AI 翻译工具价格对比：按字符数、按文档页数还是按 token

翻译工具的定价页看起来是最好比的：DeepL 按字符、Google 按字符或按页、Azure 按字符、大模型 API 按 token。四个数字摆在一起，好像只要乘除一下就能排个序。

麻烦在于这四个单位之间没有固定汇率。Google 的定价文档明确写「Cloud Translation counts usage on a per character basis, even if a character is multiple bytes」，并按 Unicode 码点计费——连空格和 HTML 标签都算钱，官方举的例子是翻译 <p>こんにちは</p> 计 12 个字符。而 OpenAI 按 token 计费，官方帮助中心只给了一个语言的比例：「1 token is approximately 4 characters」，并明确补了一句这是针对英文的估算，其他语言里字符、词和 token 的关系不一样。

也就是说，专业翻译 API 的「字符」和大模型的「token」之间，汇率取决于你翻的是哪种语言。这篇要做的就是先把四种单位折算到同一把尺上——翻译 100 万字符的成本——然后算清一件官方页面不会告诉你的事：用通用大模型 API 自己翻，在什么条件下会比专业翻译 API 更贵。数据于 2026 年 9 月 24 日重新核对各厂商官方定价页与官方文档。

本文方法：官方公开数据交叉核对，未做本地实测。所有数字均标注来源，核对日期见文末。

一、四种计价单位，一张全表

先把原始写法记录下来。下表不做任何折算，币种也保持官方页面上的原样。

表里有三处单位上的不对称，值得先说清楚。

第一，Google 的 NMT 只按输入字符收费，LLM 档位输入和输出都收。官方文档写「For the default Neural Machine Translation (NMT) and custom models, you are charged on the number of input characters per target language. For the specialized translation large language model (LLM), you are charged on the number of input and the output characters」，并且明确提示「the number of input and output characters are likely to be different」。也就是说，同一份原文翻成同一种语言，走 NMT 和走 LLM 的计费基数根本不是同一个数。

第二，Google 是四家里唯一把「页」当成独立单位的。文档翻译按 $0.08/页计费，而且明确说明免费 credit 不适用于文档翻译。这意味着「前 50 万字符免费」这个优惠，对一个只翻 DOCX 的用户完全不生效。

第三，DeepL 的 API 是唯一把「年费」和「超出按量」拆成两段写的。Growth 档的 €23.80/月（年付）包含 12,000,000 字符/年，超出部分 €22.00/百万字符。把年费除一下：€23.80 × 12 = €285.60，除以 12 百万字符，正好是 €23.80/百万字符。所以 DeepL API 的实际每百万字符成本在 €22.00 到 €23.80 之间——包含额度的部分按 €23.80 算，超出的部分按 €22.00 算。这个数字恰好等于它的月费，纯属巧合，但很容易被误读成「月费里包含一整个百万字符」。

二、折算成「翻译 100 万字符」

现在把尺子拿出来。折算规则有三条，全部写出来供核对：

• 英文字符与 token 的换算采用官方比例：1 token ≈ 4 字符，即 100 万英文字符 ≈ 250,000 token。
• 译文的 token 数按与原文相等计算。这是本文的假设，不是官方数据——同语系语言对（如英译德）这个假设比较接近，跨语系（如英译中）会偏离。
• DeepL 的欧元报价不折算成美元。按 1 EUR ≈ 1.05–1.15 USD 的常见区间，€22.00 约合 $23–25，但本文不假设单一汇率，因此在排序时把 DeepL 单列。

这张图里最刺眼的是最上面那根：gpt-6-luna 翻 100 万英文字符只要 $0.15，是 Azure 标准翻译 $10.00 的 1/66.7，是 Google NMT $20.00 的 1/133。这个差距不是靠折扣能弥合的，它来自两个完全不同的成本结构：专业翻译 API 卖的是「一个已经调好的专用模型，你付的是它的运营成本」，大模型 API 卖的是「通用算力，你付的是 token 数量」。

但差距的另一面是：这个 $0.15 建立在三个假设上——一次就翻对、不需要术语一致、不需要保留格式。三个假设里任何一个不成立，成本就会往上走，而且走得很快。下一节就来算这个。

三、大模型什么时候反而更贵：重试容忍度

先定义清楚「重试」在翻译场景里指什么。它至少包括三种情况：译文里出现了术语表禁止的译法，需要整段重译；文档里的标签或占位符被模型改动，需要重发；跨段落的人称、语气不一致，需要把前文一起带上重跑。这三种都会让同一段文本被处理两次以上。

重试的代价是把单次成本乘以次数。把上一节的单次成本除以专业翻译 API 的单价，就得到每个模型的重试容忍度——在超过这个次数之前，自己翻仍然更便宜。

这张表就是本文的原创增量。它给出的结论比「大模型更便宜」精确得多：

• 用旗舰模型 gpt-6-astra，重试容忍度只有 1.33 次。也就是说，只要同一段文本平均被处理两次，成本就变成 $30.00，超过 Google NMT 的 $20.00 和 DeepL 的 €22.00。而「需要术语表和格式保留」的文档翻译任务，平均重试两次是很常见的情况。
• 用中档模型 gpt-6-sol，容忍度是 3.33 次（对 Azure）。$3.00 的单次成本意味着即使重试三次也才 $9.00，仍然低于 Azure 的 $10.00。这个档位是四家里性价比最平衡的。
• 用便宜模型 gpt-6-luna，容忍度是 66.7 次。这个数字大得几乎不可能被重试消耗掉——如果一份任务需要重试 67 次才能翻对，问题不在成本，在模型选错了。

还有一个能压低成本的官方机制值得写进来：OpenAI 的缓存命中价。三个模型的缓存输入价分别是 $0.01、$0.20、$1.00，都是未命中价的 1/10。翻译任务里有一块天然适合缓存的内容——术语表、风格说明、格式规则。把它们放在每次请求的前缀里，输入侧的价格直接降一个数量级。以 gpt-6-astra 为例，输入价从 $10.00/百万降到 $1.00/百万；如果术语表占了输入的一半，单次成本会从 $15.00 降到约 $13.75，降幅不大，但这是免费的——只要你的请求结构允许命中缓存。

反过来，Anthropic 在定价文档里提过的另一个坑在这里也成立：官方帮助中心明确写「A token count is not the same as a word count. The same text can produce different token counts depending on the model, its encoding, and the language」。跨模型比翻译成本时，用同一段真实文本在各家的 tokenizer 里跑一遍拿到实际 token 数，比用单价乘字数可靠得多。本站另一篇 大模型 API 价格横评 讨论过同一个问题。

四、语言对才是最大的隐藏变量

到这里为止，所有折算都建立在「100 万英文字符 ≈ 250,000 token」这个官方比例上。换成中文，这把尺子会立刻变形。

官方帮助中心只给了英文的比例，并明确说「other languages can have different relationships between characters, words, and tokens」。中文的字符与 token 比例官方没有披露。本文按 1 token ≈ 1.5 个汉字估算，并把结果标注为估算值：

这张表说清了一件官方页面不会告诉你的对照：专业翻译 API 的「字符」是语言无关的，大模型的「token」是语言相关的。Google 按 Unicode 码点计费，100 万个汉字和 100 万个英文字母都是 $20.00；而 OpenAI 按 token 计费，100 万个汉字大约要花掉 66.7 万个 token，是 100 万英文字符的 2.7 倍。

这条规则直接改变了上一节的结论。中译英场景下，gpt-6-sol 的百万字符成本从 $3.00 涨到 $8.00，重试容忍度从 3.33 次掉到 1.25 次；gpt-6-astra 从 $15.00 涨到 $40.00，一次就比 Google NMT 贵一倍，重试容忍度变成负数——它压根没有划算的区间。

还有一层：如果按「目标语言的字符数」而不是「源语言的字符数」来算成本，情况会反转。中译英时源文 100 万汉字对应的英文译文往往超过 100 万个字母，Google 和 Azure 按源文字符计费，这部分多出来的字母不计费；而大模型的输出 token 是要计费的。这个不对称对专业翻译 API 有利，但官方页面不会主动提醒你。

五、三个比价时容易踩的坑

六、按场景怎么选

• 大批量、单一语言对、不需要术语约束：用最便宜的大模型 API。gpt-6-luna 的 $0.15/百万英文字符是 Azure 标准翻译的 1/66.7，重试容忍度 66.7 次，几乎不可能被重试吃掉优势。
• 大批量、但要求术语一致或需要保留 DOCX/PPT 格式：先算清楚平均重试次数。超过 1.33 次就别用旗舰模型，改用中档的 gpt-6-sol（容忍度 3.33 次）；超过 3.33 次就用专业翻译 API。Azure 的 $10.00/百万字符是这一档的基准线，Google NMT 的 $20.00 是上限。
• 只要译文通顺、不介意术语波动、且是低资源语言：DeepL 的价值不在单价（€22.00–23.80/百万字符是四家里最贵的区间），而在它长期积累的语言对覆盖。DeepL Free 的 50,000 字符/月和 API Developer 的一次性 100 万字符额度都值得先用来试。
• 要翻整份文档而不是纯文本：Google 的文档翻译是 $0.08/页，Azure 是 $15/百万字符，两家单位不同。一份 10 页的 DOCX 走 Google 是 $0.80；同样内容假设 20,000 字符，走 Azure 是 $0.30。页数和字符数之间的换算取决于文档的排版密度，没有通用公式，必须用真实文件测。注意 Google 的免费 credit 不适用于文档翻译。
• 需要按用户或按团队分配额度：DeepL 的 Pro 档位是四家里唯一按「字符/用户/月」卖的（Individual 300,000、Team 1,000,000、Business 不限），其余三家都是按量计费、不区分使用者。多人共享一个 API key 时，DeepL 的分档最直观。
• 要跨语言对横向比成本：先确认你翻的是哪种语言。同一份 100 万字符，中译英的成本是英译德的 2.7 倍（按本文假设的中文换算比例）。用英文场景算出来的结论，不能直接搬到中文场景。

回到文章开头那个问题：四种计价单位能不能折算到同一把尺上。答案是能，但只能折算一次——折完之后你必须立刻承认，那把尺子是用一组假设拼出来的：token 与字符的换算比例、译文与原文的长度关系、平均重试次数、以及「你需要的是能用的译文还是能过审的译文」。

这也是为什么官方定价页永远看起来比实际便宜。它卖的是单次处理的单价，你付的是「处理到能用为止」的总价。两个数字之间的距离，取决于你的任务有多脏——而这件事没有任何厂商的定价页会主动告诉你。

这个思路和本站其他横评是同一套方法。我们把 API 的单次任务成本、语音转写的每小时成本、AI 搜索的每次查询成本都拉平到同一把尺上算过，结论一直是类似的：官网最显眼的那个单价，通常不是决定账单的那个数字。相关阅读：大模型 API 价格横评：为什么每百万 token 单价不能直接比、AI 工具的 API 免费额度盘点、AI 订阅的年付折扣对比。