ChatGPT的何计计费单位是Token，不是何计字数，也不是何计请求次数。你发一句话、何计模型回一段话，何计背后都在按Token扣钱。何计这玩意儿听起来抽象，何计但换算成钱其实很直接——比如GPT-4o，何计每百万输入Token收2.5美元，何计输出Token收10美元。何计你写一封200字的何计邮件，大概消耗150个Token，何计成本不到0.001美元。何计但如果你让它写代码、何计改长文，何计或者连续对话几十轮，账单就会悄悄涨上去。

Token到底是什么？简单说，它是模型处理文本的最小片段。英文里，一个单词可能是一个Token，也可能拆成两三个。比如“ChatGPT”会被切成“Chat”和“GPT”两个Token。中文更碎，一个汉字通常算1到2个Token，具体看模型的分词器。标点、空格、换行都算。你发一句“你好，今天天气不错”，大概消耗8到10个Token。模型回复同样长度，再扣一遍。所以一次来回，20个Token就没了。

计费分输入和输出，价格不一样。输出通常更贵，因为生成比理解费算力。以GPT-3.5 Turbo为例，输入每百万Token 0.5美元，输出1.5美元。GPT-4 Turbo输入10美元，输出30美元。GPT-4o输入5美元，输出15美元。这些价格会变，OpenAI调过好几次。你调用API时，每次请求的响应头里会带Token数，自己也能用tiktoken库算。我习惯在代码里加一行日志，把每次消耗打出来，月底对账不懵。

有个容易踩的坑：上下文长度也计费。ChatGPT的对话是累积的，你问第一个问题，它记着；问第二个，它把前文一起塞进模型。这意味着每轮对话，输入Token都在增加。比如第一轮输入50 Token，第二轮就变成50+第一轮输出+新问题。聊到第十轮，输入可能几百Token。所以长对话比短对话贵得多。我试过连续问20个问题，最后几轮的输入Token是首轮的五六倍。想省钱，该开新对话就开，别让历史拖累。

图片和文件也走Token。GPT-4o处理图片时，按分辨率折算Token。一张1024x1024的图，大概消耗765个Token。你上传PDF，系统会先抽文字，再按文字量算。如果PDF是扫描件，走OCR，额外消耗。语音输入呢？Whisper按分钟计费，每分钟0.006美元，跟Token无关。但语音转文字后，文字部分还是按Token算。所以别以为语音就便宜。

实际用起来，个人用户很少直接看Token账单。ChatGPT Plus每月20美元，随便用，不按Token扣。但API用户就敏感了。我有个朋友做客服机器人，每天处理5万条消息，平均每条输入80 Token、输出120 Token。用GPT-3.5 Turbo，一天成本约(5万*80/1e6*0.5)+(5万*120/1e6*1.5)=2+9=11美元。一个月330美元。换成GPT-4o，直接翻10倍。他最后混用模型，简单问题走3.5，复杂问题走4o，省了六成。

还有缓存机制。OpenAI对重复的输入有缓存折扣，比如你反复发同一段系统提示，第二次起输入Token打五折。但普通用户感知不强。真正省钱的办法是精简提示词。别写“请你作为一个资深专家，用专业但友好的语气，帮我分析以下问题……”这种废话，直接说“分析这个问题：”。我试过，同样任务，精简后输入Token少40%。输出也让它别啰嗦，“用一句话回答”比“详细解释”省一半输出Token。

最后说个观察：Token计费其实在惩罚废话。你写得越啰嗦，模型回得越啰嗦，账单越厚。反过来，学会用短提示、明确约束、及时清空上下文，成本能降一个量级。这不是技术问题，是习惯问题。我见过有人用API写周报，每次把整周邮件粘进去，一个月烧了200美元。其实摘要一下再发，20美元够了。Token不会骗人，它只反映你实际用了多少计算资源。