前沿模型的实际价格：Token × 价格，对吗？

背景

模型定价页面上通常只展示一个数字供你比较：每百万 token 的美元价格。把两个模型并列，一个看起来更便宜。但这种比较是破碎的——如果你用 AI 编码代理（coding agent）构建产品，这种破碎会向最昂贵的方向倾斜。问题的根源在于：价格是按 token 计算的，但“token”并不是一个固定的文本量：每个模型的 tokenizer 会将同一份文件切成不同数量的片段，而你按片段付费。以下是你账单上实际出现的数字。

核心内容

定价页面隐藏的数字

一个模型的费用由两个数字相乘得到：

费用 = (你的内容变成的 token 数) × (每个 token 的价格)

定价页面只向你展示第二个数字，并把第一个数字当作常数。但它不是常数。它是模型 tokenizer 的属性——tokenizer 负责将你的文本切分成模型实际计费的单元。两个模型可以宣传完全相同的“$5.00 / 1M 输入 token”，但处理同一段文字却给你不同的账单，因为其中一个模型把那段文字变成了更多的 token。

没有人公布“每单位内容的 token 数”，所以也没有人比较它。这就是整个幻觉所在。要看到真实价格，你必须测量 tokenizer，然后把它乘回去。

价格表隐藏的两个“地板”

价格表显示一个价格，却在下面隐藏了两层成本。两者都在下面测量，两者都会出现在你的账单上，但两者都不会出现在任何定价页面上。请记住这两个基准，因为它们是不同的比较，只有这样才能让数字对得上。

地板一：同标价牌下的隐形涨价。这是 Anthropic 的新 tokenizer 与其自身旧 tokenizer 的比较——同一供应商、同类对比。Claude Opus 4.6 和 Opus 4.8 携带完全相同的 $5.00 / $25.00 标价牌，但 4.8 搭载了更新的 tokenizer，它将相同的代码变成了大约 29–32% 更多的 token：TypeScript 增加 31%（从 898 到 1,178），Rust 增加 29%（从 1,019 到 1,312）。“相同价格，新模型”悄悄地让你多花大约 30%，而这一增加从未作为单独条目打印出来。

地板二：在你实际编写的语言上情况最糟。那个约 30% 是平均值。现在把新 Claude tokenizer 与市场上最精简的 tokenizer——GPT 的 o200k——在 TypeScript 上比较，而 TypeScript 正是 AI 编码代理生成的主要内容。差距是 73%（1,178 对 681 = 1.73 倍）。这是一个跨供应商的比较，Anthropic 从未声称与 GPT 的 token 数对等——所以把它看作放大器，而不是指控：正是它把抽象的“$/Mtok”变成了你具体工作负载上的实际损失。价格表无法向你展示这两个地板中的任何一个。

我们如何测量

我们取了 16 个真实样本——英文散文、一个 HTML 页面、JavaScript、Python、TypeScript 和 Rust 文件、JSON 工具 schema 和工具结果、中文聊天和散文、一段符号密集的文本，以及我们自己的实时 agent 系统提示——并在每个模型的真实 tokenizer 下逐一计数，按字节对字节。没有生成，没有账单估算：只有 token 计数。

• Anthropic (Claude)：通过 Anthropic 官方的 count_tokens 端点计数。这是权威的，与 Anthropic 计费时使用的计数相同。
• OpenAI (GPT)：通过 OpenAI 文档化的 o200k_base tokenizer 使用 tiktoken 计数。我们没有盲目信任最新模型：我们向 GPT-5.1、GPT-5.5 和 GPT-5.6 Sol 发送了真实的最小 API 调用，读取了实时的 usage token 计数，并用长减短的差值取消了请求框架的影响。这三个模型都与 o200k_base 完全匹配（比率 1.0000）。tokenizer 是经过验证的，而非假设。
• Google (Gemini) 和 xAI (Grok)：通过各自提供商的 token 计数端点计数。

我们使用 GPT 的 o200k 作为 1.00x 参考，每个跨供应商比率都读作“相对于 o200k 的 token 数”。它正是正确的标尺，因为它不会移动：o200k 已经冻结并公开文档化很长时间，所以它是一个稳定、可验证的基准——而 Claude 的 tokenizer 才是不断变化的部分。有两个模型我们刻意排除在比较表之外：DeepSeek 和 GLM。我们只对这两个模型有粗略的“字符数除以四”的估计，而不是真实的 tokenizer，而编造的数字正是本文要揭露的那种东西。它们要么被标注为估计值，要么根本不出现。

发现一：第一层地板，同标价牌下的隐形涨价

完整呈现地板一，这是数据集中最清晰的案例，因为价格表上没有任何变化——只有 tokenizer 变了。Claude Opus 4.6 和 Opus 4.8 共享完全相同的 $5.00 / $25.00 标价；4.8 只是搭载了更新的 tokenizer，并悄悄地用相同的代码收取更多费用。以下是新 tokenizer 与旧 tokenizer 在每个样本上的对比——每一行相同的字节数，同一供应商，在 Anthropic 自己的 count_tokens 端点上测量：

| 样本类型 |