词元（Token）：容量和用量怎样理解？

词元（Token）：模型处理文本时使用的片段单位，常用于计量输入、输出及上下文容量，不固定等于一个字。

先理解计量，再看数字

模型处理文本时，会把文字按其分词方式拆成片段。一个 Token 不固定等于一个汉字或一个单词，同一段文本的计数可能随分词器变化。

本页不提供假装精确的字数换算，也不把登录时的令牌与这里的模型处理单位混为一谈。

容量、用量和费用分开看

容量较大不表示输出篇幅无限，也不表示免费。图片、音频等内容可能采用模型规定的计量方式，不能直接照搬文本字符数。

长材料怎样处理更有效

先提出具体任务，例如只整理教材里与路线和交流有关的段落，再提供相关章节。必要时把资料按主题拆开，保留出处和关键条件，最终汇总后再检查整体一致性。

如果应用提示材料过长，先缩小到相关部分或使用它提供的资料检索能力。单纯要求“必须全部读完”不会改变容量限制。

再深入一点

上下文预算可能涉及输入、输出及部分模型的推理过程；具体分配依模型和接口而异。应用还可能压缩历史，因此“聊天还在界面上”不意味着模型每次都完整重读所有原文。

需要精确计数时，应使用与目标模型相匹配的计量工具。教学图中的切分若不是实际分词器结果，应明确标成示意。

下一步

读 上下文，或在 检查结果 中了解为什么长回答也需要核验。

想一想

输入容量够大，是否代表输出篇幅无限、使用也免费？

参考判断： 不代表；输入输出限制、实际用量和收费规则是不同问题，要分别核对。

来源与适用范围

参考 OpenAI · Conversation state。技术口径核验于 2026-09-09；案例与教学组织为本站编写。具体产品支持范围和操作方式另行核对，本文不作跨产品功能承诺。