使用 Genshijin 技能后，尽管日语输出变短，开发者支出反而增加

Translated for your language. 阅读原文.

AI-assisted, human-reviewed.

本文目录

Genshijin 编程助手将日语代码响应缩减了约 28%，但却使英语回复变长了 2.5%，且在这两种情况下，总 API 账单都增加了。

任何为 AI 生成代码付费的人都能感受到这种影响。基于 Token 的计费方式将提示词（prompt）或输出中的每一个多余单词都转化为了实际的美元支出。一个在缩减一种语言的同时却增加了另一种语言长度的工具，可能会剧烈改变成本计算结果。

测试是如何进行的

该实验涵盖了 192 个日语和英语的软件工程提示词。研究人员在四种回复配置下向模型发送了每个查询：一个纯基准配置，以及三种通过不同指令集调用 Genshijin 技能的变体。该技能的工作原理是在提示词中附加额外的引导信息，这会消耗额外的输入 Token。

他们以 Token 为单位测量输出长度，并将输入和输出 Token 的成本相加，以得出总 API 成本。

成本增加源于 Genshijin 注入的额外指令。在模型开始生成代码之前，这些指令就已经增加了 Token。在本次测试中，日语输出缩减所节省的 Token 始终无法抵消所需的额外输入 Token。

为了达到盈亏平衡，日语查询需要削减约 479 个输出 Token，而英语查询则需要减少 435 个 Token。实测的节省量未能达到这些阈值。

日语通常包含敬语和冗长的措辞等填充内容。Genshijin 的提示词优化针对的就是这些填充内容，通过剔除不必要的词汇来压缩响应。相比之下，英语本身往往更加简洁，因此相同的提示词可能会无意中增加模板化内容，从而拉长回答。

某些文档宣称的 75% 降幅仅指输出 Token 数量，而非总账单。如果开发者只关注这一数字，可能会发现账单金额保持不变甚至上升，从而感到惊讶。

核心结论： Genshijin 可以显著缩减日语代码输出，但它增加的额外提示词 Token 抵消了任何直接的成本效益——甚至可能增加英语响应的长度。请有选择性地使用它，并始终针对自己的工作负载验证 Token 的影响。