token 是什么？拿一章 3065 字的网文实算给你看

直答：token 是 AI 读写文字的计量单位，也是收费单位，可以粗暴理解成「字的碎片」。 一个汉字约折 0.6 到 1.4 个 token（各家分词不同），一章 3000 字的网文约合两三千个 token， 续写一段的花费是「分」级的。下面全程用章、段、几分钱当单位说话，行话数字出现一次就换算一次。

token 到底是个什么东西？

模型不按「字」读文字，它先把文本切成一串小块再处理，每个小块就是一个 token。 常见的中文词、英文单词、数字、标点，通常各算一个；生僻词会被切成几块。 计费规则由此而来：模型每读进一个 token、每写出一个 token，各记一笔， 账单等于读写总量乘以单价。你看到的所有「AI 多少钱」的争论，底层都是这一句话。

对只想看小说的人，这个定义可以再压缩：token 是电表读数，读得多写得多就贵， 但单价低到论「厘」，所以真正值得关心的不是单价表，而是「一次续写到底读写了多少」。往下算。

一章小说是多少 token？我们实算了一次

网上流传的换算口径打架，我们干脆拿一章真实网文数了一遍：《我的美女老师》第十二章， 正文 3,065 字。用 OpenAI 开源的 tiktoken 分词器（可以在官方 tokenizer 工具页自己贴文字复现）跑两套公开词表： 新版 o200k 数出 2,755 个 token，旧版 cl100k 数出 4,222 个。同一本书取前 100 章平均， 两套口径分别是每千字约 916 和 1,375 个。而DeepSeek 官方文档给的估算口径是一个汉字约 0.6 个 token，按它算这章只有约 1,800 个。

三个口径，同一章书，最大和最小差出一倍多。这不是谁数错了，是各家分词器把中文切块的方式不同， 对中文越友好的词表，同样的字数出的 token 越少。所以两条实用结论：记量级别记精确数， 一章 3000 字就是「几千个 token」；真扣了多少，以每次请求返回的用量统计为准，任何换算系数都只是估算。

那续写一段小说，钱花在哪？

很多人以为按「整本书的字数」收费，不是。每次续写，应用只把需要的部分送进模型： 相关前文、人物设定、你那句方向提示，合计一万个 token 上下；模型写出来一段三五百字。 钱就花在这一读一写上，跟你这本书是 30 万字还是 300 万字没有直接关系。

把牌价换算到这笔账上。按 DeepSeek 2026 年 7 月的官方定价，读进一万个 token 约一分钱， 写出一段约两厘不到，合计一分二厘。不想配 Key 走 Foreverse 官方渠道的话，实测均值是每段 19 credits：1 credit 等于万分之一美元，折人民币约一分四厘，贵出来的部分是替你省掉注册充值的服务费。 注册送的 5,000 credits 约够 260 段、8 到 13 万字。三条付费路线怎么选，费用账本篇算得更细，这里不重复。

为什么每次续写都要重新「读」一遍前文？

因为模型没有记性。它不记得上一次请求发生过什么，每次续写都要把前文重新读一遍， 听起来像是每段都要为同样的内容付一遍钱。救场的机制叫缓存：供应商发现这次请求的开头和上次一模一样， 就跳过重复计算，只按零头收费。DeepSeek 的缓存命中价是未命中的五十分之一， 换算过来：同一章前文第一次被读按一分钱量级收，之后每次续写再带上它，按零点零几厘收。

连续续写恰好是对缓存最友好的场景，因为每轮送进去的东西绝大部分和上一轮相同。 我们做过 60 轮连续续写的实测，中后段命中率稳定在九成上下， 过程和翻车现场都在缓存实测篇。 这也是「越聊越便宜」这个反直觉现象的全部原理。

token 是在变便宜还是变贵？

单说单价，在快速下跌：达到同等能力的模型价格逐年大幅下降，公开研究给的口径约每年降十倍。 但旗舰档的标价常年不动，思考型模型的隐性消耗又在涨，所以「单价跌、账单未必跌」两件事同时为真， 细账在价格趋势篇。对读者的落点很简单： 愿意按场景换模型的人一直在吃降价红利，永远默认最贵档的人吃不到。

最后把本文的账目汇总成三个能带走的数：一章 3000 字约合两三千个 token（各家口径 1,800 到 4,200）； 续写一段约一分多钱；同样的前文第二次起按五十分之一收。下次再看到「AI 太烧钱」的帖子， 先问一句：算的是哪个单位的账。