法律合約 AI 審查的 Token 消耗，通常比一般聊天問答、短文生成或單次摘要更高。原因不只在於文件頁數，而在於 條款密度高、交叉引用多、附件常見、追問次數多 ，而且法律文件的輸出通常不只是摘要，還可能包含風險標註、修改建議、白話說明與內部審查重點。這些因素一起累加，才是 50 頁法律合約會吃掉大量 AI Token 的真正原因。 這篇文章處理的，不是一般「AI Token 怎麼算」的入門問題，而是更具體的應用情境： 50 頁法律合約交給 AI 審查時，大概要準備多少 Token，成本會落在哪裡，哪些做法又會讓消耗被放大。 文章主軸固定放在 法律合約、長文件、文件審查工作流、Token 用量估算 ，避免和你站上原本的基礎計算文、字數換算文、長對話文互打。 這篇在算什麼 這篇要估的，不是律師費、不是法務外包費，也不是整份文件審查的總成本，而是 模型在處理 50 頁法律合約時，輸入與輸出大概會消耗多少 Token 。Token 會出現在三個地方：文件本體輸入、審查指令輸入、模型分析結果輸出。也就是說，真正要看的不是只有「合約有幾頁」，而是 這 5