處理的上下文有容量限制，而這個容量通常以 Token 表示。

不同 AI 模型的 Context Window 可以不同，而且 Context Window 與「最大輸出長度」亦不是完全相同的概念。

因此，不能簡單理解成：

「這個模型支援很多 Tokens，所以我可以全部拿來輸入文件，然後要求它無限回答。」

實際可以輸入多少資料、輸出多長答案，需要視乎模型及產品的具體限制。

為甚麼 ChatGPT 有時會忘記前面的對話？

這亦與 Context 有關。

假設你已經跟 AI 進行了一段非常長的對話：

第一部分 : 討論 SEO。

第二部分 : 討論網站設計。

第三部分 : 分析競爭對手。

第四部分 : 上載大量文件。

第五部分 : 再要求 AI 回到最開始的 SEO 策略。

當需要處理的上下文愈來愈龐大，系統就需要管理大量資訊，而實際可供模型使用的上下文仍受到相關產品及模型限制。

所以進行大型專案時，與其建立一個無限延長的對話

有時候更有效的方法 :

• 先整理重要結論
• 再以清晰的資料進入下一個工作階段。

Token 如何影響 ChatGPT 回答長度？

AI 不能在一次回覆中無限生成文字。

不同模型和產品都有相應限制。

所以當你要求：

「幫我一次寫一本 100,000 字的書。」

AI 未必可以在單一回覆完成。

如果真的需要處理大型內容，更實際的方法是拆分工作。

例如：

第一步：建立全書大綱

第二步：逐章建立詳細架構

第三步：逐章撰寫

第四步：檢查各章內容一致性

第五步：最後整合及編輯

這樣不但更容易管理 Token，內容品質通常亦更容易控制。

AI Token 如何影響費用？

如果你只是一般使用 ChatGPT，未必經常直接看到 Token 費用。

但如果使用 OpenAI API 建立 Chatbot、網站功能、自動化工具或其他 AI 應用，Token 就會直接與成本產生關係。

文字模型的 API 成本通常需要考慮：

Input Tokens + Cached Input Tokens + Output Tokens

不同模型及 Token 類型的費率可以不同。

因此，開發 AI 應用時，「模型回答得有多長」和「每次送多少資料給模型」都可能影響實際成本。

用一個簡單例子理解 Token 費用

以下數字純粹是方便理解的假設例子，並非任何指定 OpenAI 模型的實際價格。

假設某 AI 模型的價格是：

Input：每 100 萬 Tokens US$2

Output：每 100 萬 Tokens US$10

你的應用程式一個月使用：

Input：2,000,000 Tokens

Output：500,000 Tokens

那麼：

Input 成本

2 × US$2 = US$4

Output 成本

0.5 × US$10 = US$5

總成本就是：

US$4 + US$5 = US$9

這個例子亦帶出一個很重要的觀念：

Input Token 和 Output Token 不一定是相同價格。

所以不能單純計算「總共用了多少 Token」就直接估算費用。

真正計算 API 成本時，必須查看你所使用模型當時的官方價格。

ChatGPT 月費是不是按照 Token 收費？

首先要分清楚：

ChatGPT 產品方案 和OpenAI API 不是同一種計費方式。

OpenAI API 的文字模型通常會按照相應的 Token 類型及使用量計費。

一般個人使用者使用 ChatGPT 網頁或 App 時，則主要按照所選方案以及相應使用限制使用服務，而不是每完成一次普通對話，就收到一張獨立的 Token 帳單。

不過，也不能因此直接說：

「ChatGPT 不按照 Token 收費。」

截至目前，OpenAI 部分 Business、Enterprise／Edu 等商業及彈性定價情境已經涉及 credits 或 Token-based pricing，而部分功能可以根據 Input、Cached Input 和 Output Token 用量計算。

因此，當你看到：

「每 100 萬 Tokens 收費多少美元」

最好先確認它所指的是：

OpenAI API、ChatGPT 特定商業方案，還是其他 OpenAI 服務。

不同產品的定價不能直接混為一談。

延伸閱讀 :

【 ChatGPT費用 全解析 】免費版 vs Plus vs 商業版，升級前必睇！

實際商業例子：為甚麼企業很在意 Token？

假設你建立了一個 AI 客服系統。

每天有 1,000 次 AI 對話。

假設每次平均需要處理：

1,500 Input Tokens + 500 Output Tokens

即每次約涉及 2,000 Tokens。

一天：

1,000 × 2,000 = 2,000,000 Tokens

30 天：

2,000,000 × 30 = 60,000,000 Tokens

也就是每月約涉及 6,000 萬 Tokens 的處理量。

如果你的 Prompt 加入大量沒有必要的歷史對話、重複指示或文件，每次請求再多使用數百甚至數千 Tokens，累積一個月後就可能變成非常可觀的額外用量。

這就是為甚麼企業開發 AI 應用時會特別重視：

Prompt Optimization、Prompt Caching 及 Context Management。

對每天只有幾次對話的個人使用者而言，少幾十個 Token 未必值得在意；但當系統每天處理數千、數萬甚至更多請求時，情況就完全不同。

Prompt 是否寫得越長越好？

理解 AI token是什麼 之後，我認為最實用的一個觀念就是：

好的 Prompt 不等於長的 Prompt。

看看以下例子。

Prompt A：

「幫我寫 SEO 文章。」

問題是資訊太少。

AI 不知道：

• 寫甚麼主題？

• 給誰看？

• 文章多長？

• 主要關鍵字是甚麼？

• 希望讀者看完做甚麼？

但另一個極端也不好。

如果你為了一篇簡單文章貼上 20,000 字完全不相關的背景資料，AI 需要處理的資訊更多，卻不代表結果一定更好。

比較理想的 Prompt 可以是：

「請為 AI 新手撰寫一篇約 2,000 字的繁體中文 SEO 教學文章，主要關鍵字是『AI Prompt 教學』。內容需要包括 Prompt 基本結構、3 個實際例子、常見錯誤及 FAQ，語氣專業但容易理解。」

這個 Prompt 不算特別長，但已經清楚交代：

讀者、語言、關鍵字、長度、內容結構及寫作風格。

這才是有效 Prompt 的重點。

延伸閱讀 :

AI Prompt 教學｜3分鐘完整指南，讓所有AI 成為你的專屬助理

分享我只靠6個進階 Prompt用法 : 立即快速產出高質量AI結果

AI回應格式全攻略 最萬用5個高質素AI輸出寫 Prompt格式技巧 ( 附上 Prompt中文指令範例 )

怎樣減少不必要的 Token？

如果你只是普通 ChatGPT 使用者，其實不用為了省幾個 Token，把 Prompt 寫得像電報。

真正值得減少的是沒有資訊價值的內容。

例如 : 同一個要求重複五次、把完全不相關的舊對話全部保留下來，或者一次貼入大量根本不需要 AI 分析的資料。

處理大型任務時，可以考慮：

資料整理 → 分析 → 建立策略 → 撰寫 → 修改

而不是一次要求 AI 完成所有工作。

這種做法除了有助管理 Context，也方便你在每個階段檢查 AI 是否理解正確。

使用 ChatGPT 時需要 VPN 嗎？

VPN 和 Token 其實是兩回事。

使用 VPN 不會減少 AI Token，也不會令 ChatGPT 回答得更長。

不過，如果你經常在咖啡店、機場或酒店等地方連接公共 Wi-Fi 使用 ChatGPT、電郵、雲端文件或其他網上工具，VPN 可以加密裝置與 VPN 伺服器之間的網路流量，提升公共網絡環境下的連線私隱與安全。

例如 NordVPN 提供 VPN 流量加密、DNS 外洩防護及 Kill Switch 等功能。對經常帶著電腦外出工作的使用者而言，可以作為整體網絡安全措施的一部分。

👉 如果你也經常在公共 Wi-Fi 使用 AI 工具工作，

可透過 :

要留意，VPN 並不會阻止 AI 平台接收你主動提交的 Prompt 或文件。

因此，密碼、API Key、公司機密及其他高度敏感資料，仍然不應因為開啟 VPN 就隨意提交給 AI 工具。

延伸閱讀 :

NordVPN優惠 全攻略：一次獨享永久折扣、速度實測與真實使用分享絕密心得

NordVPN中國可以用嗎 ？親身實測東莞 2日1夜體驗分享:能上 WhatsApp嗎 ? 性能穩定嗎？

AI Token 常見名詞快速整理

名詞	簡單意思
Token	AI 模型處理文字的基本單位
Tokenization	把文字切分成 Token 的過程
Input Token	提供給模型處理的輸入 Token
Output Token	模型生成內容所使用的 Token
Cached Input Token	符合快取條件、可重用處理結果的輸入 Token
Reasoning Token	推理模型進行內部推理所使用的 Token
Context Window	模型一次可以處理的上下文容量
Tokenizer	將文字轉換／切分成 Token 的工具或機制
Token Pricing	根據 Token 類型及用量計算的價格

Token 是 AI 閱讀及生成文字時使用的基本單位；它不是單純的「字數」。

FAQ

延伸閱讀 :

2026 Nordvpn Surfshark 比較 ：怕買錯 VPN 的人，先看這篇把錢花在對的地方（含續費陷阱與選購清單）

NordVPN好用嗎 ？香港地鐵尖峰時段實測體驗：速度、私隱、安全功能完整分享

Meta AI香港 完整教學：香港已開放使用？功能、入口、私隱與 VPN 使用建議

LLM模型有哪些 ？用一個故事帶 AI 新手看懂大型語言模型

AI模型訓練是什麼？1分鐘用故事輕鬆搞懂從新手到高手的完整流程！

3分鐘認清行銷人必需懂的流量巨變！Google AI摘要衝擊曝光與流量？

AI取代風暴來襲？別怕！5個不能被AI超越的理由，讓你永遠不會被淘汰

參考資料來源：

OpenAI Help Center｜What are tokens and how to count them?：
https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count

OpenAI Help Center｜What are tokens and how do I count them?：
https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-do-i-count-them

OpenAI Help Center｜ChatGPT 費率表（企業版 Token 制定價）：
https://help.openai.com/zh-hant/articles/20001415-chatgpt-%E8%B2%BB%E7%8E%87%E8%A1%A8%E4%BC%81%E6%A5%AD%E7%89%88-token-%E5%88%B6%E5%AE%9A%E5%83%B9

NordVPN 官方網站｜VPN Encryption：
https://nordvpn.com/features/vpn-encryption/

NordVPN 官方網站｜NordVPN Features：
https://nordvpn.com/features/