同一段文本，GPT-5.6 Sol 用 766 个 token，Claude Opus 5 约 1,170 个，差 34.5%。只看每百万 token 的美元单价挑模型，等于把两个完全不同刻度的尺子拿来比谁更便宜。

不同模型的分词器不一样，切法不一样，token 数就不一样。它不是克，也不是千瓦时，是一个没法直接对齐的"单位"。单价那栏看着更便宜的模型，等量文本烧出来的真金白银可能更多。

打个比方就好懂。两个一样的披萨，一个切 8 块、每块标价 2 美元，总价 16；另一个切 16 块、每块 1.25 美元，总价 20。表面单价低的那个，其实更贵。

这事对按月跑 API 的人后果挺直接：账单上的数字，和你精打细算选出来的"便宜模型"，经常对不上。英文、技术文档、多语言混合、数字密集型的工程文本里，分词粒度的差异会让某些模型悄悄多吃三四成 token，月结时累计下来差距就很实在。

补一句边界：上面 766 和 1,170 是 Tibo 在 X 上做的一次小型对比，不是什么权威基准，换语种、换文档类型，比例还会动。

所以拿来拍板的，应该是同一段输入、同一段输出，在你自己业务文本上跑一遍，得出的总价和效果，再决定贵不贵。比较"每次成功结果的价格"，比盯着 token 单价靠谱得多。

你平时挑模型，是直接看 token 单价，还是会先拿自己的业务文本跑一遍再算账？