Token คืออะไร และทำไมมันสำคัญกว่าที่คุณคิด

เวลาใช้ AI แบบเสียเงิน เรามักเห็นคำว่า “token” โผล่มาในบิล แต่น้อยคนรู้จริง ๆ ว่ามันคืออะไร และน้อยกว่านั้นที่รู้ว่าเข้าใจเรื่องนี้ช่วยประหยัดเงินได้จริง โทเคนไม่ใช่แค่หน่วยเรียกเก็บเงิน มันคือแว่นที่ AI ใช้ “มอง” ข้อความทุกตัวอักษรที่คุณพิมพ์ และเมื่อเข้าใจมัน คุณจะเข้าใจทั้งบิลที่แพงเกินคาด คำตอบที่ AI ลืมไปกลางทาง และเหตุผลที่ปุ่ม “คิดให้ลึก ๆ” กินเงินมหาศาล

โทเคนไม่ใช่คำ ไม่ใช่ตัวอักษร

AI ไม่ได้อ่านข้อความเป็นคำหรือตัวอักษรแบบที่เราคิด มันตัดข้อความออกเป็นชิ้นเล็ก ๆ ที่เรียกว่าโทเคน โดยใช้อัลกอริทึมชื่อ Byte Pair Encoding (BPE)

BPE ทำงานโดยนับว่าชุดตัวอักษรไหนปรากฏซ้ำบ่อยที่สุดในข้อมูลฝึกสอน แล้วรวมให้เป็นโทเคนเดียว ผลที่ออกมาคือ

• คำที่พบบ่อยในภาษาอังกฤษ เช่น “the”, “and”, “is” มักเป็น 1 โทเคน
• คำยาวหรือเฉพาะทาง เช่น “artificial” หรือ “tokenization” อาจถูกตัดเป็น 2-3 โทเคน
• ตัวเลข เครื่องหมายพิเศษ และภาษาที่ไม่ใช่ภาษาอังกฤษกิน โทเคนมากกว่า

ทดสอบง่าย ๆ ประโยค “Hello, how are you?” ≈ 6 โทเคน ขณะที่ประโยคภาษาไทยความหมายเดียวกันอาจใช้ถึง 18-22 โทเคน

สิ่งสำคัญที่ต้องเข้าใจตั้งแต่ต้น ทั้ง input (สิ่งที่คุณพิมพ์) และ output (สิ่งที่ AI ตอบ) ถูกนับเป็นโทเคนทั้งคู่ และสองฝั่งนี้มีราคาต่างกันมาก ซึ่งจะอธิบายในหัวข้อถัดไป

ทำไมภาษาไทยถึงแพงกว่า 3-4 เท่า

ปัญหานี้ไม่ใช่ว่า AI ไม่เข้าใจภาษาไทย ความเข้าใจไม่ใช่จุดปัญหา ปัญหาอยู่ที่การนับโทเคน

Tokenizer ถูกฝึกด้วยข้อมูลภาษาอังกฤษเป็นหลัก จึง “รู้จัก” ชุดตัวอักษรอังกฤษดีพอที่จะบีบอัดหลายตัวอักษรเข้าเป็นโทเคนเดียวได้ ภาษาไทยมีลักษณะที่ทำให้ได้เปรียบน้อยกว่า

• ไม่มีช่องว่างระหว่างคำ tokenizer ต้องทำงานหนักขึ้นในการตัดคำ
• Unicode หลาย byte ต่อตัวอักษร สระและวรรณยุกต์บางตัวใช้ byte มากกว่าตัวอักษรละติน
• Vocabulary ไทยใน training data มีขนาดเล็ก ทำให้รวมเป็นโทเคนใหญ่ได้น้อยกว่า

ผลในทางตัวเลข “hello” = 1 โทเคน แต่ “สวัสดี” = 6 โทเคน¹ และโดยเฉลี่ยภาษาไทยใช้โทเคนมากกว่าอังกฤษที่ความหมายเดียวกันประมาณ 4.3 เท่า ผลปฏิบัติคือถ้าคุณเขียน system prompt 500 คำเป็นภาษาไทย คุณกำลังจ่ายเงินเทียบเท่า system prompt ภาษาอังกฤษ 1,500 คำ

สำหรับคนอยากเจาะลึกเรื่องนี้โดยเฉพาะ ดูต่อที่บทความเปรียบเทียบต้นทุนภาษาไทย-อังกฤษ

ความลับของราคา input ถูก output แพง (ต่างกันได้ถึง 5-6 เท่า)

นี่คือมุมที่คนส่วนใหญ่ไม่รู้ ค่าย AI ทุกเจ้าในปัจจุบันคิดเงิน output แพงกว่า input อย่างมีนัยสำคัญ ราคาโดยประมาณ ณ มิ.ย. 2026 (ตรวจสอบราคาทางการก่อนใช้จริง)²³⁴

โมเดล	Input (ต่อล้าน token)	Output (ต่อล้าน token)	อัตราส่วน
Claude Opus 4.8	$5	$25	5 เท่า
Claude Sonnet 4.6	$3	$15	5 เท่า
GPT-5.5	$5	$30	6 เท่า
Gemini 3.1 Pro (ไม่เกิน 200k)	$2	$12	6 เท่า

สาเหตุที่ output แพงกว่าคือ AI ต้องสร้างคำตอบทีละโทเคน ขณะที่ input อ่านได้พร้อมกัน

ผลปฏิบัติสำคัญมาก การขอให้ AI เขียนบทความ 1,000 คำแพงกว่าการป้อนเอกสาร 1,000 คำเข้าไปให้สรุปหลายเท่า และเทคนิค “จำกัดความยาวคำตอบ” เช่น ขอให้สรุปใน 3 ประเด็นแทนที่จะเขียนอธิบายยาว สามารถลดค่า output ได้มากกว่าที่นึกถึง

Prompt Caching ลดค่า input ที่ส่งซ้ำได้ถึง 90%

คนที่ทำงานกับ AI แบบมืออาชีพส่วนใหญ่ไม่รู้ว่ากลไกนี้มีอยู่

ปัญหาเดิมคือทุกครั้งที่คุณส่งข้อความ ระบบจะนับโทเคนของทุกอย่างใหม่ทั้งหมด ถ้าคุณมี system prompt ยาวหรือ PDF ที่ต้องแนบไปทุก message คุณจ่ายค่า input ซ้ำทุกครั้ง เต็มราคา

Prompt caching แก้ปัญหานี้โดยเก็บสถานะของ “prefix” ที่เหมือนเดิมไว้ในหน่วยความจำชั่วคราว ครั้งถัดไปที่คุณส่ง prefix เดิม ระบบไม่ต้องประมวลผลซ้ำ⁵

ตัวเลขที่ควรรู้

• cache write ครั้งแรกราคาประมาณ 1.25 เท่าของ input ปกติ (จ่ายเพิ่มเล็กน้อยเพื่อเก็บ)
• cache read ครั้งถัด ๆ ไปราคาประมาณ 0.10 เท่า ซึ่งหมายความว่าลดได้ 90%
• จุดคุ้มทุนอยู่ที่ประมาณ 3 reads ต่อ 1 write

มีข้อระวังสำคัญ ถ้า prefix เปลี่ยนแม้แค่โทเคนเดียว เช่น มี timestamp หรือวันที่ฝังอยู่ใน system prompt ระบบจะมอง prefix ว่าเป็นชุดใหม่และจ่ายเต็ม นอกจากนี้ cache มี TTL 5 นาที รีเซ็ตทุกครั้งที่มีการอ่าน

กลไกนี้เหมาะมากกับงานที่ส่งบริบทเดิมซ้ำ เช่น chatbot บนเอกสารชุดเดิม หรือ workflow ที่ใช้ system prompt หนัก ๆ

โมเดล “คิดให้ลึก” และ AI Agent กิน token มหาศาล

ถ้าเคยสงสัยว่าทำไมถามคำถามเดียวแต่บิลพุ่ง หัวข้อนี้อธิบายได้

Reasoning models หรือโมเดลที่มีโหมด “คิดลึก” จะสร้างสิ่งที่เรียกว่า “thinking tokens” ก่อนตอบ กระบวนการคิดนี้ไม่ปรากฏในหน้าจอ แต่ถูกนับเป็นโทเคนและคิดเงินเหมือน output ทุกอย่าง

การเปิดโหมด thinking ทำให้ใช้โทเคนเพิ่มขึ้นอย่างมีนัยสำคัญเมื่อเทียบกับโหมดปกติ ยิ่งตั้ง thinking budget สูง โทเคนยิ่งบาน (ตัวเลขที่แน่นอนแตกต่างกันไปตามงานและไม่มีผู้ผลิตยืนยันเป็นตัวเลขทางการ)

AI Agent ที่เรียก tool หลายรอบยิ่งทวีปัญหา แต่ละรอบที่ agent วนกลับมาจะทบ token ใหม่ทั้งชุด ซึ่งอธิบายว่าทำไมต้นทุนต่อ interaction ของ agent workflow ปี 2026 อยู่ที่ประมาณ $1.20 เทียบกับ linear workflow ปี 2023 ที่ประมาณ $0.04 ต่างกันประมาณ 30 เท่า⁶

ข้อควรระวังที่สำคัญ การคิดนานขึ้นไม่ได้แปลว่าแม่นขึ้นเสมอ งานวิจัยของ Anthropic พบว่าในบางกรณีมี inverse relationship ระหว่าง test-time compute กับความแม่นยำ⁷ ดังนั้นการเปิดโหมดคิดลึกควรจำกัดเฉพาะงานที่ต้องใช้เหตุผลจริง ๆ ไม่ใช่ทุกคำถาม

Context Window กับปัญหา “ลืมตรงกลาง”

Context window คือจำนวนโทเคนสูงสุดที่โมเดลรับได้ในครั้งเดียว ทั้ง input และ output รวมกัน โมเดลกลางปี 2026 มี window ใหญ่ขึ้นมาก²³⁴

โมเดล	Context Window
Claude Opus 4.8 / Sonnet 4.6	1,000,000 token
GPT-5.5	1,000,000 token
Gemini 3.1 Pro	1,000,000 token

แต่ window ใหญ่ไม่ได้แปลว่าจำได้ทุกอย่างเท่ากัน งานวิจัย “Lost in the Middle”⁸ พบว่าโมเดลจำข้อมูลที่อยู่ต้นและท้ายของ context ได้ดีกว่ากลาง และเมื่อข้อมูลสำคัญอยู่ตรงกลาง ความแม่นยำตกได้เกิน 30% รูปแบบเป็น U-shape และพบซ้ำได้ในหลายตระกูลโมเดล

ซึ่งโยงกลับมาที่ caching อีกครั้ง ถ้าคุณส่ง PDF ซ้ำทุก message ไม่เพียงแต่จ่ายซ้ำทุกครั้ง แต่ยังเสี่ยงที่ข้อมูลจะ “จม” อยู่กลาง context และ AI อ่านได้ไม่ครบ

วิธีรับมือเชิงปฏิบัติ ส่งเฉพาะส่วนที่เกี่ยวข้องแทนทั้งเอกสาร ขอให้ AI quote แหล่งอ้างอิงทุกครั้งที่ตอบ และเมื่อแชตยาวเกินไป ใช้เทคนิค “summarize-and-restart” คือขอให้สรุปการสนทนาแล้วเปิด session ใหม่พร้อมสรุปนั้น สำหรับคนอยากเข้าใจกลไกลึกลงไปว่าโมเดลประมวลผล context อย่างไร ดูต่อที่บทความอธิบายกลไก LLM

ตัวอย่างต้นทุนจริงในหนึ่งเดือน และทำไมยิ่งถูกยิ่งจ่ายแพง

ลองดูตัวเลขจริงจากสถานการณ์สมมุติ ผู้ช่วยสรุปเอกสารที่ใช้ Claude Sonnet 4.6 ($3 input / $15 output ต่อล้าน token ราคาโดยประมาณ ณ มิ.ย. 2026)

ต้นทุนต่อ message

• System prompt 500 token
• PDF แนบ 10,000 token
• คำถามผู้ใช้ 200 token
• รวม input 10,700 token - output 500 token

กรณีไม่ใช้ caching 10 คำถาม/วัน × 22 วัน = 220 messages

• Input รวม 220 × 10,700 × $3/1,000,000 = $7.06
• Output รวม 220 × 500 × $15/1,000,000 = $1.65
• รวมทั้งเดือน $8.71

กรณีใช้ caching (system prompt + PDF = 10,500 token ที่แคชได้)

• Cache write ครั้งแรก 1 ครั้ง
• Cache read 219 ครั้ง × $3 × 0.10/1,000,000 × 10,500 = $0.69
• คำถามที่เหลือ 220 × 200 × $3/1,000,000 = $0.13
• Output เท่าเดิม $1.65
• รวมทั้งเดือน ประมาณ $2.50

ส่วนต่างจาก caching ในตัวอย่างนี้คือประมาณ 70%

ตัวอย่างสมมุติจากการใช้ Claude Sonnet 4.6 ($3/$15 ต่อล้าน token) 10 คำถาม/วัน × 22 วัน

จุดที่น่าคิดกว่านั้น ราคาต่อโทเคนตกลงจาก ~$20 ต่อล้านในปลายปี 2022 เหลือ ~$0.40 ต่อล้านสำหรับโมเดลระดับเทียบเท่า GPT-4 ลดลงประมาณ 98%⁹ แต่บิล AI รวมขององค์กรกลับโตขึ้น เพราะเราใช้มากขึ้น ใช้ agent และ reasoning ที่กิน token หนักขึ้น นักเศรษฐศาสตร์เรียกปรากฏการณ์นี้ว่า Jevons paradox ยิ่งของถูก ยิ่งใช้มากขึ้นจนจ่ายรวมแพงกว่าเดิม

ดูมุมนี้ในเชิงองค์กรได้ลึกกว่าที่บทความ tokenomics และ headcount AI

วิธีลดโทเคนโดยไม่สูญเสียคุณภาพ และเครื่องมือวัด

สรุปวิธีที่ทำได้ทันที

1. เขียน system prompt กระชับ

แทนที่จะเขียน “คุณคือผู้ช่วย AI ที่มีประสบการณ์สูง กรุณาตอบอย่างสุภาพและเป็นประโยชน์…” ลองใช้

Document summarizer. Reply in Thai. Be concise.

ผลลัพธ์มักดีกว่าหรือเทียบเท่า แต่ใช้โทเคนน้อยกว่าหลายเท่า

2. รวมหลายคำถามใน message เดียว

แทนที่จะส่งเอกสารเดียวกันซ้ำ 3 รอบสำหรับ 3 คำถาม รวมให้เป็น message เดียว

3. เขียน system prompt เป็นอังกฤษ ให้ตอบเป็นไทย

ประหยัด token ใน system prompt ได้ 50-70% เทียบกับเขียนเป็นภาษาไทย

4. ตัด header, footer, สารบัญ, เชิงอรรถ ออกก่อนส่ง

เนื้อหาจริงของเอกสารส่วนใหญ่อยู่แค่ประมาณ 60-70% ของทั้งหมด

5. จำกัดความยาว output และเปิดโหมดคิดลึกเท่าที่จำเป็น

ขอให้สรุปใน 3 ประเด็น แทนที่จะเขียนอธิบายยาว และเปิด reasoning mode เฉพาะงานที่ต้องใช้เหตุผลหลายขั้นตอนเท่านั้น

6. ใช้ prompt caching เมื่อส่งบริบทเดิมซ้ำ

ตรวจสอบว่า API ที่ใช้รองรับ caching หรือไม่ และตรวจสอบว่า system prompt ไม่มีส่วนที่เปลี่ยนแปลงทุก request

เครื่องมือวัด token ก่อนปล่อย workflow

• OpenAI Tokenizer (platform.openai.com/tokenizer) วางข้อความแล้วเห็นได้เลยว่าตัดอย่างไรกี่ token พร้อม visualization ใช้ได้แม้ไม่ได้ใช้ OpenAI
• Tiktokenizer (tiktokenizer.vercel.app) เปรียบเทียบการตัด token ระหว่าง tokenizer ต่าง ๆ ได้
• Anthropic Token Counter เรียกผ่าน endpoint POST /v1/messages/count_tokens สำหรับนับ token ของ Claude โดยเฉพาะ

วัดจริงก่อนเสมอ โดยเฉพาะ workflow ที่รันพันครั้งต่อวัน ผลต่างเล็กน้อยต่อ request บวกกันได้เร็วมาก

สรุป เข้าใจโทเคน ใช้ AI ได้ถูกลงได้จริง

โทเคนไม่ใช่แค่หน่วยบิล มันสะท้อนวิธีที่ AI “เห็น” ข้อความ และเมื่อเข้าใจแล้วคุณจะสามารถ

• เขียน prompt กระชับขึ้นโดยไม่สูญเสียคุณภาพ
• ประเมินค่าใช้จ่ายก่อนสร้าง workflow แทนที่จะรู้ทีหลัง
• เข้าใจว่าทำไม AI ลืมข้อมูลกลางทาง และรับมืออย่างไร
• รู้ว่าเมื่อไหร่ output ยาวหรือ reasoning จะดันบิลขึ้นอย่างมีนัยสำคัญ
• เลือกโมเดลได้ตรงงานและงบมากขึ้น

การประหยัดไม่ได้มาจากการรอราคาต่อโทเคนลดลง มันลดลงแล้ว แต่บิลรวมก็โตขึ้นตาม การประหยัดมาจากการคุมจำนวน token ที่ใช้จริงในแต่ละ request

แหล่งอ้างอิง

1. วัดด้วย tiktoken (cl100k_base) ของ OpenAI โดยตรง ตรวจสอบเองได้ที่ OpenAI Tokenizer หรือ Tiktokenizer - “hello” = 1 token, “สวัสดี” = 6 token, อัตราส่วนไทย/อังกฤษราว 4.3 เท่าใน cl100k_base (โมเดล GPT รุ่นใหม่ที่ใช้ o200k_base ช่องว่างจะแคบลงเหลือราว 2 เท่า) ↩

2. MetaCTO, “Anthropic API Pricing: A Full Breakdown,” https://www.metacto.com/blogs/anthropic-api-pricing-a-full-breakdown-of-costs-and-integration (2026); CloudZero, “Anthropic Claude API Pricing,” https://www.cloudzero.com/blog/claude-api-pricing/ (2026) - Claude Opus 4.8 ($5/$25) และ Sonnet 4.6 ($3/$15) pricing และ context window 1M token ↩ ↩²

3. DevTk.AI, “OpenAI API Pricing Guide 2026,” https://devtk.ai/en/blog/openai-api-pricing-guide-2026/ (2026); Apidog, “GPT-5.5 Pricing,” https://apidog.com/blog/gpt-5-5-pricing/ (2026) - GPT-5.5 pricing และ context window ↩ ↩²

4. Google DeepMind, “Gemini 3.1 Pro model card,” https://deepmind.google/models/model-cards/gemini-3-1-pro/ (2026); MetaCTO, “The True Cost of Google Gemini,” https://www.metacto.com/blogs/the-true-cost-of-google-gemini-a-guide-to-api-pricing-and-integration (2026) - Gemini 3.1 Pro pricing และ context window 1M token (รุ่น Ultra เท่านั้นที่ถึง 2M) ↩ ↩²

5. PromptHub, “Prompt Caching with OpenAI, Anthropic, and Google,” https://www.prompthub.us/blog/prompt-caching-with-openai-anthropic-and-google-models (2025-2026) - cache write 1.25x, cache read 0.10x, TTL 5 นาที ↩

6. businessmodelanalyst.com, “AI Token Costs: Tokenomics Foundation for Enterprise Spending,” https://businessmodelanalyst.com/ai-token-costs-tokenomics-foundation-enterprise-spending/ (2026) - agent workflow 2026 ต้นทุนต่อ interaction ~$1.20 vs linear workflow 2023 ~$0.04 ↩

7. Anthropic, “Inverse Scaling in Test-Time Compute,” https://alignment.anthropic.com/2025/inverse-scaling/ (2025) - การให้โมเดลคิดนานขึ้นบางครั้งกลับทำให้ความแม่นยำลดลง (inverse relationship ระหว่าง test-time compute กับ accuracy) ↩

8. Liu et al., “Lost in the Middle: How Language Models Use Long Contexts,” TACL 2024, https://aclanthology.org/2024.tacl-1.9/ - ความแม่นยำเป็นรูป U-shape ตามตำแหน่งข้อมูลใน context ตกได้เกิน 30% เมื่อข้อมูลอยู่กลาง ↩

9. The Next Web, “Token prices fell 98%, enterprise AI bills tripled,” https://thenextweb.com/news/token-prices-fell-98-enterprise-ai-bills-tripled-now-the-industry-wants-a-standards-body-to-explain-why (2026) - ราคา GPT-4 equivalent ตกจาก ~$20 เหลือ ~$0.40 ต่อล้าน token ↩