Token
Token 是语言模型读写文字的基本单位，可以是一个完整的词、词的一个片段、一个数字或一个标点。模型看到的不是字母或句子，而是一串 token，它能读入和写出的一切内容，都以 token 来计数。
更新于 2026年11月8日
只在你的设备上可读。
对话只在你的设备上可读；开启同步后，其他设备上也可读。别处一概读不到。
我们读不了。
消息只是经过，不会留下记录；你的对话始终只以加密形式保存。
模型不知道你是谁。
它只收到问题，绝不会收到你的邮箱、账户或 IP 地址。
途中什么也不留下。
回复传回后加密保存在这里；即使开启同步，你的密钥也从不以明文到达我们这里。
工作原理
在模型看到你的消息之前，分词器会依据一个包含数万个条目的固定词表，把文字切成小块。常见的词通常是一个 token，罕见的词会被拆成几个，一个很长的专业术语或人名可能占四五个。比如英文单词“unbelievable”可能被拆成“un”“believ”和“able”，而“the”则保持完整。大写字母、重音符号、制表符和末尾的空格，也会改变切分结果。随后，每个 token 会被转换成一串数字，神经网络真正处理的就是这些数字。
切分方式取决于语言，也取决于各个模型自己的分词器。英文平均每个词用的 token 较少，而词形变化丰富或使用其他文字系统的语言，用得往往更多，所以同一句话在日语或阿拉伯语里可能比在英语里花费更多。源代码、很长的数字、表情符号和网址，同样会被打散成许多小片段。不同模型家族的分词器各不相同，因此用某家服务商的工具数出来的结果，对另一个模型只能当作估算。
Token 之所以重要，有三个实际原因。第一，它衡量长度：模型一次能处理的 token 数有上限，一次回复能写出的 token 数也有上限。第二，它衡量费用：服务商通常把读入的 token（输入）和写出的 token（输出）分开计费。计费、延迟、截断和速率限制，都来自同一个计数。无论是总结一次会议、审阅一条租赁条款、修正一个正则表达式，还是翻译一份菜单，这套计数方式都适用。第三，它解释了一些奇怪的现象：按 token 而不是按字母工作的模型，在数一数“strawberry”里有几个“r”，或把一长串字符倒过来这类题目上，可能会出错。字节对编码（BPE）之类的分词算法从单个字节出发，反复合并出现最频繁的相邻字节对，直到得到所需大小的词表；这也解释了为什么常见的音节会成为一个独立条目，而罕见的字符串仍然是零散的碎片。
在 NeverNo 中
在 NeverNo 上，token 体现在每个模型显示的上限里。免费的私密模型 DeepSeek V4 Flash 的上下文窗口为 128,000 个 token，一次回复最多可以写 8,192 个 token，足以让一份长文档和一段长回答出现在同一场对话里。其他模型的空间有大有小，具体数字写在各自的模型页面上。
在 API 里，用量以 token 为单位报告，参数 max_tokens（或 max_completion_tokens）可以限制回复的长度。把文字转成用于检索的向量的嵌入端点，同样按 token 工作。关于 ChatGPT 替代方案的页面，讲解了如何从别的助手迁移过来，并把历史记录保存在你的浏览器里。
值得记住
Token 是一小段文字，通常是一个词或词的一部分，而不是一个字母。
同样的文字，用多少 token 取决于语言和模型。
上限和价格都按 token 计算，你发送的和收到的文字都算在内。
对话越长，每一轮用的 token 越多，因为之前的消息会被重新读一遍。
罕见的人名、代码和非拉丁文字会被拆成更多 token，费用也就悄悄升高。
常见问题
一页文字大约是多少 token？
这取决于语言和分词器。英文里一个 token 平均略少于一个词，所以一封 300 词的邮件大约是 400 个 token，一份二十页的报告则要上万个 token。同样长度的俄语、阿拉伯语或日语文字，通常花费更多。想要精确的数字，可以把样本粘贴到服务商的分词器页面里查看。
为什么上限按 token 而不是按词来定？
因为模型从来看不到词。它收到的是一串 token，所需的内存和计算量也随这串内容的长度增长。数 token，才能衡量真实的工作量，不论是哪种语言。
对话超过 token 上限会怎样？
视应用而定，较早的消息可能被裁剪、总结或丢弃，请求也可能被拒绝。可靠的办法是开一场新对话，开头附上一段简短的摘要。
问出你的第一个问题
无需账户，无需银行卡。NeverNo 会 10 种语言，用哪种写都行。
打开聊天