很多人在開始用 AI API 之後，都會冒出同一個問題： 我自己寫的 system prompt、system instructions，會不會也被算進 token？ 答案先講在前面： 通常會。 只要那段內容是你在 request 裡一起送進模型的，不管它叫 system prompt、system instructions、developer instructions，原則上都屬於輸入端的一部分，會影響 input token、上下文長度，通常也會影響費用 。這正是你原稿裡最核心的重點。 如果你現在會搜尋這題，通常不是想知道抽象定義，而是想搞清楚三件事： 系統提示詞會不會吃 input token 系統提示詞會不會影響成本 系統提示詞太長會不會讓上下文很快爆掉 這篇就是直接回答這三個問題，而且會盡量用最白話的方式講清楚。 先講最白話的版本 你可以把一個 API request 想成一包送進模型的資料。 只要是這一包裡的內容，通常都會被模型讀到，也就通常會被算進 input side。 這包含： 你寫的 system prompt / syste

如果你現在正在查「 1000 字文章大概會用多少 AI Token 」，通常你真正想知道的不是抽象定義，而是很實際的事：我要寫一篇文章、叫 AI 產一篇文章，或估一篇文章的 API 成本時，到底該抓多少 Token 才合理。 先講最直接的答案： 如果你說的是 1000 個中文字符的文章，實務上通常可以先抓大約 800 到 1,200 Tokens。如果你說的是 1000 個英文單字，通常可以先抓大約 1,300 到 1,400 Tokens。 但這不是固定公式，而是 實務估算區間 。因為 OpenAI 官方明確說明，Token 不是直接等於字數，而且 非英文文本通常會有更高的 token-to-character ratio ；Gemini 官方也說，Gemini 模型以 Token 作為處理粒度，1 Token 約等於 4 個字元這件事，本質上只是粗略近似，不是每種語言都能直接套用。 所以這篇不是要把你帶去背死公式，而是直接幫你回答搜尋意圖最前面的問題： 1000 字文章，大概要抓多少 Token 才不會估太離譜？ 先講最重要的差別：你說的 1