35. 小明正在開發一個基於 GPT 模型的「AI Agent」。在串接 API 時，他發現模型並不是 直接以「中文字」或「英文字母」作為運算單位，而是將文本切割成稱為「Token」 的單位進行處理。小明觀察到，同樣一段話轉換成 Token 後，數量會因為語言與編 碼方式而有所不同。關於大型語言模型（LLM）中 Token（權杖／代幣）的運算與 計費機制，下列敘述何者最正確？
(A)在主流的編碼中，一個繁體中文字通常剛好等於 1 個 Token，而一個英文字母也等於 1 個 Token
(B)Token 是模型理解文本的最小單位；由於編碼效率差異，處理同樣語意的內容時，繁體中文所消耗的 Token 數通常比英文多
(C)為了節省開發預算，開發者應在 Prompt（提示詞）中加入大量的空格與特殊符號，因為模型會自動忽略這些不具備語意的 Token
(D)模型所標榜的上下文視窗，例如 128K，是指模型一次最多可記憶 128,000 個中文字