一個英文單字會用多少 Token？ChatGPT、Claude、Gemini 差異比較
- 4月14日
- 讀畢需時 6 分鐘
很多人在算 AI Token 成本 時，第一個直覺問題常常是：一個英文單字到底大概會吃掉多少 token？
先直接講結論：沒有三家平台都通用、固定不變的「1 個英文單字 = 幾個 token」公式。但如果是 英文，官方能給的粗估比中文明確得多。OpenAI 官方直接寫過，1 token 約等於 0.75 個英文單字；Google Gemini 官方則寫 100 tokens 約等於 60 到 80 個英文單字。Anthropic 這邊我查到的官方文件重點不是「每個英文單字幾 token」，而是提供 count_tokens 讓你直接先算。
先看表格：一個英文單字大概會用多少 Token？
下面這張表我刻意分成兩種資訊：一種是官方明講到什麼程度，另一種是你在前期估成本時可用的區間。其中「可用區間」有些是官方直接可換算，有些是為了預算規劃做的保守估算，我會直接標清楚。
平台 | 官方能確認的說法 | 換算成每個英文單字大概幾個 token | 前期規劃可抓的區間 |
ChatGPT / OpenAI | 1 token ≈ 0.75 個英文單字；也寫成 100 tokens ≈ 75 words。 | 約 1.33 token / 1 word | 約 1.2～1.5 token / word |
Claude / Anthropic | 官方重點是提供 Count Tokens API，可先算 messages 的 token，包含 tools、images、documents；我查到的官方文件沒有直接給「每個英文單字幾 token」公式。 | 沒有官方固定值 | 約 1.2～1.5 token / word（實務保守估算，非官方固定值） |
Gemini / Google | 100 tokens ≈ 60–80 個英文單字；也寫 1 token ≈ 4 characters。 | 約 1.25～1.67 token / 1 word | 約 1.25～1.7 token / word |
為什麼我給的是區間，不是單一數字？
因為 token 不是字數，而是模型自己的切分單位。OpenAI 官方就直接說明過，token 可以短到一個字元，也可以長到一整個單字；英文裡甚至同一個單字，在不同前後文下也可能拆法不同。
所以即使都是英文單字，你看到的結果也可能會受下面幾件事影響：
單字長短不同
像 a、the、apple、tokenization，本來就不會長得一樣。OpenAI 官方甚至拿過例子說，像 tokenization 會被拆成 token 和 ization。這就代表 不是每個英文單字都會剛好對應 1 個 token。
前後有沒有空格、標點、格式
OpenAI 官方明講，空格、標點、部分單字都會算進 token。也就是說，word、 word、word,、"word" 不一定會是同樣的 token 數。
真正被計算的，不只有單字本身
如果你是在 API 裡面送 request，真正會進入 token 計算的通常還包括 system prompt、messages 結構、tools、檔案、圖片、歷史對話。OpenAI 和 Anthropic 官方都把這些納入 token counting 範圍；Gemini 也提供 count tokens 來計整個輸入，而不是只算正文。
ChatGPT：一個英文單字大概多少 Token？
這三家裡，OpenAI / ChatGPT 的英文粗估最明確。官方直接給你兩個很好用的口訣：
1 token ≈ 0.75 words
100 tokens ≈ 75 words
把這個反推回來，就是：
1 個英文單字 ≈ 1.33 tokens
這已經很接近你做預算時能直接拿來用的數字了。
如果你要抓得更實務一點，我會建議：
ChatGPT 前期可抓法
理想粗估：1.2 token / word
常用估法：1.3～1.4 token / word
保守預算：1.5 token / word
這樣做的好處是，你不會因為只記得「0.75 word / token」就把成本抓得太樂觀。
Claude：一個英文單字大概多少 Token？
Claude / Anthropic 這邊，和 OpenAI 最大的差別是：我查到的官方文件重點不在提供「每個英文單字幾 token」這種口訣，而是在告訴你：
先用 Token Count API
直接算整份 message 的 token
tools、images、documents 也能一起算
這代表 Anthropic 的官方思路比較像是：不要硬背每字公式，直接 count 比較可靠。
Claude 這邊最準的說法應該是：
Claude 官方能確認的重點
有官方 count tokens 方法
可先算整份 request
但我查到的官方文件沒有直接給「1 個英文單字 ≈ 幾個 token」的固定口訣
Claude 前期可抓法
如果你只是做前期預算，我會建議你先抓：
約 1.2～1.5 token / word
這是拿來做預算的保守估算，不是 Anthropic 官方保證值。真正正式上線前，還是應該直接跑 count tokens。
Gemini：一個英文單字大概多少 Token？
Gemini / Google 這邊的官方說法也很清楚，而且對英文很實用。Google 官方直接寫：
1 token ≈ 4 characters
100 tokens ≈ 60–80 English words
把這句直接反推回來，就是：
1 個英文單字 ≈ 1.25～1.67 tokens
所以如果你是用 Gemini，前期很適合這樣抓：
Gemini 前期可抓法
理想粗估：1.25 token / word
常用估法：1.3～1.5 token / word
保守預算：1.6～1.7 token / word
這樣的抓法，會比只記 4 characters = 1 token 更符合實際使用情境。因為真正送 request 時，通常不會只有裸單字。
如果你只是想快速抓成本，最實用的表格可以這樣看
這張表比較接近你真正做預算時會用到的版本：
平台 | 最好記的口訣 | 實務上先抓多少比較安全 |
ChatGPT / OpenAI | 1 word ≈ 1.33 tokens | 1.3～1.5 token / word |
Claude / Anthropic | 不要硬背，先 count | 1.2～1.5 token / word |
Gemini / Google | 1 word ≈ 1.25～1.67 tokens | 1.3～1.7 token / word |
如果你只是做內容成本預估，而不是工程級精算，我會建議你這樣記：
最簡單版本
ChatGPT：1 個英文單字先抓 1.3～1.5 token
Claude：1 個英文單字先抓 1.2～1.5 token
Gemini：1 個英文單字先抓 1.3～1.7 token
真正影響「每個英文單字多少 Token」的，不只是單字本身
這篇最重要的地方，其實不是公式，而是這件事：你最後真正付費的 token，通常不是只有那個英文單字本身。
System prompt 也會算
OpenAI 的 token counting 和 Anthropic 的 token counting 都是拿整份 message/request 去算，不是只看正文。
多輪對話也會算
如果你保留歷史上下文，那之前的訊息也可能一起進入計算。Claude 的 context window 文件也特別提醒要先估 token usage，避免超過 context window。
Tools、圖片、文件也會算
Anthropic 官方明講 token count 可包含 tools、images、documents；Gemini 官方也有多模態 token 說明方向。
所以你如果只是問「一個英文單字多少 token」，那個答案最多只能幫你做很粗的文字預算。一旦進入 API 真實使用，真正該看的還是整份 request。
結論：這篇最值得記住的 3 句話
第一，英文比中文更容易做粗估
因為 OpenAI 和 Gemini 官方都直接給了英文近似值，英文 token 預估確實比中文更容易。
第二，ChatGPT 和 Gemini 都能直接換算出大致範圍
ChatGPT：1 word ≈ 1.33 tokens
Gemini：1 word ≈ 1.25～1.67 tokens
第三，Claude 最好的方法還是直接 count
Anthropic 官方目前更偏向提供 Count Tokens API，而不是叫你硬背每字公式。
所以如果要把整篇壓成一句話，我會寫成這樣：
一個英文單字在 ChatGPT、Claude、Gemini，大多可以先抓約 1.2～1.7 tokens，但真正正式要算成本時，還是以各平台官方 token counting 為準。
FAQ
一個英文單字一定等於 1 個 token 嗎？
不一定。OpenAI 官方已明講，token 可以是單一字元、部分單字或完整單字，所以英文單字不會固定一字一 token。
哪一家最適合用英文單字去估 token？
ChatGPT 和 Gemini 都相對好估，因為官方都有直接提供英文 rough rule。Claude 則比較建議直接用 count tokens。
ChatGPT 的英文為什麼常說 1 token 約 0.75 words？
這是 OpenAI 官方直接提供的英文粗估規則，也就是 100 tokens 約 75 words。
Gemini 為什麼會變成 1 個單字大約 1.25～1.67 tokens？
因為 Google 官方寫的是 100 tokens ≈ 60–80 English words，反推就是每個英文單字大概落在這個 token 區間。
Claude 為什麼沒有直接寫每個英文單字多少 token？
因為我查到的官方 Anthropic 文件重點是 Count Tokens API，讓你直接先算整份 message，而不是提供固定 words-to-token 公式。
資料來源與可信度聲明
本文主要參考 OpenAI 官方 Token 說明、Claude 官方 Count Tokens 文件 與 Gemini 官方 Token 說明，作為整理 「一個英文單字大概會用多少 Token」 這個主題的主要資料來源。因為三家平台的官方文件寫法並不完全一樣，像 OpenAI 與 Gemini 有直接提供英文粗估規則，Anthropic 則更偏向提供 count tokens 工具，所以這篇文章會把 官方明講內容 和 實務上可拿來估成本的區間 分開寫，避免把估算值誤當成固定規則。
想更快看懂模型、平台與成本差異，也可以先回到 AI Token 看完整整理。這篇文章最主要的目的，不是給你一個看起來很精準、但其實不可靠的單一數字，而是幫你建立 能拿來做預估，也知道什麼時候該改用官方 count tokens 工具 的判斷方式。
本篇文章屬於 《AI Token 計算》 分類。
此分類主要整理 AI Token 怎麼算、輸入與輸出差異、不同模型或平台的 token 消耗邏輯、字數與 token 的換算誤區、後台用量判讀與成本控制觀念，幫助剛接觸 AI API 的使用者，不只知道 token 會影響價格，也能進一步理解 為什麼同樣是英文內容，在不同平台也可能出現不同 token 表現。
留言