很多人剛開始接觸 AI API 時，最常問的問題通常是： 哪個模型最強？哪個模型最便宜？哪個模型最划算？ 但如果你真的想把 AI 用得穩、用得久、用得不浪費，這三個問題通常都不是第一個該問的。真正更重要的問題是： 你要拿這個模型來做什麼？ OpenAI 的官方模型選擇指南明確建議，先看任務需要的準確度，再平衡成本與延遲；Anthropic 的官方模型選擇指南也直接把「能力、速度、成本」列成選模型時的三個核心考量。換句話說，模型選擇本來就不只是比價格，而是要看用途、品質需求和整體工作流。 所以如果你現在正在想「AI Token 怎麼選模型」，最不容易出錯的思路其實很簡單： 先看用途，再看模型。 如果你前面已經看過 AI Token 的基礎概念，這篇可以幫你把「token 成本」接到「模型怎麼挑」這一步，讓你知道選模型不是只看排行榜，而是看你的任務值不值得用那個模型。 為什麼選模型不能只看價格 很多新手一開始會直接打開價格表，然後比較： 每百萬 input token 多少錢 每百萬 output token 多少錢 哪個模型名字看起來比較高階 哪個

很多人第一次接觸 AI API，都會直接問一個很直覺的問題：AI Token 要去哪裡買？是不是像買點數一樣，先買一包 token，再慢慢用？ 其實，多數平台不是這樣運作的。對大部分個人用戶來說，你通常不是在買一個叫做「token」的商品，而是先替 API 帳戶準備好可扣款的方式，像是預付 credits、綁定信用卡，或先儲值一筆可用餘額，之後平台再依照你實際用了多少 input token 和 output token 去扣款。OpenAI、Gemini、Anthropic 和 OpenRouter 現在都屬於這種邏輯，只是包裝方式不完全一樣。 所以如果你是個人用戶，想先用最簡單的方式理解，可以直接把它想成：你不是去買一袋袋 token，而是先幫帳戶準備好能付款的條件，平台之後再按照實際使用量慢慢扣。 如果你是第一次接觸這個主題，也可以先從這個 AI Token 主題頁往下看，先把基礎概念串起來。 先分清楚：你要買的是聊天訂閱，還是 API 用量 這是最多人一開始會搞混的地方。很多人以為自己已經有 ChatGPT Plus，所以應該也算買好

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

很多人在開始用 AI API 時，第一個卡住的問題不是模型要選哪一個，而是接法要怎麼選。你可能已經知道 OpenAI、Anthropic、Google 這些原廠都能直接提供 API，但同時又會看到有人推薦 OpenRouter，說它可以一口氣接很多模型、切換比較快、開發比較省事。 所以最常見的問題就會變成： OpenRouter 是什麼？和直接買原廠 API 差在哪？ 先講最短的答案。 OpenRouter 不是自己訓練模型的原廠，它比較像是一層聚合入口。 你可以透過一組 API key、相對一致的 API 介面，去接多家模型供應商與多種模型；而如果你直接買原廠 API，你就是分別和 OpenAI、Anthropic、Google 等模型提供方直接合作。 OpenRouter 官方把自己定位成 unified API，主打以 OpenAI-compatible 的方式存取多模型，並提供路由、備援與統一使用體驗。 這篇只處理一個很明確的意圖： 你已經看到 OpenRouter 了，現在想知道它到底是什麼，跟直接買原廠 API 有哪些實際差別。..

很多人剛開始接觸 AI API，都以為計費方式很單純：你送進去多少 token，模型回多少 token，最後就照著乘一乘。 這個理解不能說錯，但只對了一半。因為真正的情況是： 不同平台雖然都會談 token，但計費邏輯不一定一樣。 有的平台除了 input 和 output，還會另外算 cached input、prompt caching、context caching、Batch 折扣、長上下文門檻、搜尋工具、Grounding、圖片或音訊等多模態單位，甚至同一個模型換到不同平台，最終價格也可能不同。 OpenAI 的 API Pricing 頁把 input、cached input、output 分開列價，還另外列出 Web search、Containers、Batch API 等費用項目；Anthropic 的官方定價頁則把 prompt caching、Batch processing、long context pricing、tool use pricing 拆成獨立章節；Google Gemini 的定價頁也把 input、

每次你用 ChatGPT、Claude 或 Gemini，看到帳單、用量頁或 API 文件時，幾乎都會碰到同一個字：Token。很多新手第一次看到這個詞時，心裡都會冒出同樣的疑問：為什麼 AI 不直接用字數、字元數，或篇幅長短來算，偏偏要用 Token？ 答案其實沒有想像中那麼難。因為 AI 模型在處理語言時，真正「看」的不是人類理解的字數，也不是一句話有多長，而是被切分後的 Token。換句話說，Token 不是行銷話術，也不是故意把計費搞複雜，而是大型語言模型本來就是用這個單位在運作。 這篇文章的重點不是教你算一個 Token 等於多少字，也不是講 Input Token 跟 Output Token 的差別，而是把更前面的根本問題講清楚： 為什麼 AI 一定要用 Token 計算，而不是直接用字數。 如果你把這件事看懂，後面再去理解 AI Token 計費、AI Token 成本、AI Token 怎麼算，邏輯就會順很多。 如果你是第一次接觸這個主題，也可以先從這個 AI Token 主題頁往下看，之後再搭配其他文章一起理解整個 AI