AI 研究者 Aran Komatsuzaki 把 Rich Sutton 的知名论文「苦涩的教训」（The Bitter Lesson）翻成 9 种语言，喂进 OpenAI、Gemini、Qwen、DeepSeek、Kimi、Claude 6 家模型的分词工具（tokenizer），以英文原文在 OpenAI 分词工具上的 token 数为 1 倍基准，看各语言在各模型上花多少倍。结果：同样的内容用中文问 Claude，token 消耗是基准的 1.65 倍；用 OpenAI 只有 1.15 倍。印地语在 Claude 上更夸张，超过基准 3 倍。6 家横评里 Anthropic 垫底。 
翻译会改变文本长度，所以跟英文比的倍数不完全精确。但更有说服力的是同一段中文在不同模型上的表现（仍以同一基准）：Kimi 只花 0.81 倍（比英文还少），Qwen 0.85 倍，到 Claude 上...