上下文与成本估算器

两个问题：喂得进去吗，花多少钱

把一份年报、一沓研报或者一段调研纪要交给模型帮你读，动手之前只有两个问题需要先有个数： 这份材料能不能一次装进它的上下文窗口，以及来回问上十几轮之后大概要花多少钱。 这两个问题都不需要精确答案，需要的是量级——是差一点还是差一个数量级， 是几块钱还是几百块，量级对了，接下来怎么安排就清楚了。

本工具只做这件事。它不接任何模型接口，不上传你粘进去的任何文字， 也不预置任何模型的窗口大小和价格。后面这一条是刻意的：窗口和价目是变动最频繁的一类数字， 今天写在页面上，下个月就成了错的，而读者未必会去核对。所以这两栏一律空着， 请你翻手上那个模型的官方说明填进来。工具只负责算术。

字数怎么变成 token

模型读文本前会先把它切成一段一段的词块，这些块才是它真正吃进去的单位，也是计费的单位。 切法既不是按字也不是按词，而是按训练时统计出来的常见片段来切， 于是「一个 token 等于几个字」没有固定答案，只有区间。 本工具按中文与拉丁两档分别折算，再给出一个上下沿： 一个汉字大致相当于零点五到一个多，一个拉丁字符只有零点二几。

两档分开算，是因为差距实在太大。同样一万个字符，纯中文可能是七八千，纯英文可能只有两三千。 这带来一个和直觉相反的结论：中文密集的访谈记录和财报附注，字数看着不吓人， 喂进去却相当占地方；夹杂大量代码、表格和英文原文的材料反而没那么吃窗口。 所以「中文占比」那一栏不是凑数的，填错会让整页的数字错一个量级。

也正因为切分由各家自己的分词器决定，页面给的是区间而不是单一数值。 判断装不装得下的时候，请看上沿而不是中间那个数——按中间值刚好塞得下的材料， 实际调用时被截掉一截是很常见的事。

多轮对话的账，是按平方涨的

最容易把预算算低的地方在这里。对话本身没有记忆， 看起来它记得你上一句，实际的做法是每问一次就把材料和之前全部问答重新发一遍。 于是第一轮是材料加一个问题，第二轮多背上一问一答，第三轮再多一组，越往后越沉。 聊 N 轮，材料要整整付 N 次，历史的累计量按等差数列增长，总量和轮数的平方成正比。

页面上那个倍数就是这么来的：多数人心里估的是「材料付一次，后面几轮就是几句问答」， 实际往往是这个天真口径的好几倍，而且轮数越多，倍数越大。 柱状图画的正是这件事——最底下那段材料每根柱上都有，中间那段历史一轮比一轮厚。 看图时别只看第一根，让预算翻车的从来是第十根。

顺着这个结构，有三条能立刻用上的做法。长材料尽量一次把问题问清楚， 别用聊天的方式挤牙膏；聊偏了就开新会话，在旧会话里继续绕，等于每一轮都在为一堆无关历史付费； 如果你用的工具会自动裁剪或缓存历史，实际用量会低于这里的估算， 具体低多少要看那个工具怎么实现，本页按最保守的口径算。

装得下不等于用得好

超出窗口的后果很直接：要么报错，要么被悄悄截掉一段而你收不到任何提示。 但更该留意的是没超窗口时的另一种损耗——塞得越满，中间那一段的利用率越低。 大量实际使用中都能观察到同一个现象：开头和结尾的内容抓得比较牢， 夹在中间的内容注意力明显下降，材料越长这个凹陷越明显。

这意味着把超长材料整个塞进去、再问一个需要在中段找证据的问题，答偏的概率会上升， 而它的回答通常照样流畅笃定，你很难从语气上看出它其实没看到那一段。 所以即便装得下，也优先只喂与问题相关的那部分； 一定要喂全文时，把最关键的材料放在开头或结尾，并且要求它对关键结论给出引用的原文片段， 你再回原文核一遍。

装不下时的三条路，各有各的代价

选之前先问自己一句：我要问的这件事，需不需要把材料前后两头放在一起对照。 不需要通篇对照的，分块最省事，切成几段分别问，费用大致按块数翻倍， 代价是跨块推理会断，模型看不见第一块和第八块之间的关系。

需要通篇对照、又能接受损失细节的，可以先摘要。 要留意压缩这一步本身得把全文过一遍，该付的输入费一分不少，省的是后面每一轮。 真正的代价在信息损失：摘要必然按某种偏好取舍，丢掉的往往正是你后面想追问的细节； 要是摘要环节把数字概括错了，后续所有结论都建在错的底座上，而你从对话里看不出来。

同一份材料要反复查很多次的，值得搭检索：每轮只送进相关片段，长期最省， 代价是要做切分和索引，而且风险换了位置——检索漏掉的内容， 模型不会告诉你它没看到，只会拿手上那点材料自信作答。 所以这条路必须配一步人工抽查：随机挑几个结论，回原文确认引用的是不是对的段落。

边界与本工具的假设

本工具假设每轮都完整重发材料与历史、每轮问答长度大致稳定、材料只按中文与拉丁两档折算。 真实调用里这三条都可能不成立：有的工具会裁剪或缓存历史， 问答长度往往忽长忽短，表格与代码的切分效率也和普通行文不同。 所以这里给的是量级，不是账单。要卡预算，请先小规模跑一次看实际用量回执，再按比例外推。

风险提示：token 折算系数为经验区间，实际切分由各模型自己的分词器决定，请以实际用量为准。 页面不预置也不比较任何模型的窗口与价格。模型输出可能出错、可能编造， 凡用于决策的数字都必须回一手资料核对。本工具仅为测算演示，不判断任何标的， 不发出买卖信号，不构成投资建议，也不承诺任何收益。