今天我们来聊聊一个你可能听说过，但可能不太了解的词——Token。在那些能聊天、写文章、甚至帮你做决定的智能大模型里，为什么都要用Token 来计费在这里插入图片描述

一、Token 是什么？

想象一下，你写了一封信，但不是给人类看，而是给一台机器。机器怎么理解你写的每一个字呢？这就是 Token 的作用。简单来说，Token 就是把文字拆成机器能理解的小片段。比如，你写的“你好，老余！”会被拆成“你”、“好”、“，”、“老”、“余”、“！”这些小块。

词汇表

就像你写信前要查字典一样，机器在处理文字前也会查一个叫“词汇表”的东西。这个词汇表里列出了所有它认识和能理解的 Token。

二、Token 是怎么工作的？

把文字拆成 Token 的过程就像是把一本书拆成一页一页。不同的机器可能会用不同的方法来拆书：

1. 字词分词：就像把书的每一页都撕下来。
2. 子词分词：更细致一些，把每一页再撕成几块。
3. 字节对编码（BPE）：通过合并经常出现的字母对来制作新的词汇表。
4. WordPiece：和 BPE 类似，但更注重保持单词的完整性。

三、Token 为什么重要？

Token 在大模型里的作用可大了：

1. 理解上下文：就像你读信时能理解每句话的意思一样，机器通过 Token 能理解你写的文字。
2. 处理复杂语言：比如“大美女”这个词，机器会把它拆成“大”和“美女”，这样它就能更好地理解这个词。
3. 提高效率：就像你用电脑处理文件比手写快一样，机器通过 Token 化能更快地处理文字。
4. 控制资源：就像你用手机时会注意流量一样，机器通过控制 Token 的数量来控制计算资源的使用。

四、Token 的数量有多重要？

Token 的数量就像是你写信时用的纸张数量。用多了可能浪费，用少了可能说不清楚：

• 训练语料数量：就像你练习写作时用的材料，Token 的数量和分布会影响机器学习的效果。
• 上下文限制：就像你读信时只能看到一部分内容，Token 的数量会限制机器能理解的范围。
• 生成速度：就像你写信的速度，通常通过每秒能写多少字来衡量。

五、Token 计价方式

就像你用手机流量一样，Token 也有计价方式：

• 按 Token 数量计费：适合那些想通过编程调用机器模型的人。
• 包月计费：更适合普通用户，简单易懂。

六、Token 计算工具

平台	Token与汉字的关系	Token与英文的关系
通义千问	约等于1个汉字	1个token通常对应3至4个字母
ChatGPT	约等于1个汉字	1token约等于4个字符或者0.75个单词
千帆大模型 (文心一言)	约等于1个汉字	tokens约等于「服务输入+服务输出」的「中文字+其他语种单词数×1.3]，由此计算3-4个字母
混元大模型	约等于1.8个中文汉字	3个英文字母
星火大模型	约等于1.5个中文汉字	约0.8个英文单词或4个字符
Baichuan 53B	约等于1.5个中文汉字	约0.8个英文单词或4个字符

为了方便大家，有些平台提供了计算 Token 的工具，比如：

• OpenAI 的工具：

https://platform.openai.com/tokenizer

• 百度文心一言 的工具：

https://console.bce.baidu.com/support/#/tokenizer

• 阿里通义千问 的工具：

https://dashscope.console.aliyun.com/tokenizer

这里我用“小小鱼儿小小林”这7个字进行测试，看看各个平台消耗的tokens都是多少

七、为什么大模型会使用token来计算

1. 文本标准化：Token 化是将文本转换成模型可以理解的标准化格式。不同的语言和文本包含各种复杂的结构，Token 化可以帮助模型以统一的方式处理这些结构。

2. 上下文理解：Token 允许模型捕捉到文本中的上下文信息。通过将文本分解为更小的单元，模型可以更细致地理解每个词或短语的含义和用途。

3. 处理复杂性：语言是复杂的，包含多种语法和语义现象。Token 化使得模型能够处理如复合词、习语、缩写等复杂的语言结构。

4. 优化性能：使用 Token 作为计算的基本单位，可以帮助模型更高效地进行并行处理，提高运算速度和性能。

所以说，现在各个大模型基本都是通过token来计费的，因为通过token是最能够计算出成本的，那为什么国内很多厂商会用包月，包年呢，就不怕你使用超了吗？

当很多人使用的时候，包月的话，并不是每一个人每天都在用的，那那些不用的人摊到那些一直在用的人身上，就不会亏本了，所以使用频繁的人就适合开会员划算，使用不频繁的人就按token计费更划算

希望这篇文章能让你对 Token 有更直观的理解。