简体中文在 GPT 中的 Token 数几乎与英文相同（1.03×）

Jonhisking · 2026-10-01

我们把同一段客服提示词翻译成 34 种语言，用 OpenAI 当前的 o200k_base 分词器（GPT-4o 及之后的模型）统计 Token。英文需要 34 个 Token，简体中文需要 35 个，是英文的 1.03×，在 34 种语言中排第 2 便宜。

简体中文版本：

请用三个要点总结下面的客户邮件，并建议一封礼貌的回复。客户说订单晚到了两天，而且箱子里少了一件商品。

结果

为什么

分词器主要用英文数据训练，常见英文单词往往是 1 个 Token（" polite"、" customer"）。o200k 词表也收录了大量常用中文词，所以简体中文几乎不吃亏：

• 请用三个要点总结下面的客户邮 → 请 | 用 | 三个 | 要 | 点 | 总结 | 下面 | 的 | 客户 | 邮 · 10

与旧分词器相比

在 GPT-4 时代的 cl100k 分词器上，同一提示词是英文的 1.53×，现在是 1.03×。繁体中文仍为 1.35×，简繁差距明显。

换算成费用

按输入每 100 万 Token 2 美元计算，把这段提示词发送 100 万次：英文 $68，简体中文 $70。几乎没有差别。

省 Token 的小建议

• 固定的系统提示词可以用英文或中文，差别不大，重点是删掉重复和客套话。
• 分类、抽取、工具调用等中间步骤让模型输出 JSON，只把最终回答用中文。
• 对固定前缀使用提示词缓存（Prompt Caching），输入单价会大幅下降。

局限

• 只测了一段提示词，不同文本比例可能相差 0.1–0.2。
• Claude 和 Gemini 使用不同分词器，这些数字只适用于 OpenAI 模型。
• 译文以机器翻译为基础并经过检查。

全部 34 种语言的结果（英文）：34 种语言对比