很多人在找便宜的 AI Token 方案時，第一眼只看「每百萬 Token 幾美元」。這樣看很快，但也最容易看錯。因為現在主流平台的價格，不只分 input 和 output，還常常另外有 cached input、Batch、搜尋、Grounding、快取儲存、工具呼叫，甚至區域或模式加價。 OpenAI 官方價格頁就把 input、cached input、output、Web search、Batch API、Regional Processing 等項目分開列出；Gemini 的官方 pricing 頁也把 input、output、context caching、storage、Grounding with Google Search / Maps、Batch API 分開列價。 所以，真正比較實用的結論是： 便宜方案不是先看誰最便宜，而是先看你的用途，再看該平台怎麼計價。 如果你做的是高頻、簡單、可批次的任務，低價模型加上 Batch 或快取，通常才是真正省；如果你做的是長上下文、搜尋型助理、工具型 Agent，那最後把帳單拉高的，

很多人第一次看 AI API 價格表，最容易只盯著一個數字： 每百萬 Token 多少錢 。但現在主流 平台的定價早就不只這一層。 OpenAI 除了 input、cached input、output 之外，還另外列出 web search、containers 等工具型費用；Anthropic 也把標準 token 計價、prompt caching、web search、code execution 等拆開；Google Gemini 則同時列出 input、output、context caching、storage、Grounding with Google Search 等不同費用。 所以真正正確的看法不是「哪個模型每百萬 Token 最便宜」，而是先把兩件事拆開： 模型本身的 Token 費用 你額外打開哪些功能後產生的功能費用 這樣看，才不會把一個看起來很便宜的模型，誤判成實際使用也一定最省。你原稿的核心就在這裡，我這版會把它整理得更清楚。 先分清楚：什麼叫 Token 費用？ Token 費用，最簡單就是模型「 讀進去多少、吐出

如果你最近開始研究 Anthropic 的 Claude API，應該很快就會遇到這幾個詞：input token、output token、prompt caching、rate limits、spend limits、batch processing。 對新手來說，最困難的通常不是 Claude 好不好用，而是： Claude Token 計費到底怎麼看？哪些情況用 Claude 比較適合？我會不會還沒搞懂就先把預算燒掉？ 這篇文章就是要幫你把這些問題一次拆開。你不需要一開始就把 Anthropic 的全部文件看完。先看懂幾個最重要的重點就夠了：Claude API 主要怎麼收費、哪些數字最值得先看、Prompt Caching 是什麼、以及 Claude 特別適合哪些工作。 Anthropic 官方定價頁明確把 Claude API 的費用拆成 Base Input Tokens、Cache Writes、Cache Hits & Refreshes、Output Tokens ，並另外說明 batch processing、long co

很多人剛開始接觸 AI 工具時，第一個會遇到的問題不是模型強不強，而是： 到底該買月費，還是直接走 AI API 用量計費？ 因為表面上看起來，兩種都像是在「付錢用 AI」，但實際上，它們的邏輯完全不同。OpenAI 官方把 ChatGPT 方案定義為每位使用者每月計費，API 則另有獨立的 token 價格頁；Anthropic 也同時提供 Claude 訂閱方案與 Claude API 計價；Google 這邊同樣有 Google AI 訂閱方案與 Gemini Developer API 的用量型計費。 所以這篇文章會直接幫你拆清楚： 你常看到的月費制是什麼 用量制到底怎麼運作 兩者的成本風險、適用場景、常見誤解有哪些 以及你現在到底比較適合哪一種 如果你前面已經看過 AI Token 的基礎概念，這篇可以幫你把「費用結構」接到「使用方式」這一步，讓你不只是知道怎麼付錢，而是知道自己到底該選哪種付費模式。 先講最簡單的答案：月費制是買使用資格，用量制是買實際消耗 月費制 ，通常是你每月固定付一筆錢，取得某個產品方案、模型存取權限與功能範圍。

很多人在剛開始接觸 AI API 時，最常遇到的不是模型不會用，而是另一個更現實的問題： 到底一個月會花多少？ 你可能已經知道 AI 服務常用 token 計費，也知道不同模型、不同平台、不同輸入輸出都會影響成本，但一打開後台還是會覺得很亂。 什麼 input tokens、output tokens、cached tokens、context，光看名稱就容易頭大。OpenAI 官方就明確說明，API 用量會拆成 input tokens、output tokens、cached tokens 等類型，而且這些數字會直接用在 billing 與 usage tracking。 如果你現在只想知道一件事—— 我平常這樣用，大概會花多少錢？ 那這篇文章就是寫給你的。 這篇不會走太工程化的算法，也不會要你每次都拿 tokenizer 工具精算，而是直接給你一套比較適合個人使用者的估法：先抓使用習慣，再抓模型層級，最後抓月預算區間。想先回到整體概念，也可以把 AI Token 這組主關鍵字連回主頁，作為整站核心入口。 為什麼很多人會低估 AI Token

很多人一開始碰 AI API，最常以為成本計算很簡單：不就是把 token 數量乘上價格嗎？ 這句話不算錯，但少了最重要的一步。真正比較準的算法，不是把所有 token 混成一包去算，而是先把 input 和 output 分開，再各自乘上單價。 因為現在主流平台幾乎都把輸入與輸出拆開計價，而且 output 往往比 input 更貴。OpenAI 的 API Pricing 頁明確列出 GPT-5.4 mini 的 input 是每 1M tokens 0.75 美元、cached input 是 0.075 美元、output 是 4.50 美元；Anthropic 的 Claude 定價頁也把 Claude Haiku 4.5 列為 input 1 美元 / MTok、output 2 美元 / MTok；Google Gemini 的官方定價頁則明確把 input、output、context caching 分開列價，甚至部分模型在 prompts 超過 200k tokens 後還會跳到更高費率。 所以這篇文章不重講 AI Token