最近，一款名为OpenClaw的开源AI智能体在科技圈掀起热潮，被网友戏称为“龙虾”。这款智能体只需接收一条消息，便能接管用户设备，自动完成查资料、写代码、调试和优化等任务，全程无需人工干预。然而，随着越来越多人尝试“饲养”这只AI“牛马”，不少用户发现，它的使用成本远超预期，甚至有人调侃要为它支付“窝囊费”。
根据API服务平台OpenRouter的统计，OpenClaw已成为单月消耗Token最多的应用，一个月内烧掉的Token高达10.2万亿。这一数字背后，是用户为AI服务支付的高昂费用。Token作为大模型处理和生成文本的基本单位，类似于人类交流中的“字”或“词”，但它的计算方式更为复杂。每发送一条指令，用户都需要向模型厂商支付按Token计算的费用，而OpenClaw由于依赖外部大模型API运转，成本进一步叠加。
Token的本质是什么？简单来说，它是大模型理解人类语言的“数字密码”。当用户输入一段文本时，系统会先将其拆分成子词片段（Token），再将每个Token转换为唯一的数字ID。例如，英文单词“unstoppable”可能被拆分为“un”“##stop”“##able”三个Token，而中文“你好世界”则直接对应四个独立Token。这种分词方式既保留了常用词的完整性，又能通过子词组合处理生僻词，确保模型即使遇到未见过的新词，也能通过部分子词推测含义。
为何不直接按单词或字母分词？原因在于平衡效率与成本。若按单词分词，词汇表会因新词和拼写错误无限膨胀，导致模型无法训练；若按字母分词，Token序列过长且语义分散，模型难以学习有效信息。子词分词因此成为最优解，但这也带来一个问题：中文因信息密度高、难以拆分，通常比英文更费Token。例如，英文平均1个Token约等于0.75个单词，而中文1个汉字可能对应1-2个Token，直接推高了使用成本。
对于普通用户而言，Token费用是绕不开的现实问题。主流大模型API均按输入和输出的Token总数计费，且输出Token通常更贵，因其生成内容的计算成本更高。而OpenClaw这类自主智能体的“烧钱”速度远超传统对话模型。传统模型一次对话可能消耗几千至几万Token，但OpenClaw需要拆解目标、规划步骤、调用工具、检查结果，每一步都在消耗Token。更棘手的是，它的“记忆膨胀”问题会导致Token消耗持续攀升，若不及时清理历史记录，成本还会进一步增加。
据IDC预测，到2030年，全球活跃AI智能体将达22.16亿，年度Token消耗量将从2025年的0.0005 PetaTokens飙升至15.2万PetaTokens，增长超3亿倍。这意味着，当前的高成本可能只是AI普及初期的“幼年期”现象，未来用户需为智能体支付的费用或将持续攀升。
面对这一趋势，普通人如何避免被Token账单“背刺”？专家建议可从六方面入手：一是精简提示词，用简洁指令替代冗长描述；二是限定输出长度，避免模型生成无用内容；三是及时开启新对话，防止模型读取无关历史记录；四是根据任务复杂度选择合适模型，避免过度使用高端服务；五是保护好API密钥，防止盗刷导致额外费用；六是建立高危操作确认机制，避免智能体因权限失控造成资源浪费。Token作为AI时代的“通用货币”，既衡量着模型的智能水平，也考验着用户的管理智慧。
