For the complete documentation index, see llms.txt. This page is also available as Markdown.

การใช้งานโควตาและโทเค็น (Usage & Tokens)

ในโลกของ AI "โทเค็น (Tokens)" เปรียบเสมือน "แต้ม" หรือ "โควตา" ที่ใช้ในการประมวลผล เนื่องจาก AI ไม่ได้อ่านข้อความทีละตัวอักษรหรือทีละคำเหมือนมนุษย์ แต่จะแบ่งข้อความเป็นส่วนย่อยๆ ที่เรียกว่าโทเค็น เพื่อใช้ในการคำนวณและสร้างคำตอบครับข้อมูลที่คุณพบในหน้า Dashboard สามารถอธิบายได้ง่ายๆ ดังนี้

1. Input Tokens และ Context Token Usage

  • Input Tokens (โทเค็นส่วนขาเข้า): หมายถึงจำนวนโทเค็นที่เกิดขึ้นจาก "คำสั่งหรือคำถาม" (Prompt) ที่คุณพิมพ์ส่งให้ AI รวมถึงข้อมูลจาก "ไฟล์เอกสาร" ที่คุณอัปโหลดเข้าไปเพื่อให้ AI วิเคราะห์

  • Context Token Usage (การใช้โทเค็นบริบท): คือโทเค็นที่ใช้เพื่อสร้างความเข้าใจใน "บริบทของการสนทนา" เพื่อให้ AI สามารถตอบคำถามได้ต่อเนื่องและสอดคล้องกับประวัติการคุยก่อนหน้า ระบบจำเป็นต้องประมวลผลข้อมูลบริบทเหล่านี้ร่วมด้วยในแต่ละครั้ง

2. Response Token Usage

  • Response Token Usage (โทเค็นส่วนคำตอบ): หมายถึงจำนวนโทเค็นที่เกิดจาก "คำตอบที่ AI สร้างขึ้น" ยิ่ง AI ตอบคำถามยาวหรือให้ข้อมูลที่ละเอียดมากเท่าไหร่ จำนวนการใช้ Response Token ก็จะเพิ่มมากขึ้นตามไปด้วย

3. Token Quota: วิธีเช็กยอดคงเหลือ

ท่านสามารถตรวจสอบจำนวน Tokens ที่เหลือ และสถานะการใช้งานของได้ตลอดเวลาที่เมนู Creator Portal > Creator Dashboard > Overview บนหน้าจอหลักของ Matthew Ai

รู้หรือไม่?

1,000 Tokens ≈ 750 คำภาษาอังกฤษ (ภาษาไทยอาจใช้มากกว่าแม้ว่าจะมีความยาวเท่ากันเนื่องจากการตัดคำที่ซับซ้อนกว่า)

ดังนั้น การใช้ Promt ภาษาอังกฤษจะใช้ Tokens น้อยกว่าภาษาไทย

Token หมด ทำอย่างไร?

ติดต่อทีมงานผ่าน Line OA: @tliccmu หรือ Facebook : Teaching and Learning Innovation Center, CMU แจ้ง "ขอเติม Tokens Matthew" พร้อม CMU Mail (@cmu.ac.th) ได้เลย

ทำไมต้องจำกัดโควตา?

เนื่องจากแต่ละโทเค็นที่ AI ประมวลผลมีต้นทุนในด้านทรัพยากรคอมพิวเตอร์ที่สูงมาก การกำหนดโควตาจึงช่วยให้ระบบสามารถจัดสรรการใช้งานให้แก่บุคลากรและนักศึกษาทุกคนได้อย่างทั่วถึงและมีประสิทธิภาพที่สุด

Last updated