技術拆解/輸入指令與生成內容 均計作詞元
Token是AI模型的最小單位，當用家在使用ChatGPT、Claude或Gemini時，每一次輸入與回覆，背後都在消耗一種看不見的單位「Token」。
簡單來說，Token就是AI處理文字時的最小單位。在大型語言模型（LLM）中，所有輸入的句子都不會直接被「閱讀」，而是會先被拆解成一個個Token，接着再轉換成對應的數字編碼，模型才能進行後續的運算與預測。
換句話說，人類看到的是完整語句，但AI真正處理的是「Token＋數字」。這也是為什麼AI的核心運作並不是理解語意，而是透過大量資料訓練後，去預測下一個最可能出現的Token，進而產生看似合理的回答。
因此，當內容越長、對話越多，Token就越多、成本也越高。在多數AI服務中，Token不只是資料處理單位，同時也是計算費用的基礎。無論是輸入的內容，還是模型產生的回覆，都會被計算成Token，並轉換為使用成本。
這就是說，當輸入越長的指令，或是讓AI產生越多內容時，所消耗的Token就會越多，相對的費用也會提高。對於使用API（應用程式界面）或進階方案的使用者來說，這種影響會更加明顯，因為每一次互動背後都對應到實際的資源消耗。而所謂API，簡言之，是指可以幫助開發者節省精力，並很快地達到目的的界面。
模型內部推理仍產生成本
另外，在某些進階模型中，還可能存在額外的Token類型，例如用於加速回應的快取Token，或是模型內部推理過程所使用的Token。雖然一般使用者不一定會直接感受到這些差異，但它們會影響整體成本與效能。
以ClaudeCode為例，是Anthropic推出的一款代理型（Agentic）AI工具，能控制用家的電腦終端機，擁有查看檔案、編輯程式碼、執行指令的權限，故所使用的Token也會更多，成本更高。
