在Claude上相同的TypeScript代码比在GPT上贵73%

测试汇总：

“Token”并非固定的文本量。每家供应商的tokenizer会将同一份文件分割成不同数量的片段，而你按片段付费。因此，不同供应商之间的$/Mtok（每百万token价格）是不可直接比较的。

Anthropic最新的tokenizer（Sonnet 5, Opus 4.8, Fable 5）对相同的代码产生的token数量比其之前的版本多约30%。标价并未改变。

在相同的文件上，它产生的token数量是GPT的1.36至1.73倍。TypeScript是最坏的情况，达到了1.73倍。

从有效成本来看，Opus 4.8的$5 / $25标价实际相当于$7.50 / $37.50，而Sonnet 5在促销期结束后则相当于$4.50 / $22.50。

此分析仅衡量输入token化。输出内容的长度、思考过程以及缓存会使整个任务的账单进一步变化；详情见末尾。

我们使用每家供应商自己的计数端点，对所有前沿模型的tokenizer统计了相同字节数，并与实际付费请求的计数进行了交叉核对。以下是具体数字以及它们对价目表上价格的实际影响。

● 为什么$/Mtok不是可比价格

模型的账单是两个数字的乘积：

成本 = (你的内容转换成的token数) x (每个token的价格)

定价页面显示的是第二个数字，并将第一个数字视为常数。但它并非常数。它取决于模型的tokenizer，而不同供应商的tokenizer差异很大。两个模型可能都标着“$5.00 / 1M 输入token”，但对于相同的段落，它们产生的账单却可能大不相同，因为其中一个会将该段落转换成更多的token。由于没有人公布每个token对应的内容量数据，我们进行了测量。

● 测量方法

我们选取了16个真实样例：英文散文、HTML页面、JavaScript、Python、TypeScript和Rust文件、JSON工具架构和工具结果、中文对话和散文、含大量符号的文本，以及我们自己的Agent系统提示词。我们使用每个模型的生产环境tokenizer，对每个样例逐字节进行了计数：

1. Anthropic模型使用官方的count_tokens端点进行计数，该端点返回的计数与Anthropic计费的依据相同。

2. OpenAI模型使用文档中记录的o200k_base tokenizer，通过tiktoken库进行计数。对于最新模型，我们通过与生产环境进行双重检查：我们向GPT-5.1、GPT-5.5和GPT-5.6 Sol发送了真实的API调用，并使用“长文本减短文本”差值法（以抵消请求框架的影响）将实际使用量与本地计数进行了比较。三者均与o200k_base完全匹配。

3. Gemini和Grok使用其提供商提供的token计数端点。

在整个分析中，GPT的o200k作为1.00倍基准，主要因为它已经冻结并被公开文档记录超过两年，而Claude的tokenizer则是发生变化的那一个。DeepSeek和GLM被完全排除在表格之外：我们只有粗略的“字符数除以四”的估算值，没有真实的tokenizer计数，而本文关注的是实际测量数据。

● 发现：相同标价，token数多约30%

Claude Opus 4.6 和 Opus 4.8 的标价同为 $5.00 / $25.00。两者之间的变化在于tokenizer。Sonnet 4.6 和 Opus 4.6 使用旧版tokenizer；Sonnet 5、Opus 4.8 和 Fable 5 使用新版。下表统计了相同的字节在Anthropic自己的端点上使用新旧tokenizer的计数结果：

如果按照真实的Agent请求构成（主要是英文系统提示词、工具架构、代码和JSON）对这些行进行加权，新版tokenizer每个请求大约增加+32%的token数。中文那一行几乎没有变化，因此token膨胀主要集中在英文和代码上。

● Sonnet 5的发布价格，重新计算

Sonnet 5发布时的价格为 $2.00 / $10.00，低于Sonnet 4.6的 $3.00 / $15.00，看似是降价。但这是一个促销价，将于2026年8月31日结束。在促销期间，较低的费率略高于抵消额外的token数，因此对于相同的代码，Sonnet 5实际上比4.6稍便宜一些。从9月1日起，价格将回调至 $3.00 / $15.00，额外的token数依然存在，在相同的标价下，完成相同工作的成本将比Sonnet 4.6时高出约三分之一。

● 通过实际账单验证计数器

counttokens 是一个预测值，因此我们也发送了真实的付费请求（设置 maxtokens: 1），并读取了 usage.input_tokens，这是账单计费的依据。对于相同的内容，Opus 4.6 计费了 2,541 个输入token，Opus 4.8 计费了 3,191 个，每个都与它们的预测计数完全匹配。我们对Fable 5（该系列中最昂贵的模型）也进行了同样的检查，它计费了 3,191 个token，与 Opus 4.8 相同。因此，Fable 使用相同的新版tokenizer，并且其更高的标价背后没有隐藏额外的每token加价。整个验证过程花费约0.08美元。

● 发现：代码上的差距最大

跨供应商表格以GPT的o200k作为1.00倍基准。每个单元格的值是该模型对相同文件的token计数除以GPT的token计数，因此1.20倍意味着比GPT多20%的token。Claude的新旧tokenizer并排显示：

代码行的数值远高于散文行：TypeScript为1.73倍，Rust为1.58倍，JavaScript为1.52倍，Python为1.50倍，而英文散文为1.40倍。代码是编程Agent处理的主要内容，因此对于此类工作负载，1.50-1.73倍的范围是相关的。

为什么TypeScript是最坏的情况？因为o200k在处理TypeScript时异常高效：大约每个token对应4.24个字符，这看起来像是在大量网络JavaScript和TypeScript上训练的结果，其中驼峰式标识符和JSX模式能被压缩成单个token。而在Rust上，其效率下降到大约每个token 3.51个字符。Claude的tokenizer在两种语言上的密度大致相同，因此差距最大的地方恰恰是GPT最强的地方。

中文表现不同。无论是旧版还是新版tokenizer，Claude都比GPT高出约1.45-1.55倍（在散文样例上为435对433个token，而GPT为300个），因此这是Claude系列在CJK文本上的长期属性，并非新版tokenizer引入的。实际上，Gemini在这里比GPT更高效，为256个token。哪种tokenizer对你来说成本更高，取决于你写什么。

● 这对价格意味着什么

将标价乘以测量到的差异，就能得到处理相同工作的有效价格。这里的差异是典型英文编码请求的混合倍数，以GPT的o200k为标准：

有几行值得再看一眼。Opus 4.6和4.8标价相同，但有效价格相差约32%。GPT-5.5和GPT-5.6 Sol共享tokenizer，因此它们相同的标价在效果上确实是相同的。Gemini 3 Flash运行的tokenizer比GPT略重，但仍以较大优势保持为最便宜的选择。

作为一个独立数据点：Ploy本周发布了一份迁移到GPT-5.6 Sol的生产报告，称在相同的构建任务中，输入token数为170万，而Claude Opus 4.8为260万，大约减少了35%。这衡量的是整个任务的账单而非单纯的tokenizer探测，因此它也包含了模型输出的长度因素，但指向了相同的方向。

● 输入比例未涵盖的内容

以上所有内容只衡量了一件事：相同的字节变成了多少个输入token。一个完整的Agent任务在此基础上增加了更多变量，而且这些变量影响很大。模型为达到相同结果花费了多少输出和思考token？执行器每步加载了多少上下文？它调用工具或产生子Agent的频率如何？供应商如何对缓存读取和写入定价？

有两个后果值得明确指出。首先，缓存流量也按token计费，因此一个产生32%更多token的tokenizer也会使每次缓存写入和读取的成本增加约32%，并且在长时间的Agent会话中，缓存读取占据了账单的大部分。其次，一旦将输出长度和思考过程计入，整个任务的成本差异可能远超1.73倍，向任一方向都有可能。当人们报告某个模型在Agent任务上“使用的token是另一个模型的2-4倍”时，这在他们特定的设置下可能是真的，即使我们样本中纯输入token化的差距从未超过1.73倍。这两个数字衡量的是不同层面。

按内容类型划分，我们测量到的Claude新版tokenizer相对于GPT的o200k的输入侧范围是：散文、HTML和JSON为1.36-1.42倍；代码为1.50-1.73倍，其中TypeScript最高；中文和含大量符号的文本为1.44-1.53倍。我们将TypeScript放在标题中，因为它既是范围的最高点，也是编程Agent整天处理的内容，而非因为所有情况都是1.73倍。

我们还在后续研究中直接测量了每个任务层的成本：九个相同的模型，分别给定一个相同的绘图任务，各尝试一次，每次尝试都根据提供商自己的使用量数据定价。相同的绘图任务，根据模型和推理力度，成本从$0.004到$0.80不等，而最大推理力度导致三个模型完全无法完成任务。

● 如何比较模型价格

1. 基于你自己的内容进行比较。你的语言和文件类型决定了倍数，因此在信任价目表之前，请通过每个tokenizer运行一个有代表性的样本。

2. 将tokenizer变更视为价格变更。当供应商以相同标价发布新模型时，请检查tokenizer是否发生了变化。从Opus 4.6到4.8是约32%的增长，而任何账单上都没有这个项目。

3. 衡量每完成一个任务的美元成本，而非每token的美元成本。这个单一数字同时包含了token化、输出长度、思考过程和缓存，而提供商的usage字段为你计算它提供了真实数据。

4. $/Mtok作为开场信息仍然有用。但它不够充分，并且在不同tokenizer之间不可比较。供应商明天就可以通过同时发布每字节的价格来解决这个问题；在有人这样做之前，转换工作就落在你身上了。

以上内容并不意味着某一个模型普遍正确。GPT-5.x在英文和代码上是token效率最高的选择，Gemini 3 Flash在有效价格上非常便宜，而Claude模型即使运行成本更高，也凭质量赢得了自己的地位。只需确保你比较的价格是在考虑tokenizer之后你实际支付的价格。

来源：Anthropic定价 (anthropic.com/pricing)，OpenAI定价 (platform.openai.com/docs/pricing)，Google Gemini API定价 (ai.google.dev)，xAI定价 (docs.x.ai)。Token计数来自Anthropic的counttokens端点，OpenAI的o200kbase（已通过实时API使用情况验证），以及Google和xAI的计数端点。生成这些计数时未使用任何文本生成技术。