同样一件事交给AI，非英语团队的账单几乎总是更高。这跟厂商按不按语言设标价没关系——API对每百万token的报价不分语种——贵在三笔账叠加：分词器把非英文文本切成更多块，计费和工作空间被同步抬高；小语种输出到不了"能上线"的标准，人工审校省不掉；单语种能力本身要靠语料级投入训练，等不来行业降价。三笔账里，只有第一笔会随词表修补和价格战慢慢变薄，后两笔几乎不降。模型越便宜，小语种相对"贵"的部分反而越显眼。
同一段话，被切成更多块
极客公园2026年5月做过一次目前最细的公开对比：把22组中英平行文本送进Claude、GPT、Qwen、DeepSeek的5个tokenizer（分词器）数token，Claude旧词表下中文/英文的token比值在1.11到1.64倍之间，最吃亏的是商业新闻类文本，中文版要多消耗64%的token，等于多付64%的钱；GPT-4o的新词表把差距缩到1.0–1.35倍。 根源在BPE这类分词算法：它按训练语料里的高频组合合并token，英文组合进词表快，汉字在英文主导的语料池里频率不够，只能被当作原始字节处理，一个汉字占3个字节，就变成3个token。知乎
账单之外还有工作空间：同样200k的上下文窗口，用旧版Claude装中文资料，能塞进去的内容量比英文少40%到70%——钱花得多，模型能参考的上下文反而短。 降价也挡不住分词器反向吃账：Haiku 5.5今年10月把列表价降到上一代的十分之一，Anthropic官方同时承认新的分词器会多用大约25%的token，平均实际节省从九成缩水到75%左右。36氪
但这笔"税"是词表排位问题：中文在被修补，小语种还没排上队
同一组测试里藏着一个常被转述忽略的结论：Qwen 3.6和DeepSeek-V3的词表下，中文/英文比值大面积低于1，DeepSeek最低做到0.65倍——同样的内容，中文版比英文版便宜三分之一。 国产模型从词表设计之初就把整字、整词纳入，汉字信息密度高的天然优势才显出来。所谓"中文税"不是中文的原罪，只是英文中心词表没给它留够位置。知乎
修补也在按语料频率排队进行。Opus 4.7的新分词器让英文token数膨胀了1.24到1.63倍，中文大量维持在1.000倍纹丝不动——中文早已被切到单字颗粒度，没有再膨胀的空间。 高频语言陆续被补上，但泰语、越南语、斯瓦希里语这类语料规模小的语言，按同样的BPE机制在任何厂商词表里都切得更碎——目前还没有覆盖小语种的分词倍率公开测量，但机制上BPE不留例外：语料进不了词表，文字就只能按字节计费。分层定价还会放大这个差：Haiku 5.5在10万token以内输入0.1美元/百万，超过10万token价格涨到5倍，同样一份材料，token效率更低的语言更容易把批量任务推进高价带。36氪
AI替不掉的第二笔账：大头是人工
短剧出海的译制环节，是目前小语种AI成本最透明的样本：英日韩字幕已是每分钟5–15元的红海价，泰、越、阿、印尼要贵出一倍，原因很直白——语料少、术语乱，要人补；再加人工精校，价格翻三倍。 而整条译制成本里，配音占45%–55%，翻译只占20%–30%，字幕擦除占15%–20%——AI打薄的本就是最薄的那一层。知乎
更边缘的语种连"人"都是稀缺品。一家给游戏、医药行业做翻译的服务商讲过，希伯来语、乌尔都语这类单子此前投产比太低、公司干脆放弃，现在靠AI先译一轮、母语者审校才跑通。 小语种团队用AI的真相往往在这里：模型把活干到"看得懂"，干不到"不出戏"，术语、称谓、俚语的兜底人工省不掉，而且比大语种更贵。微博
第三笔账：一门语言的能力，是用语料买出来的
想让小语种能力从"能聊天"到"能做生意"，投入是语料级的。今年9月沙特HUMAIN发布的humain-m3，以MiniMax的M3为底座，用超过1万亿token的阿拉伯语原生文本继续预训练，参数达到4280亿。 代价换来的是位置：它在7个阿拉伯语公开基准上拿到89.37%的等权平均分、五项排名第一，超过了GPT-5.6 SOL和Opus 5。 特定语种的最优解不是等通用模型降价普惠，而是有人为一门语言单独烧一轮训练。钛媒体
蹭通用模型这条路在训练侧也有代价：低资源语言在梯度里只是噪声级别的存在，主流数据的梯度一遍遍碾过去，小语种学到的那点东西很快就被冲没，这就是灾难性遗忘——只能靠混合语料的采样策略摊薄，小语种因此排在通用模型优先级队列的末尾。 供给空白也在被零星填上：Meta去年11月开源的语音模型能听懂1600多种语言，其中500种是从来没有任何AI支持过的小语种——"第一次支持"本身，就是过去这道成本门槛的高度。知乎微博
哪笔会降，哪笔不会
第一笔账可以等。被广泛转引的Epoch AI研究报告测算，自2023年以来，达到同等AI性能水平的成本每季度下降约47%——词表会继续扩大，token单价会继续变薄。 但母语审校的时价、语料级训练的门槛，不会沿着同一条曲线下降。对非英语团队，当下能主动做的其实有限：换词表对自己语言友好的模型，把纯AI产出用在跑量内容、人工精校留给付费档；然后盯住三类节点——分词器词表扩容、语言定制模型发布、小语种语音开源。每落地一个，"贵"就少一层；一直不落地的那些，就是终究要自己付的账。36氪
