TOKEN的最佳翻译
内容提要
文章主张大语言模型术语 token 的最佳中文译名是「模型字」，简称「字」。作者认为「词元」的「词」有误导性、「元」抽象、读音平且无法简称；「模元」虽去掉「词」，仍受限于「元」，难以构词。而「字」已有「机器字」「字长」等先例，指可识别、计数、处理的最小单位，可构成字窗口、字嵌入、下一字预测等术语，结构自然、能产性强。
延伸解读
术语翻译的能产性考量
文章指出，术语翻译不仅要准确，还要考虑其构词能力。一个术语若能简称并衍生出系列词汇，将极大便利技术传播。「模型字」可简称「字」，从而生成字窗口、字嵌入、下一字预测等术语，而「词元」「模元」因无法简称，构词生硬，限制了表达。这提醒我们，在引入新术语时，能产性往往比字面简洁更重要。
「字」在计算机术语中的先例
作者以「机器字」「字长」「字节」为例，说明中文「字」在计算机领域早已不限于汉字，而是指可识别、计数、处理的最小单位。将「字」用于大模型，与CPU按字长处理数据同构，逻辑自然。这有助于消除「字即汉字」的误解，为「模型字」的合理性提供支撑。
歧义消解与语境适应
针对「字」可能被误解为汉字的担忧，文章类比英文token的多义性（词法记号、访问令牌、代币等），指出英文通过限定词消歧，中文同样可用「模型」限定。正式场合使用「模型字」，简称「字」，类似CPU语境中说「字长」不会误解为汉字。这种策略平衡了简洁与准确。
Q&A
为什么说「词元」这个翻译不好？
「词元」的「词」有误导性，因为 token 不一定是词，可能是半个词、多个词、空格、标点、emoji 或半个汉字；「元」太抽象，没有具体形象；读音平直，缺少重音；不能简称，搭配生硬；还容易和已有词法术语混淆。
「模元」和「词元」相比有什么改进和不足？
「模元」把「词」换成「模」，切断了 token 是词的错误预设，比「词元」好一点。但它仍卡在「元」上，「元」依然抽象，且「模元」没法简称，导致无法构词，比如「下一模元」「多模元」又长又拗口。
为什么「模型字」是 token 的最佳翻译？
「模型字」结构自然（模型限定，字为中心语），有「机器字」「字长」等先例，其中「字」指可识别、计数、处理的最小单位；可简称「字」，能产性强，能构成字窗口、字嵌入、下一字预测等术语；有歧义时可用「模型」收束；语感像母语。
「模型字」的「字」和汉字有什么关系？
没有关系。「字」在计算机术语中早有先例，如「字长」「机器字」「字节」，指被识别、计数、处理的最小单位，与汉字无关。模型字是模型词表里的离散符号 ID，是模型读写文本的最小单位，就像 CPU 一次处理一个字长，LLM 一次生成一个 token。
「模型字」在实际使用中如何简称和构词？
首次出现写「模型字」，之后可简称「字」。可以构成字窗口、字嵌入、字化、字表、按字计费、下一字预测、多字预测等术语，构词自然且能产性强。
token 在中文里还有哪些其他译名？它们各自有什么问题？
常见译名有「词元」和「模元」。「词元」的「词」误导、「元」抽象、不能简称；「模元」虽去掉了「词」，但仍受限于「元」，无法简称和构词。文章认为最佳译名是「模型字」。
