部分语言使用AI模型成本更高：词元用量最多相差5倍

事件概述

一项由“AI研究语言平等联盟”（Coalition for Language Equity in AI Research）开展的研究发现，与英语相比，大语言模型处理部分较不常用语言时，所需的词元（token）数量最多可达5倍。对使用这些语言的用户而言，这意味着成本更高，部分场景下的响应速度也更慢。Computerworld就此研究发布了报道。

大语言模型通常按词元计费，并按词元处理输入与输出，因此词元用量直接影响每次请求的费用和处理时长。研究的核心结论是，同样的语义内容，在某些语言中需要消耗明显更多的词元，这种差距会转化为用户实际承担的成本差异。

报道目前所依据的信息主要围绕研究结论本身，尚未涉及具体模型供应商的定价调整或应对计划。

为何重要

对于正在把AI嵌入客户服务、内容生产和内部流程的企业与政府机构而言，这项研究把一个常被忽视的问题摆到了台面上：使用体验的公平性，不仅取决于模型能否理解某种语言，还取决于使用该语言的成本与速度。当同一项服务对不同语言群体的价格和响应时间存在差异，用户感受到的便是体验上的落差，而这种落差往往在产品设计阶段就已经埋下。

这一发现也提示，AI项目的评估框架需要从单一的准确率或总体成本，扩展到按语言、按用户群体拆分的单位成本与延迟指标。对数字化转型负责人而言，这意味着在选型、预算测算和服务上线前，就应把多语言场景纳入测试范围。

Renascence观点

多数读者会把这条新闻理解为一个技术定价问题，但它更本质的是服务设计问题。当一项数字服务的成本结构与用户的语言身份挂钩，用户感知到的便不再是“产品好不好用”，而是“这个产品是否为我这样的人而设计”。

大多数团队会把语言成本当作后台的账单问题，然而用户会在第一次收到更慢的回复或更高的账单时，就对品牌形成判断。真正以客户为中心的运营方，应当在上线前按语言绘制成本与延迟地图，而不是等到投诉出现后再补救。更重要的是，把多语言成本纳入体验指标，让产品、财务与服务团队共同对这一数字负责。这一做法的前提，是承认公平的体验必须从数据和设计的源头开始建立。