同价格，贵了 40%：Claude Opus 4.7 的 Tokenizer 升级代价
Anthropic 在 Opus 4.7 中更换了 tokenizer，相同文本消耗的 token 数增加最高 1.46 倍。能力提升了，但实际成本的涨幅比标价显示的更高。
Anthropic 发布 Claude Opus 4.7 时，定价和 4.6 完全相同：$5/M 输入 token，$25/M 输出 token。但 Simon Willison 实测后发现，相同内容在 4.7 上消耗的 token 数高达 4.6 的 1.46 倍。
账面价格没变，实际账单涨了 40%。
Tokenizer 换了什么
Anthropic 在 Opus 4.7 发布公告里承认了这一变化：
“Opus 4.7 uses an updated tokenizer that improves how the model processes text. The tradeoff is that the same input can map to more tokens—roughly 1.0–1.35× depending on the content type.” — Anthropic，Claude Opus 4.7 发布公告
官方给出的倍率范围是 1.0–1.35x。但 Willison 把 Claude 自己的系统提示（Opus 4.7 system prompt）丢进去测试，得到了 1.46x——超出了官方预期。
他随后发布了升级版的 Claude Token Counter 工具，可以同时对比 4.7 和 4.6 的 token 消耗，让工程师在迁移之前先量化影响。
内容类型影响差异很大
有趣的是，不同内容的膨胀率差别显著：
| 内容类型 | 倍率（4.7 vs 4.6） |
|---|---|
| 纯文本（system prompt） | ~1.46x |
| 高分辨率图片（3456×2234px） | ~3.01x |
| 低分辨率图片（682×318px） | ~1.01x（几乎无变化） |
| 15MB PDF（30页文字密集型） | ~1.08x |
高分辨率图片的 3x 膨胀起初看起来很吓人，但 Willison 发现这是因为 Opus 4.7 本身支持了更高分辨率（最高 2576 像素长边，约 3.75 百万像素，是 4.6 的三倍多）——如果控制分辨率相同，token 数几乎不变。
所以：高分辨率图片多花的钱，是”买到了更好的 vision 能力”的代价，而不是纯粹的膨胀。纯文本场景的 1.46x 才是值得关注的隐性成本上涨。
为什么要换 tokenizer
Tokenizer 通常是模型里最不被关注的部分——大多数版本迭代不会动它，因为改动成本高、兼容性风险大。Anthropic 这次选择更换，说明他们认为收益足够大。
具体改进没有在公告里详细展开，但有几个常见动机：
- 更好地处理代码（减少代码 token 数，提高代码生成效率）
- 改善多语言性能（中文、日文等非拉丁字符系统）
- 优化结构化格式（JSON、XML、Markdown 等）
从工程角度看，tokenizer 的更新也意味着模型无法直接从 4.6 蒸馏或 fine-tune——vocab 变了，embedding 层就不兼容了。
对工程师意味着什么
如果你在用 Opus 4.7 跑生产任务，特别是长系统提示或大量文本输入的场景，需要重新估算成本。几个实际建议：
- 先用 token counter 测量实际倍率：官方给的 1.0–1.35x 是平均值，你的具体内容可能超出这个范围
- 关注 system prompt 膨胀：system prompt 在每次请求里都会重复计费，如果你的 system prompt 很长，1.46x 的倍率会放大影响
- 图片成本要重新计算：低分辨率几乎不变，高分辨率变化大，取决于你是否真的需要 4K 级别的图片理解
- PDF 场景相对友好：1.08x 的倍率说明 PDF 处理的成本增幅较小
Simon Willison 的测量方法值得参考：他把 Opus 4.7 自己的系统提示（约 2000+ token）作为测试内容，这是一个有代表性的真实 payload，不是人造的极端 case。
开放的问题
Anthropic 在官方文档里承认了 token 膨胀，但没有公布新 tokenizer 的词表大小、编码算法或具体设计目标。对于需要精确成本预测的工程团队来说，这种不透明有一定影响。
更大的问题是：随着模型迭代越来越快，tokenizer 级别的变化会不会越来越频繁？这次是 Anthropic，下次可能是任何一家在悄悄换编码方案。成本模型的稳定性，可能比我们想象的更脆弱。