token去哪了？——从“哗哗流走”到“精打细算”

📖 小说情节：几百块怎么就没的？

夏知晓，就开始讲他怎么在短视频里看到小龙虾，怎么自己学了安装，怎么发现科技市场有人排队装机，他脑子活，跑去摆摊帮人装，一个月赚了两万多。

赚了钱就膨胀了，想用小龙虾赚更多，让虾“想办法赚钱”，装了一堆据说能自动交易的技能包。

结果现在，每天token哗哗流走，欠了好几百；亲戚朋友轮番打电话问他是不是缺钱，说收到他微信借钱……

后来钱卫自己也养了虾。

李秀梅路过书房，看见钱卫盯着屏幕，屏幕上有三个窗口同时在跑。她问：“这三只是什么？”

钱卫说：“一号帮我写单元测试、查文档。二号帮我爬技术文章，整理摘要。三号专门挑我代码的毛病。”

李秀梅笑了：“你给自己找了三个帮手？”

“算是吧。”

他给三只虾设了严格的权限。而且每一条指令，他都会先想一遍，再输入。

小说里，夏知晓因为token欠费几百块而焦头烂额，钱卫却精打细算，让三只虾各司其职。token到底是什么？为什么有人能用得很省，有人却“哗哗流走”？今天我们就来聊聊AI的“流量费”。

🔧 技术解码：Token是什么？为什么消耗这么大？

1. Token是AI世界的“字数”

Token是AI大模型的计费单位。你可以把它理解成“算力的字数”。

在2026年3月之前，token在中文世界里一直没有统一的官方译名。

搞区块链的人叫它“代币”，做网络安全的人叫它“令牌”，编译器开发者叫它“标记”——同一个英文词，在不同领域各叫各的。

清华教授杨斌提议叫“模元”——“模”指大模型，“元”是基本单元，专为AI时代量身定制。百川智能创始人王小川、新智元等力推“智元”，理由是token不只处理文字，还能处理图像、音频、视频，“智”更能体现其服务于智能计算的本质。还有网友整活儿提议叫“偷啃”的。

2026年3月23日，这件事终于尘埃落定。在中国发展高层论坛年会上，国家数据局局长刘烈宏正式给出了token的中文名——“词元”。紧接着，全国科学技术名词审定委员会也发布公告，优先推荐“词元”作为人工智能领域token的中文名，面向全社会发布试用。

大语言模型不认识“字”，它们认识“token”。一段文本会被拆分成若干个token：

– 中文：1个汉字 ≈ 1-2个token
– 英文：1个单词 ≈ 1-3个token
– 标点符号：1个符号 ≈ 1个token

举个例子：
> “今天天气真好”
> 可能被拆成：[“今天”, “天气”, “真好”] → 3个token。

> “The weather is nice today”
> 可能被拆成：[“The”, ” weather”, ” is”, ” nice”, ” today”] → 5个token。

每次你和AI对话、AI帮你写代码、AI自己“思考”时，都在消耗token。输入要花钱，输出也要花钱。就像打电话，接通了就开始计费，不管你说什么。

2. Token怎么“哗哗流走”的？

小说里夏知晓欠了几百块，可能遇到了以下几种情况：

① AI卡住了，反复重试

如果AI在执行一个任务时遇到错误（比如API返回异常、代码运行失败），它可能会自动重试。如果重试逻辑写得不好，可能陷入死循环，反复重复的询问确认一个问题——每一次重试都是一次token消耗，几分钟就能跑掉几十甚至几百块。

② 技能包恶意消耗

有些“恶意技能包”会故意让AI执行高消耗的操作：
– 让AI反复调用最贵的模型
– 让AI生成超长的无用内容（比如生成一部小说）
– 让AI在后台不停“学习”新技能（其实是在空转）

③ 上下文越来越长

AI对话时，每次请求都要把“历史记录”重新发一遍。这叫“上下文”。如果对话持续几天，上下文可能变得非常长——几万甚至几十万个token。每次请求都要付这些“历史记录”的钱，即使AI只是回你一个“好的”。

举个例子：
– 你第一天和AI聊了1000个token
– 第二天继续聊，要把第一天的1000个token再发一遍，加上第二天的新内容，可能变成2000个token
– 第三天变3000个……
– 到第十天，每次请求都要付1万个token的“历史费”

这就是为什么很多人觉得“越用越贵”——不是AI涨价了，是你的对话太长了。

④ 用错了模型

不同模型的token价格不一样。有的模型1块钱能买100万个token，有的模型100块钱才能买100万个token。如果你用最贵的模型去干最简单的事（比如用顶配模型问“今天天气怎么样”），就是“杀鸡用牛刀”，钱哗哗地流。

3. 一个不能忽视的背景：算力市场“涨价潮”

2026年3月，国内外云厂商在10天内相继发布调价公告，核心AI算力与存储服务价格普遍上调约30%至50%，其中腾讯云部分核心产品涨幅高达400%。与此同时，中国日均Token调用量已突破140万亿，而2024年初仅为1000亿，两年增长超千倍。

这意味着：如果继续“粗放式”使用AI（不管理上下文、不选合适模型），账单会明显上涨。学会“精打细算”比以往任何时候都重要。

4. 钱卫为什么省？

小说里钱卫给三只虾分配了不同任务，而且“每一条指令都会先想一遍再输入”。这就是省钱的关键：

– 精准指令：不废话，不绕弯子。问什么就说什么，减少不必要的输入token。
– 分工明确：每个AI只做一类事，不会因为“杂念”产生多余的上下文。
– 用完就关：不把AI挂在那儿“待机”，因为待机也可能产生消耗（比如后台自动刷新）。

🏠 生活化类比：手机流量

把token想象成手机流量：

– 刷短视频（复杂任务，比如让AI写一篇深度报告）→ 费流量，1小时可能用掉几个G
– 看文字新闻（简单任务，比如问“今天天气怎么样”）→ 省流量，1小时可能只用几十M
– 后台App偷跑流量（AI卡住重试、恶意消耗）→ 你没在用它，流量却在流
– 视频通话（上下文很长）→ 通话时间越长，流量消耗越大

省流量的方法：
– 刷视频用Wi-Fi（复杂任务用便宜的模型）
– 看新闻用流量（简单任务用便宜的模型）
– 关掉后台App刷新（用完就关，清空上下文）
– 监控流量使用情况（定期检查token消耗）

夏知晓犯的错：他不仅开着“视频通话”不挂断，还同时开着好几个“后台App”偷偷跑流量，而且用的是最贵的“5G套餐”。

钱卫的做法：他用“Wi-Fi”看视频（复杂任务用好模型），用“流量”看新闻（简单任务用便宜模型），用完就关App，还定期查话费账单。

💡 实用建议：节省token的“省钱工具箱”

1. 用好内置命令，减少无效上下文

OpenClaw提供了一系列内置命令，可以帮你管理上下文。注意：部分命令有“先免费再付费”的机制，用好它们可以省下不少token。

命令	作用	省钱原理
/new	开启全新会话，清空所有历史	重新开一个聊天窗口，不背旧包袱
/clear	清空当前会话的上下文	删除聊天记录，从头聊
/compact	压缩上下文	优先用Session Memory免费本地压缩，不消耗API；必要时才调用LLM总结（消耗少量token）
/compress	更强力的压缩	同上，但压缩得更彻底
/restart	重启AI，清空一切	关机重启，彻底清零
/stop	停止当前正在执行的任务	挂断电话，防止无效重试
/status	查看当前token消耗	查话费余额，心里有数
/btw	插入“旁白问题”，不打断主对话	避免因插入小问题而拉长主对话的上下文

使用技巧：
– 每次开始新任务前，用`/new`或`/clear`，避免历史记录拖累
– 任务跑太久没反应，用`/stop`停掉，别让它一直重试
– 定期用`/status`看看消耗，心里有数
– 有小问题想问？用`/btw`，不要直接往主对话里塞

2. 脚本化重复任务，别让AI反复干活

原理：让AI帮你写一次脚本，然后以后用脚本执行，不消耗token。只有脚本出错或需要变更时，才请AI介入。

例子：
– 场景：每天上班期间每小时检查邮件，有重要邮件就摘要发给你
– 笨办法：每天上班期间每小时检查邮箱，每次消耗token
– 聪明办法：让AI写一个Python脚本，用cron定时执行。脚本检测到重要邮件时，才调用AI的API去生成摘要。这样90%的时间里，脚本自己跑，不花一分钱token。

生活类比：就像在大门口安装了监控摄像头，当你看到门口来快递，才会去门口取快递，而不用每个小时都跑到大门口看看。

3. 模型分级使用，简单任务用便宜模型

原理：不同模型的token价格相差很大。以下是2026年3月主流模型的价格梯队（输出价格，美元/百万Token）：

梯队	输出价格	代表模型	适合场景
极致性价比区	$0.40–$2.50	Gemini 2.5 Flash-Lite、DeepSeek-V3.2、Qwen-Flash	高并发轻量场景、批量处理、代码补全
均衡旗舰区	$5–$15	Claude Sonnet 4.6、GPT-4.1 Claude Sonnet 4.6	日常编程、Agent开发、RAG系统
顶级旗舰区	$25–$40	Claude Opus 4.6、o3	复杂推理、Agent编程、Computer Use

使用技巧：
– 抓新闻、查动态、做简单摘要 → 用极致性价比区（DeepSeek、Qwen）
– 写代码、做数据分析 → 用均衡旗舰区（Claude Sonnet、GPT-4.1）
– 科研分析、复杂决策、战略规划 → 用顶级旗舰区（Claude Opus、o3）

生活类比：Wi-Fi下用高清，户外用省流模式。

4. 对话分流，别让“一个会话干所有事”

原理：不同用途的对话用不同会话/模型，避免一个会话积累太多历史记录。

钱卫的做法就是典型：
– 会话1（代码助手）：只聊代码，历史记录全是代码相关内容
– 会话2（资料助手）：只聊资料搜索，历史记录全是技术文章
– 会话3（代码审查）：只聊审查意见，历史记录全是bug分析

这样每个会话的上下文都很“干净”，不会互相污染，也不会因为无关的历史记录而浪费token。

5. 设置每日/单次 token上限

很多AI工具允许设置“每日token上限”或“单次任务上限”。这是防止“意外超支”的最后一道防线。

建议设置：
– 单次任务上限：比如1000 token，超过就自动停止
– 每日上限：比如10000 token，超过就锁住，第二天自动解锁
– 月度预算：设置总预算，快超时发警报

生活类比：给手机套餐设置“流量提醒”，超过多少就断网，防止欠费。

6. 定期审计消耗明细

像查话费账单一样，定期检查token消耗明细：
– 哪个会话消耗最多？是不是该清空了？
– 哪个技能包消耗异常？是不是在后台偷跑？
– 哪天的消耗特别高？是不是出了什么问题？

OpenClaw的查看方法：用`/status`命令可以看到当前会话的消耗，更详细的日志在`~/.openclaw/logs/`目录下。

7. 利用开源模型本地部署（省钱又安全）

如果你有敏感数据（如个人隐私、商业机密），或者想彻底摆脱“按token付费”的模式，可以考虑本地部署开源模型。

优势：
– 数据不出电脑，没有隐私泄露风险
– 无API调用费，只有电费
– 对Token消耗有完全的控制权

推荐模型：DeepSeek本地版、Qwen本地版、Llama 3系列。2026年3月NVIDIA发布的Nemotron 3 Super（1200亿参数，100万Token上下文窗口）也是不错的选择。

注意：本地部署需要一定的硬件配置（如高性能显卡），前期硬件投入和长期运行的电力成本是需要考虑的因素。

8. 安装“省钱插件”，让AI自己省token

OpenClaw生态中有一些专门为节省token设计的插件，可以大幅降低消耗：

插件/技能	作用	节省效果
lossless-claw	基于DAG层次化摘要的“无损记忆压缩”	Token消耗降低30%以上
Memos	智能提取关键信息+按需召回+避免重复传输	Token消耗降低77%以上
qmd	本地知识库精准检索	节省85%-95%
memory-optimizer	对话记忆自动压缩	节省40%-60%
clawsec	安全熔断，防止无效调用	100%止损（阻止异常消耗）

使用建议：安装这些插件后，AI会在后台自动优化上下文管理，你几乎感觉不到它的存在，但账单会明显变瘦。

📝 本章小结

概念	通俗解释
Token	AI的“流量”，每次对话都要消耗
上下文	对话的历史记录，越长越费钱
重试	AI卡住了反复尝试，每次尝试都花钱
内置命令	`/new`、`/clear`、`/compact`、`/btw`等，帮你管理上下文、省token
脚本化	重复任务写成脚本，不花token
模型分级	简单任务用便宜模型，复杂任务用好模型
对话分流	不同任务分开聊，避免上下文太长
设置上限	最后一道防线，防止意外超支
定期审计	像查话费一样查token账单
本地部署	数据不出门，没有API调用费
省钱插件	lossless-claw、Memos等，让AI自己省token