非拉丁字母文本的 token 消耗可达英文 17 倍,用户被收“tokenizer 税”
同一段话,泰文要花英文 17 倍的 token,用 GPT 类 API 的人可以看看自己语言有没有被多收费。
Rest of World 报道称,主流 AI 模型处理非拉丁字母文本最多需要 17 倍于英文的 token 数。这意味着泰文、缅甸文等语言的用户在调用 API 或使用订阅服务时,成本与配额消耗远高于英语用户,形成所谓的 tokenizer tax。同一句话按 token 计费时,不同文字系统之间的价格差异可以非常大。
AI models can take up to 17 times more tokens to process non-Latin scripts than English, saddling users with a steep "tokenizer tax" https://t.co/eBEuMBLJX2 https://t.co/CZWqTv6eFf