AI 大模型的语言不平等：英语最便宜，其它语言要贵得多

7 月 31 日消息，用户所应用的语言对于大型语言模型（LLM）的费用有很大的影响，可能造成英语应用者和其它语言应用者之间的人工智能鸿沟。最近的一项研讨显示，由于 OpenAI 等服务所采取的的服务器成本权衡和计费的方法，英语输入和输出的费用要比其他语言低得多，其中简体中文的费用大约是英语的两倍，西班牙语是英语的 1.5 倍，而缅甸的掸语则是英语的 15 倍。

注意到，推特用户 Dylan Patel（@dlan522p）分享了一张照片，展现了牛津大学进行的一项研讨，该研讨发现，让一个 LLM 处置一句缅甸语句子须要 198 个词元（tokens），而同样的句子用英语写只须要 17 个词元。词元代表了通过 API（如 OpenAI 的 ChatGPT 或 Anthropic 的 Claude 2）拜访 LLM 所需的盘算力成本，这意味着缅甸语句子应用这种服务的成本比英语句子高出 11 倍。

词元化模型（即人工智能公司将用户输入转换为盘算成本的方法）意味着，除了英语之外的其他语言应用和训练模型要贵得多。这是因为像中文这样的语言有着不同、更庞杂的构造（无论是从语法还是字符数量上），导致它们须要更高的词元化率。例如，依据 OpenAI 的 GPT3 分词器 ，“你的爱意（your affection）”的词元，在英语中只须要两个词元，但在简体中文中须要八个词元。尽管简体中文文本只有 4 个字符（你的爱意），而英文有 14 个字符。