Token 计算器
计算使用 AI 语言模型的成本，从文本估算 token 数量，并比较 GPT-5、Claude、Gemini 等模型的计费。
$
$
$0.02
输入: $0.0050 · 输出: $0.01
$1.75
100 每日请求次数
$52.50
30 天
$638.75
365 天
从文本估算 token 数
字符
0
字数
0
估算 token 数
~0
Token 计算器。估算大模型 token 数量与 GPT、Claude、DeepSeek 的 API 费用。
Token 计算器根据文本或 token 数，按每百万 token 单价估算 GPT、Claude、Gemini、DeepSeek 等大模型的输入与输出 API 费用。它同时给出单次、每天、每月和每年成本——例如 100 万输入 token 从 DeepSeek V4 Pro 的 1.32 美元到 Claude Opus 4.8 的 5 美元不等，输出 token 通常更贵。
什么是 token？大模型 API 为什么按 token 收费
Token 是大语言模型处理文本的最小单位，也是几乎所有大模型 API 的计费单位。一个 token 可能是一个汉字、一个英文单词、一个词根、一个标点，甚至一个英文长单词里的若干字节片段。你发给模型的提示词（prompt）、系统指令、对话历史、检索到的资料，加上模型生成的回答，全部按 token 计量；OpenAI、Anthropic、Google、DeepSeek 等厂商都以「每百万 token 多少美元」标价，而且输入 token 与输出 token 分开计费，输出通常明显更贵。
中文和英文的 token 密度并不一样，关键在分词器。OpenAI、Anthropic 早期的词表以英文为默认语言，中文是后来「塞进」词表的，所以在 GPT、Claude 上 1 个汉字大约折合 1 到 1.5 个 token，同样意思的中文往往比英文更费 token——这就是常被讨论的「中文税」。但 2026 年的情况已经出现反转：DeepSeek、通义千问（Qwen）等国产模型从一开始就把大量常用汉字与词组作为整字、整词纳入词表，1 个汉字常常只算 1 个 token 甚至更少，在中文密集的文本上常常比英文还更省 token。因此「中文一定更贵」在国产模型上已经不成立，处理中文语料时选对分词器本身就是省钱。
对中国开发者来说，估算 token 早已不只是「看 OpenAI 账单」，而是在中外十几款模型里挑性价比最高的那一个。本计算器内置 OpenAI、Anthropic、Google、DeepSeek、xAI、Mistral、Amazon、Meta、Cohere 等厂商的预设单价，其中 DeepSeek 是价格极低的国产代表——V4 Pro 每百万输入 token 仅 0.435 美元、输出 0.87 美元，官方定价页可查。通义千问、Kimi、豆包、智谱 GLM 等尚未内置的模型，可切到「自定义」手动填入它们每百万或每千 token 的单价，同样能算出从单次到每年的完整成本。
Token 计算器怎么用
从选模型到看懂每月账单，只要几步。
1. 选模型。下拉列表按厂商分组，选 GPT-5.4、Claude Sonnet 4.6、DeepSeek V4 Pro 等预设会自动带入官方单价；列表里没有的模型，如通义千问、Kimi、豆包，选「自定义」后手动填单价。
2. 确认单价与单位。单价框旁的「1K / 1M」开关可在「每千 token」和「每百万 token」之间切换——国产厂商常按元/千 token 报价，海外多按美元/百万 token，本工具统一以美元结算。
3. 填 token 数与频率。分别填入输入 token、输出 token 和每天调用次数。不确定 token 数？用下方的文本估算器先估一版。
4. 读结果四张卡。单次、每天、每月、每年费用一目了然，输入成本与输出成本也分开列出，方便你判断到底是提示词太长还是回答太啰嗦。
5. 用文本估算器。粘贴任意文本，立刻看到字符数、词数和估算 token 数；它采用 max(⌈字符/4⌉, ⌈词数×1.33⌉) 的通用启发式——对英文和中英混排够用，纯中文偏保守，追求精确请用 tiktoken 或直接读 API 返回的 usage 字段。
单次费用的公式是：
换句话说：输入 token 数 × 输入单价，加上 输出 token 数 × 输出单价，再除以 100 万，就是单次费用；把它乘以每天调用次数、再乘以 30，就是每月预算。本工具全部在浏览器本地计算，粘贴的文本不会上传到任何服务器，也不消耗任何模型配额。
大模型 API 费用计算公式
- = 单次 API 调用费用（美元或人民币，与单价单位一致）
- = 输入 token 数（system prompt + 对话历史 + 当前请求）
- = 输出 token 数（模型生成的回答 / JSON / 代码）
- = 输入价格（每 1,000,000 token 的费率）
- = 输出价格（每 1,000,000 token 的费率）
若按月规划预算，把单次费用乘以日调用量与天数即可：
其中 R 为日均请求数。
开启 prompt 缓存（OpenAI 自动、Anthropic 显式声明、阿里云百炼上下文缓存、Kimi/DeepSeek 自动命中）后，命中部分按基础输入价的 10%–50% 计费。Claude Sonnet 4.6 缓存命中是 0.30 美元/百万 token（输入 3 美元 的 10%），DeepSeek V4 Flash 缓存命中低至 0.006 美元/百万 token，Kimi K2.6 缓存命中按 16.9% 计费。如果 system prompt 与 RAG 上下文每次重复发送 2,000 token，开缓存可节省 70%–90% 的输入成本。Batch API（OpenAI、Anthropic、阿里云、Kimi）通常再给 50% 折扣，适合非实时报表、批量打标签、离线总结这类任务。
各大模型每百万 token 价格速查（1M tokens 是多少钱）
| 模型 | 输入（美元 / 百万 token） | 输出（美元 / 百万 token） | 输出 ÷ 输入 |
|---|---|---|---|
| Amazon Nova Micro | 0.035 美元 | 0.14 美元 | 4× |
| Cohere Command R7B | 0.0375 美元 | 0.15 美元 | 4× |
| Gemini 2.5 Flash-Lite | 0.10 美元 | 0.40 美元 | 4× |
| Mistral Small 4 | 0.15 美元 | 0.60 美元 | 4× |
| GPT-5.6 Luna | 0.20 美元 | 1.20 美元 | 6× |
| GPT-5.4 Nano | 0.20 美元 | 1.25 美元 | 6.3× |
| Gemini 3.1 Flash-Lite | 0.25 美元 | 1.50 美元 | 6× |
| Codestral | 0.30 美元 | 0.90 美元 | 3× |
| DeepSeek V4 Flash | 0.30 美元 | 1.20 美元 | 4× |
| Gemini 3.5 Flash-Lite | 0.30 美元 | 2.50 美元 | 8.3× |
| Gemini 2.5 Flash | 0.30 美元 | 2.50 美元 | 8.3× |
| Mistral Large 3 | 0.50 美元 | 1.50 美元 | 3× |
| Llama 3.3 70B | 0.59 美元 | 0.79 美元 | 1.3× |
| Gemini 3.6 Flash | 0.75 美元 | 3.75 美元 | 5× |
| GPT-5.4 Mini | 0.75 美元 | 4.50 美元 | 6× |
| Amazon Nova Pro | 0.80 美元 | 3.20 美元 | 4× |
| Claude Haiku 4.5 | 1 美元 | 5 美元 | 5× |
| Grok 4.3 | 1.25 美元 | 2.50 美元 | 2× |
| Gemini 2.5 Pro | 1.25 美元 | 10 美元 | 8× |
| DeepSeek V4 Pro | 1.32 美元 | 3.96 美元 | 3× |
| Mistral Medium 3.5 | 1.50 美元 | 7.50 美元 | 5× |
| Gemini 3.5 Flash | 1.50 美元 | 9 美元 | 6× |
| GPT-5.3 Codex | 1.75 美元 | 14 美元 | 8× |
| Grok 4.5 | 2 美元 | 6 美元 | 3× |
| Claude Sonnet 5 | 2 美元 | 10 美元 | 5× |
| GPT-5.6 Terra | 2 美元 | 12 美元 | 6× |
| Gemini 3.1 Pro | 2 美元 | 12 美元 | 6× |
| Cohere Command R+ | 2.50 美元 | 10 美元 | 4× |
| Amazon Nova Premier | 2.50 美元 | 12.50 美元 | 5× |
| GPT-5.4 | 2.50 美元 | 15 美元 | 6× |
| Claude Sonnet 4.6 | 3 美元 | 15 美元 | 5× |
| GPT-5.6 Sol | 4 美元 | 20 美元 | 5× |
| Claude Opus 5 | 5 美元 | 25 美元 | 5× |
| Claude Opus 4.8 | 5 美元 | 25 美元 | 5× |
| GPT-5.5 | 5 美元 | 30 美元 | 6× |
| Claude Fable 5 | 10 美元 | 50 美元 | 5× |
| GPT-5.5 Pro | 30 美元 | 180 美元 | 6× |
费用估算实例：中国开发者常见场景（数字来自计算器引擎）
中文客服机器人：每天 100 次对话，一年差多少钱
一个电商客服机器人：每次对话的输入约 2,000 token（系统指令 + 对话历史 + 用户问题），回答约 500 输出 token，每天 100 次。
用 GPT-5.4（输入 2.50 美元、输出 15 美元/百万 token）：单次 0.0125 美元，每天 1.25 美元，每月 37.50 美元，每年 456.25 美元。
换 Claude Sonnet 4.6（3/15 美元）：单次 0.0135 美元，每天 1.35 美元，每月 40.50 美元，每年 492.75 美元。
换 Claude Haiku 4.5（1/5 美元）：单次 0.0045 美元，每月 13.50 美元，每年 164.25 美元。
换 DeepSeek V4 Pro（1.32/3.96 美元）：单次 0.001305 美元，每天 0.1305 美元，每月 3.92 美元，每年 47.63 美元——月成本约为 GPT-5.4 的十分之一（13.86 美元 对 37.50 美元）。同样一套对话量，选对模型一年就差出四百多美元，模型选型几乎是账单上最大的杠杆。
长文档 / RAG：一次读入 10 万 token 要花多少
媒体或知识库场景，一次把一份长报告（约 100,000 输入 token，大致相当于 6–8 万汉字、一本中篇小说）喂给模型，生成 2,000 token 的摘要。
用 GPT-5.4：输入 0.25 美元 + 输出 0.03 美元 = 单次 0.28 美元。
用 Claude Opus 4.8（5/25 美元）：输入 0.50 美元 + 输出 0.05 美元 = 单次 0.55 美元。
用 Gemini 3.5 Flash（1.50/9 美元）：输入 0.15 美元 + 输出 0.018 美元 = 单次 0.168 美元。
用 DeepSeek V4 Pro：输入 0.132 美元 + 输出 0.0079 美元 = 单次 0.1399 美元——约为 GPT-5.4 的六分之一（0.28 美元 对 0.1399 美元）。注意长上下文里输入 token 占绝对大头，所以「输入单价」才是长文档任务的决定因素，这也是国产长文本模型在这类场景几乎闭眼选的原因。
从文本估算 token：这段话到底多少 token
文本估算器用 max(⌈字符/4⌉, ⌈词数×1.33⌉) 换算。
一句英文短句「The quick brown fox…」共 44 个字符、9 个词：按字符 ⌈44/4⌉ = 11，按词数 ⌈9×1.33⌉ = 12，取较大值 = 12 token。
一篇 500 词的英文文档共 3,999 个字符：按字符 ⌈3999/4⌉ = 1,000，按词数 ⌈500×1.33⌉ = 665，取较大值 = 1,000 token（字符项胜出）。
可见对正常带空格的文本，字符/4 一侧几乎总是主导。要提醒的是：纯中文没有空格、字符密度更高，字符/4 会低估真实 token；在 GPT 系上实际约 1–1.5 token/字，在 DeepSeek、Qwen 上约 1 token/字甚至更少。要报预算就够用，要精确对账请以 API 的 usage 字段为准。
估算 token 成本时最容易踩的坑
- 把输入价当成输出价。输出几乎总是更贵：GPT-5.4 输出是输入的 6 倍（2.5 → 15 美元），Claude 系约 5 倍，只有 DeepSeek V4 Pro 这类国产模型压到 2 倍（0.435 → 0.87 美元）。规划预算要先盯输出侧，砍回答长度（设 max_tokens）往往比压 prompt 更省。
- 以为 token 数就是字数，忽略分词器差异。同一段中文在 GPT 系约 1–1.5 token/字，在 DeepSeek、Qwen 上常常 ≤1 token/字，在中文密集的文本上常常比英文还更省 token。用错换算会整体高估或低估账单；本页估算器用的是通用的 4 字符≈1 token 启发式，纯中文的精确值请用 tiktoken 或看 API 的 usage 字段。
- 只看单次成本，忘了乘规模。单次 0.0135 美元看着微不足道，可每天 100 次就是每月 40.50 美元、每年 492.75 美元（Claude Sonnet 4.6，见实例）。真正决定预算的是「单价 × 频率 × 天数」，一定要把日调用量填进计算器。
- 忘了多轮对话每轮都重发历史。API 是无状态的，第 10 轮要把前 9 轮完整发一遍，token 近似二次方增长，对话稍长就是几万 token 的输入。用滑动窗口只保留最近几轮，或每隔几轮做一次摘要压缩。
- 用最贵的模型做最简单的活。分类、抽取、改写这类任务交给 DeepSeek V4 Pro、GPT-5.4 Mini、Claude Haiku 4.5；推理、复杂代码、长文创作再上 GPT-5.4、Claude Sonnet 4.6、Claude Opus 4.8。一个「先小模型判断、必要时升级」的路由策略常能砍掉一半账单。
- 忽略缓存与 Batch 折扣。重复的系统指令、知识库前缀开启 prompt 缓存后，命中部分通常按输入价的一折左右计费（DeepSeek 更低）；离线报表、批量打标签、批量翻译这类不赶时间的任务走 Batch API，普遍再打五折。把固定长文本放在 prompt 最前面，能最大化缓存命中率。
降低大模型 API 成本的实战建议
- 按任务难度分流模型。简单的分类、抽取、关键词匹配交给 DeepSeek V4 Flash、豆包 Lite、Qwen-Turbo、Kimi K1、GPT-5.4 Nano、Gemini 2.5 Flash-Lite 这类 0.1–0.4 元/百万 token 区间的轻量模型；推理、复杂代码、长文创作再上 Claude Sonnet 4.6、GPT-5.4、Claude Opus 4.8、Gemini 3.1 Pro、Grok 4.3、Qwen-Max。一个简单的「先小模型判断，必要时升级」的路由策略，往往能把账单砍掉 40%–60%。
- 中文场景优先国产模型。OpenAI 的 tiktoken 对中文不友好，1 汉字常被切成 1.5–2 token；通义千问、千帆、DeepSeek、Kimi 的分词器对中文做过优化，同样的中文输入便宜 30%–50%。再叠加豆包、DeepSeek 的低单价，处理中文语料的总成本能压到 GPT 的 1/10 以下。
- 把 system prompt 和重复上下文塞进缓存。OpenAI 自动缓存（GPT-5.4/5.5 系命中按输入价 10% 计费）、Claude 显式 cache_control（命中 10% 计费）、阿里云百炼上下文缓存、Kimi 自动缓存（命中 16.9%）、DeepSeek V4 缓存命中（命中价仅 0.0028 美元/百万 token）。RAG、客服、Code Copilot 这类反复发送同一段长 prompt 的应用，命中率超过 80% 是常态，输入成本可省 70%–90%。
- 用 Batch API 处理离线任务。OpenAI、Anthropic、阿里云、Kimi 都提供 50% 左右折扣的批量接口，适合夜间报表、历史数据回填、批量打标签、离线翻译。一份原本要 1,000 元的批量任务，跑批量接口能压到 500 元甚至 400 元（Kimi 是 4 折）。
- 压 prompt、压输出。把 system prompt 从 2,000 token 削到 500 token，输入费用立省 75%；用 max_tokens 限定输出长度（FAQ 答案设 200，代码片段设 600），避免模型啰嗦。中文项目把固定的 system 指令换成英文，token 数还能再降 30%–50%，对回答质量基本无影响。
- 监控用量、设支出告警。OpenAI、Anthropic、阿里云、火山引擎、智谱后台都提供按模型、按 endpoint、按 API key 的用量看板。给每个项目设硬性月度上限，避免 bug 或循环调用导致一夜烧光预算（业内每年都有几起新闻级事故）。
- 高并发、高合规场景考虑自部署。Llama 4、DeepSeek V4、Qwen3、Mistral 都是开源权重，可以在自有 GPU 上跑。Groq、SiliconFlow、阿里云 PAI 也提供托管推理，0.11–0.5 美元/百万 token，比闭源 API 便宜 5–10 倍。日调用百万级以上的应用，自部署回本周期通常在 3–6 个月内。
Token 与大模型 API 术语表
Token
大模型处理文本的最小单位，可以是 1 个汉字、1 个英文单词、1 个标点，或者英文长单词的若干字节片段。所有主流 API 都按 token 计费，输入与输出分开标价。
分词器（Tokenizer）
把原始文本切成 token 的算法。不同厂商用不同分词器：OpenAI 用 tiktoken（cl100k_base / o200k_base），Anthropic 用自研 BPE，Google 用 SentencePiece，通义千问、文心一言对中文专项优化。同一段文本在不同分词器下 token 数差距可达 50%。
BPE（Byte Pair Encoding）
字节对编码——主流 LLM 最常用的分词算法，通过反复合并最高频字节对构建词表。GPT、Claude、Llama、DeepSeek、Qwen 都用 BPE 或其变体。BPE 对英文压缩率高，对中文相对偏低，是「中文比英文贵」的技术根因。
上下文窗口（Context Window）
模型单次请求能处理的最大 token 数（输入 + 输出之和）。2026 年主流：GPT-5.4 与 GPT-5.5 系 1M、Claude Fable 5 / Opus 4.8 / Sonnet 4.6 1M、Grok 4.3 1M、Gemini 2.5 Pro 1M、Qwen3-Max 1M、Kimi K2.6 256K。超过 200K 通常切换到更高费率。
Prompt 缓存
厂商把重复的 prompt 前缀（system prompt、长上下文、历史对话）的 KV 张量保存在显存里，下次同前缀直接复用。命中价为基础输入价的 10%–50%，可让 RAG、客服等高重复应用的输入成本下降 70%–90%。OpenAI/Kimi/DeepSeek 自动管理，Anthropic/阿里云需显式声明。
输入 token vs 输出 token
输入 token = 你发给模型的 prompt（含 system prompt、对话历史、RAG 上下文）；输出 token = 模型生成的回答。输出价通常是输入价的 3–8 倍，因为生成需要逐 token 串行推理，GPU 开销远高于并行处理输入。
每百万 token 单价（$/MTok 或 元/百万 token）
大模型 API 的标准计费单位。海外厂商多用美元/百万 token（$/MTok），国产厂商常见两种：元/百万 token（如通义千问）或元/千 token（如豆包、文心）。换算时注意单位差三个数量级。
Batch API
异步批量调用接口，OpenAI、Anthropic、阿里云百炼、Kimi 都提供，输入和输出均享 50% 左右折扣（Kimi 为 4 折）。适合非实时任务：夜间报表、历史回填、离线打标签、批量翻译。延迟从秒级变成 24 小时内，但成本砍半。
关于 token 与大模型 API 费用的常见问题
1,000 个 token 大约等于多少汉字？
OpenAI 官方给的经验值是 1,000 token ≈ 750 个英文单词。在 GPT、Claude 上 1 个汉字约 1–1.5 token，1,000 token 大致对应 650–1,000 个汉字；在通义千问、DeepSeek 这类对中文友好的分词器上，1 个汉字常只算 1 token，1,000 token 能装下约 1,000 个汉字。中英混排要分别估算后相加。
100 万 token（1M tokens）到底是多少钱？
取决于模型和输入/输出。按主流单价，100 万个输入 token 从 DeepSeek V4 Pro 的 1.32 美元到 Claude Opus 4.8 的 5 美元；100 万个输出 token 从 0.87 到 25 美元不等。完整对照见上方速查表。
为什么输出 token 比输入 token 贵？
因为生成机制不同。输入 token 可以一次并行读入 GPU，一次前向传播就能处理几千个；输出 token 却必须一个接一个串行生成，每生成一个就要重新跑一次推理，显存带宽开销大得多。所以 GPT-5.4 输出 15 美元是输入 2.5 美元的 6 倍，Claude 系约 5 倍，DeepSeek V4 Pro 约 2 倍。优化账单时，砍输出长度的边际收益最大。
中文比英文更费 token 吗？
看分词器。GPT、Claude 的词表以英文为默认，中文约 1–1.5 token/字，同样意思往往比英文贵，也就是所谓「中文税」。但 DeepSeek、通义千问（Qwen）等国产模型把汉字整字纳入词表，中文常常 ≤1 token/字，在中文密集的文本上常常比英文还更省 token。所以中文项目优先国产分词器，反而更省钱。
怎么精确数 token？不调 API 能算吗？
三条路。第一，用 OpenAI 的 tiktoken 库（新版 GPT 系统一用 o200k_base 编码）。第二，把文本粘进上方的在线估算器，立刻看到 token 数和各模型费用，不用写代码。第三，用「英文 4 字符≈1 token、中文约 1–1.5 token/字」的经验公式心算。生产环境最准的还是 API 返回的 usage 字段，输入、输出、缓存命中都有。
这个 token 计算器免费吗？数据安全吗？
完全免费，无需登录或注册。粘贴的文本只在你的浏览器本地估算 token 数，不会发送到任何服务器，也不会消耗任何模型的 token 配额，因此没有提示词泄露风险。模型单价来自 OpenAI、Anthropic、Google、DeepSeek 等厂商的公开报价；结果仅作预算参考，最终以各家 API 控制台的 usage 账单为准。
上下文窗口和 token 限制是一回事吗？
不是。上下文窗口（context window）指模型单次能处理的最大 token 总数（输入 + 输出），是架构上限；token 限制有时还指 API 层的 max_tokens 参数，即你愿意为输出付多少 token。2026 年常见窗口：GPT-5.4 与 5.5 系约 1M，Claude Opus 4.8、Sonnet 4.6 约 1M，Gemini 2.5 Pro 约 1M，DeepSeek V4 约 128K。注意「窗口大」不等于「实际效果好」，超长上下文往往还要付更贵的费率。
为什么对话才 10 轮就烧掉几万 token？
因为 API 是无状态的，每一轮都要把完整历史重新发一遍。第 10 轮的输入包含前 9 轮全部内容，token 近似二次方增长。省法：开 prompt 缓存、用滑动窗口只留最近几轮、或每隔几轮做一次摘要压缩。
图片、文件也要算 token 吗？
要。多模态模型会把图片按小块（tile）切分再转成 token，一张高清图从几百到上千 token 不等；PDF、Word、Excel 通常先被解析成纯文本再分词，按文本计费。OCR、UI 截图分析这类视觉密集应用最容易爆账单，建议上线前先在测试集上实测 token 用量，再用本计算器套上单价估预算。
算出月成本后，怎么把账单降下来？
五个杠杆，按收益从大到小：一是按任务难度分流模型，简单任务用 DeepSeek V4 Pro、GPT-5.4 Mini、Claude Haiku 4.5，复杂任务才上 GPT-5.4、Claude Opus 4.8；二是开 prompt 缓存，重复前缀命中后大幅降价；三是离线任务走 Batch API，普遍五折；四是压缩系统指令、用 max_tokens 限制输出长度；五是中文语料优先国产分词器省 token。把新单价填回计算器，就能看到每月、每年省了多少。
GPT-5.6 Sol 每百万 token 多少钱？
GPT-5.6 Sol 输入每百万 token 4 美元，输出 20 美元；Terra 为 2/12 美元，Luna 为 0.20/1.20 美元。以每次 2,000 输入 token、500 输出 token、每天 100 次请求的客服机器人为例，Sol 每月约 54.00 美元，Terra 30.00 美元，Luna 3.00 美元——三档之间正好相差 20 倍。
Claude Opus 5 多少钱？比 GPT-5.6 Sol 便宜吗？
Claude Opus 5 输入每百万 token 5 美元，输出 25 美元；Claude Sonnet 5 为2/10 美元。Opus 5 的输入单价与 GPT-5.6 Sol 相同，但输出更便宜，所以结论取决于你的输入输出比例：同样是 2,000/500、每天 100 次请求，Opus 5 每月 67.50 美元，Sol 为 54.00 美元；而在输入占比很高的长文场景里，两者每次调用的差距不到一分钱。
同样的价格，新模型的花费真的一样吗？
不一定。Claude 4.7 及之后的模型（Opus 5、Opus 4.8、Sonnet 5）换用了新的分词器，同一段文字会切出比 Sonnet 4.6 多约 30% 的 token。Sonnet 5 与 Sonnet 4.6 的单价都是 3/15 美元，但原本在 Sonnet 4.6 上每月 40.50 美元 的负载，迁到 Sonnet 5 后约为 35.10 美元。从 Opus 4.8 升到 Opus 5 则没有这个问题，因为两者用的已经是同一个新分词器。