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 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、

很多人第一次接觸 AI 服務，最先看不懂的不是模型名稱，而是價格頁。 明明上面寫著 input、output、cached input、每百萬 tokens，可是看完還是不知道自己到底會花多少。這不是你看太慢，而是 AI Token 價格本來就不是只看一個數字。 OpenAI、Anthropic、Google 的官方定價頁都把價格拆成不同欄位，而且最常見的就是輸入和輸出分開計價。OpenAI 的 API Pricing 頁明確列出 input、cached input、output 價格；Anthropic 的 Claude 定價頁也用 Input tokens、Output tokens 和 prompt caching 的結構呈現；Google Gemini Developer API 的官方文件同樣把不同模型與 token 用量拆開列出。 AI Token 價格到底要怎麼看？ 你只要先看懂費用是從哪裡來的，後面在選模型、選平台、估成本時，就不會只盯著表面單價。 如果你前面已經看過 AI Token 的基本概念，這篇會幫你把「token...