很多人在剛接觸 AI API 時，第一次看到後台上的 billing、credits、balance、usage，腦中都會冒出同一個問題：AI Token 儲值到底是什麼？ 有些平台要你先買額度再開始用，有些平台則是先用、月底再結帳。表面上都像是在買 AI 服務，但對新手、接案者、內容團隊，甚至企業財務來說，這兩種模式差很多。差的不只是付款時機，還包括預算控制、停用風險、現金流壓力，以及你平常看後台時要怎麼判讀數字。 OpenAI 官方把 API 的預付計費描述為先購買 credits，再由實際使用量去扣；Google Cloud 則明確把帳戶分成 prepay 與 postpay 兩種 charging cycle。 這篇文章幫你一次搞懂：你看到的「AI Token 儲值」到底在講什麼、預付制和後付制真正差在哪，以及個人與企業到底該怎麼選，才不會一開始就選錯付款模式。 先講結論：AI Token 儲值，通常就是先買可用額度 在 AI API 世界裡，大家口中的「儲值」，多半不是指聊天版月費，而是指你先把一筆金額放進平台帳戶，之後模型用量就從這筆

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 Tok

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