模型的帳單價格標的是"每百萬token多少錢"，但沒人告訴你，同一段程式碼在不同模型上會被切成不同數量的token。這件事直接決定了你實際付了多少錢，而且大部分人從來沒測過。
Playcode本月發佈的一份測評給出了具體數字：同一份2888字元的TypeScript檔案，GPT用o200k分詞器切出681個token，Claude最新的分詞器切出1178個，多了73%。掛牌單價沒有變化，實際花費已經變了。
這篇文章分兩部分：先說清楚這個差距從那來，再給出你自己動手測的步驟。
一、差距是怎麼來的
模型不會直接處理文字，而是先把文字切成token，再按token數量計價。切法由分詞器決定，每家的分詞器不是同一套邏輯，同一段內容切出的token數量自然不一樣。
Playcode用16種真實內容（英文散文、HTML、JavaScript、Python、TypeScript、Rust、JSON工具schema、中文文字等）分別過了各家的官方計數介面，包括Anthropic的count_tokens、OpenAI的tiktoken（o200k_base編碼器）、Gemini和Grok各自的計數介面，還用真實付費請求核對過預測值和帳單是否一致。
幾個具體數字：
- Anthropic的新分詞器（Sonnet 5、Opus 4.8、Fable 5用的這一版）比舊分詞器平均多切出約32%的token，掛牌價沒變
- 以GPT的o200k為基準，Claude新分詞器在TypeScript上是1.73倍，Rust是1.58倍，JavaScript是1.52倍，Python是1.50倍，英文散文是1.40倍
- 中文文字上，Claude新舊兩版分詞器都比GPT多切約1.45-1.55倍——這是長期存在的現象，不是新分詞器造成的
- Gemini 3 Flash的分詞器比GPT略重（1.09倍），但掛牌單價低很多，綜合仍是最便宜的選項之一
Anthropic新舊分詞器對比：
中文這一行幾乎沒變化，漲幅主要集中在英文和程式碼上。
跨廠商對比：
為什麼程式碼上的差距比文字更大，尤其是TypeScript最明顯：o200k對TypeScript的壓縮效率特別高，平均4.24個字元對應1個token，這大機率是因為訓練資料裡有大量網路JavaScript/TypeScript程式碼，camelCase命名、JSX語法這些模式經常被壓縮成一個token。Claude的分詞器在程式碼和文字上的壓縮效率比較接近，沒有針對程式碼單獨最佳化，所以差距在程式碼場景被放大，而編碼任務恰好是agent最常處理的內容類型。
換算成實際價格，具體如下（掛牌單價為每百萬token，輸入/輸出）：
幾個值得注意的行：Opus 4.6和4.8掛牌價一樣，實際有效單價卻差了約32%；GPT-5.5和GPT-5.6 Sol共用同一套分詞器，掛牌價相同、實際單價也確實相同；Gemini 3 Flash雖然分詞器比GPT略重，但掛牌價低出很多，仍是綜合最便宜的選項之一。
需要說明的是，這只是輸入端的分詞差異。模型回覆的囉嗦程度、思考token、快取讀寫頻率、工具呼叫次數，這些變數疊加起來，實際任務總花費的差距可能遠超過73%這個數字有人反映實際用下來差2到4倍，也是合理的，只是這已經是另一層變數了。
二、自己動手測一遍
不用等別人測，各家的計數介面大多免費，五分鐘能測完你自己的程式碼。
測Claude（Anthropic）
Anthropic提供了官方的count_tokens介面，傳入文字直接返回token數，不需要真的呼叫模型生成內容，也不產生模型呼叫的費用。
POST https://api.anthropic.com/v1/messages/count_tokens
傳入你要測試的文字內容，返回結果裡的欄位就是這段內容會被計的token數。
測GPT（OpenAI）
OpenAI的o200k_base編碼器是公開的，本地裝一個開源庫tiktoken就能直接算，完全不需要聯網呼叫API，也不花錢。
import tiktokenenc = tiktoken.get_encoding("o200k_base")tokens = enc.encode(你的文字)print(len(tokens))
測Gemini / Grok
Google和xAI也各自提供了token計數介面，用法和上面類似，傳文字進去返回數字。
怎麼用這幾個數字
拿你自己常用的一段程式碼或prompt，分別丟進上面幾個介面，對比返回的token數，算出比例。如果你主要寫TypeScript或JavaScript，大機率會看到Claude的數字明顯更高；如果內容以中文為主，差距會縮小，甚至反過來。
三、一個判斷方法，比記住某個百分比更有用
73%這個數字會隨模型迭代很快過時，但背後的判斷方法不會：
- 廠商換分詞器，等同於變相調價，帳單上不會寫明這一條，需要自己核實
- 掛牌單價不能跨廠商直接比較，尤其是程式碼類工作負載
- 真正該比的是"完成同一個任務花了多少錢"，而不是"每token多少錢"——這個數字需要把分詞、回覆長度、快取命中率都算進去，模型返回的usage欄位能提供真實依據
模型選型不該只看掛牌價，用自己的真實內容測一遍，比記住任何單一數字都可靠。 (Datawhale)