模型架构

分词器

Tokenizer

把文本切成 token 的那套规则与词表。

又称 Tokenizer BPE

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

主流用 BPE 或其变体:从字符开始,反复合并高频组合,直到词表达到设定大小(常见 10 万–25 万)。切分结果直接决定 token 数,也影响模型对中文、代码、数字的处理。

同一个句子在不同模型里 token 数可能差 30%,跨模型比价格时必须按各自分词器算,不能按字数估。

02 什么时候会碰到它
读模型卡、选型或看论文结构时

厂商说「用了 GQA」「换成 MoE」「支持百万上下文」时,指的都是这一层的设计。不必会推导公式,但要知道改动影响的是显存、速度还是表达能力。

03 和这几个词怎么区分
04 接着读这几篇
05 用得到的工具

下面这些站点来自 AI 导航(nav.ppv9.com)的同一份工具清单,按本词条的相关度挑选。

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活