这里给的是估算值，不是精确数。每家模型的分词方式不同，同一段话在 GPT、Claude、Gemini 上的真实 token 数会有出入，正负一两成都正常。要精确数字，用各家官方的 tokenizer 工具核对。
这个数字拿来干嘛？
你大概遇到过这种情况：把一大段资料丢给 AI，它要么回得驴唇不对马嘴，要么直接提示"太长了"。原因往往是超过了它一次能读进去的上限——这个上限就是用 token 来算的，不是用字数。
token 可以粗略理解成 AI 眼里的"词块"。英文里一个常见单词差不多就是 1 个 token，长一点的词会被拆成两三块；中文更费，一个汉字常常顶 1 到 2 个 token。所以同样"看着不长"的一段中文，吃掉的 token 往往比你以为的多。知道大概数字，就能提前判断：这份资料要不要分批喂、要不要先精简。
中文为什么比英文更"费 token"
模型的分词表是拿海量文本训练出来的，英文语料多、规律强，一个词往往能整块对应一个 token；中文字形多、组合杂，很多字得单独成块，甚至一个字拆成两块。结果就是：同样表达一个意思，中文消耗的 token 通常比英文多。这也是为什么有人把长中文文档翻成英文再喂给 AI——不是为了语言，是为了省 token、把更多内容塞进一次对话。
顺带一提，token 还直接关系到花多少钱：按量付费的接口就是按 token 计费，输入和输出都算。日常聊天感觉不到，但你要批量处理文档，token 的多少就是真金白银。想算一笔订阅账，可以用 AI 订阅成本计算器。
怎么判断"会不会超"
不同模型一次能读的 token 上限差很多，从几千到上百万都有，而且一直在更新。用法很简单：把你打算一次性喂进去的全部内容（你的提问 + 贴进去的资料）都放进上面的框，看估算的 token 数，再去对照你用的那款模型当前的上下文上限。如果估算值已经接近上限，就别指望它能读全——该分批喂，或者先把资料精简一遍。
常见问题
这个估算准吗？
只能当大概参考。真实 token 数取决于具体模型的分词器，这里用的是按中文字、英文词、其它字符分别加权的经验公式，和官方数字会有正负一两成的差距。判断"长不长、要不要分批"够用；要精确计费数字，请用各模型官方的 tokenizer。
我贴进去的文字会被上传或保存吗？
不会。计算全部在你自己的浏览器里完成，页面没有把内容发到任何服务器，也不写入本地存储。关掉页面就没了。即便如此，公司机密和他人隐私仍建议谨慎处理。
token 和字数到底什么关系？
没有固定换算。粗略说，英文大约 4 个字符≈1 token，中文大约 1 个字≈1～2 token。所以同样字数，中文的 token 通常更多。这也是上面把"字符数"和"估算 token"分开列的原因。