很多团队接入大模型翻译前都会问同一个问题：翻一篇文档到底要花多少 token？答案是「取决于策略」——同样一万字的文档，不同做法的消耗可以差出一倍以上。把我们实测的账摊开算一遍。
先搞清楚 token 构成
翻译请求的 token = 输入 + 输出：
- 输出：中文译文，通常占原文 token 的 0.6~0.8 倍（英译中方向）
- 输入：原文 + 系统提示词 + 术语表 + 少样本示例
新手最容易忽略的是输入侧：提示词和术语表是每个请求都要重复支付的固定开销。文档切成 50 段逐段翻，系统提示词就付 50 次。
三种策略的实测账
同一篇一万英文字符的技术文档（约 2500 token），三种翻法：
策略一：整篇直译。 一次请求，输入 2500 + 提示词 200，输出约 1900。总消耗约 4600 token。风险：超长文档会撞上下文上限，且长输出质量衰减。
策略二：按段落切分逐段翻。 切成 30 段，每段带提示词。总输入 2500 + 30×150 ≈ 7000，输出不变。比整篇多花 50%，换来的是稳定性（单段失败可重试）和并发能力。
策略三：分段 + 术语表 + 缓存。 在策略二基础上，提示词压缩到 60 token，术语表按段落相关度动态注入（而不是全量携带），重复句式命中缓存。实测总消耗约 5800 token——比策略二省 17%，质量不打折。
换算成钱
按量计费的市场行情（如 2.5 元/百万 token）下，这篇文档的翻译成本：
- 策略一：约 0.012 元
- 策略二：约 0.018 元
- 策略三：约 0.015 元
一部 10 万字的英文原著按策略三翻，成本在 0.15 元量级。翻译场景的模型调用费其实非常便宜，真正贵的是策略选错带来的放大：无幂等键的重试、全量携带的术语表、重复支付的提示词。
三个优化优先级
- 先做缓存：技术文档句式重复率高，缓存命中率能到 20~30%，这是零质量损失的节省
- 再压提示词：系统提示词从几百 token 压到几十，长文档场景收益随段数线性放大
- 最后调分段：分段粒度影响并发和稳定性，但不是成本大头，别过度优化
结语
token 账算清楚之后，「按量计费贵不贵」这个问题的答案就很直观了：单价贵不贵看账单，策略对不对才是决定性变量。把缓存和提示词这两件事做对，翻译类应用的成本能压到几乎可以忽略。
