汉语比英语更简洁吗？

（一）按字符数：汉语确实短，但这几乎是数学上的必然

汉语常用字有三四千个，英语字母只有二十六个。符号种类越多，每个符号能承载的信息就越多，写同样的内容需要的符号就越少。这就像同一个数字，用十六进制写比用二进制短得多，但没人会说十六进制“更简洁地表达了数字”，它只是用了更多种符号。

按信息论粗算：从三千多个字里选一个，大约相当于12比特的信息；从二十六个字母里选一个，不到5比特。汉字写得短，是因为每个字“贵”。代价也不在纸面上，而在学习者的记忆里：认三千个字和认二十六个字母，成本完全不同。

（二）按说话：各种语言的信息速率大致相同

2011年和2019年，法国里昂的一个研究团队先后做过跨语言比较，后一项研究覆盖了17种语言。结论是：不同语言每个音节承载的信息量差别很大，但信息量大的语言说得慢，信息量小的语言说得快，两者相互抵消，最后每秒传递的信息量大致相同，约为每秒39比特。汉语普通话的每个音节信息量偏高（声调功不可没），语速相应偏慢。

也就是说，在人类交流真正发生的层面，汉语并不比英语“更快地说完同一件事”。

（三）按大模型的token：取决于分词器，而不是语言

这正是“用更少token”这种说法最容易误导人的地方。token不是语言的天然单位，而是分词器从训练语料里统计出来的片段。哪种语言在训练语料里多，就能在词表里分到更多的“整块”；分得越多，切出来的token就越少。

所以，早期以英文语料为主训练的分词器，处理中文往往很“贵”：一个汉字常被切成两三个token，同样的内容，中文比英文多用不少token。2023年有一篇研究专门测量过这种跨语言的不公平，有些语言要多付好几倍的token。后来的分词器扩大了词表、放进了更多中文片段，以中文语料为主训练的模型更是如此，中文就变得省了。

所以，同一段中文在不同模型里的token数可能差很多。token数衡量的是词表怎么分配，而不是语言本身是否简洁。

（四）“同样的意思”其实并不一样

“我买了书”，是一本还是几本？是那本书，还是随便一本？英语必须选：a book、the book、books，三选一。汉语可以不说，交给语境。英语的时态、单复数、冠词、主谓一致，都是强制要付的“语法税”。

汉语短，有一部分是因为它少说了一些东西，而不是用更少的字说了同样的东西。反过来，汉语也有英语没有的必选项：“一本书”的量词，“看见”“听到”的结果补语，英语都不需要。每种语言交的税不一样，只是交在了不同的地方。

所以严格说，“同样的意思用更少的字”这个比较本身就不成立，因为翻译前后的信息量并不相等。

（五）历史证据：简洁是要付代价的，汉语自己就付过

古汉语书面语以极简著称，一个字就是一个词。可在汉语漫长的历史中，语音不断简化，许多韵尾消失了，同音字越来越多。为了不让人听混，语言自己变长了，大批单音词变成双音词：目变成眼睛，衣变成衣服，师变成老师。这就是现代汉语的“双音化”。

赵元任先生写过一篇《施氏食狮史》，全文每个字都读shi，只是声调不同。看文字完全读得懂，念出来一个字也听不明白。它恰好说明：书面的简洁，靠的是汉字字形在撑着；落到口语上，这种简洁根本承受不起。

（六）风格对长短的影响，往往比语言本身更大

“对这个问题进行了深入的研究”，换成“深入研究了这个问题”，同一种语言里就省了将近一半。英语里也有极简的说法，Got it、Done，比“我明白了”“做完了”还短。一种语言写出来是长是短，很大程度上取决于写的人，而不是语言本身。

（七）成语是一种特殊的简洁

“刻舟求剑”四个字，背后是一整个故事。成语像一个压缩包，体积很小，但解压需要一本共享的“字典”，也就是听者得知道这个典故。对知道的人，它极其高效；对不知道的人，它什么也没传递。这种简洁的成本，提前付在了教育里。

按每个书写符号算，汉语确实更密，但这是因为符号种类多。按每秒说话传递的信息算，汉语和英语大体持平。按大模型的token算，结果取决于具体的分词器，变化很大。

如果“汉语更简洁”只是在描述“汉字写出来更短”，那它是对的，也很普通。可它一旦被引申为“汉语更高效”“汉语更优越”，就成了上次说的语言神话的正面版本。它和“汉语不科学”“汉语天生模糊”是同一种错误的两面：把一种语言的形式特点，当成了它的价值高低。