Claude Code 的 AI Token 會燒很快，通常不是因為你問太多，而是因為 context 太長、模型選太貴、任務明明很小卻用了過高 effort。 如果沒有先管理 slash command、模型選擇、input token 與 output token 的成本差異，再加上 repo 結構本身又不夠乾淨，Claude Code 很容易在你還沒注意到之前，就把 AI Token 成本一路拉高。真正有效的省法，不是單純少打字，而是控制 context、選對模型、調整 effort，並減少 AI 不必要的讀取、推理與修改。 這也是很多人在用 AI Coding 工具時最常忽略的地方。表面上看起來只是請 Claude Code 幫忙改幾個檔案，但實際上它每次都可能重讀前面的對話、目前的 repo 內容、相關檔案上下文，以及你現在這一輪的新指令。前面的任務拖得越長、聊天越雜、模型越高階、輸出越長，AI Token 成本就會一起變高。也因此，Claude Code 的省 Token 關鍵，其實更接近一套工作流管理，而不是一般聊天習慣調整。 Cl

ChatGPT Plus 月費是在買 ChatGPT 產品的使用權，ChatGPT API 則是依 AI Token 用量和工具使用量按次計費，兩者分開收費、不能互相替代。 OpenAI 官方明確表示，ChatGPT 平台與 API 平台是兩個分開的平台，帳務也分開管理；ChatGPT Plus 目前是每月 20 美元，而 API 則有獨立的 pay-as-you-go 計價。 很多人第一次接觸 OpenAI 服務時，最容易混淆的不是模型名稱，而是「我到底該看 API 價格，還是看 ChatGPT 月費方案？」這兩套收費方式看起來都跟 ChatGPT 有關，但本質其實完全不同。這篇會把這件事一次講清楚，讓你知道自己該看哪一種價格、怎麼估成本，以及哪一種更適合你現在的用法。你原本文章的核心方向我有保留，但現在把開頭改成直接給答案的版本。 先記住一個核心概念：AI Token 不是訂閱點數 AI Token 不是月費額度，也不是訂閱方案送你的點數，它更像是模型在處理輸入和輸出時所消耗的計價單位。這也是為什麼 API 和訂閱制的差別，不能只看「都叫..

Claude API 可以做什麼，是很多人第一次研究 Anthropic API 時最先搜尋的問題。因為大多數人真正想知道的，不是怎麼申請 API key，而是更前面的事：我手上的工作，到底有沒有必要用 Claude API 來做？ 如果只是把 Claude API 理解成一個聊天模型，很容易低估它真正能落地的範圍。Anthropic 官方目前公開的能力，已經不只是文字問答，還包含 文件處理、PDF 分析、圖片理解、工具串接、Web 搜尋、結構化輸出、批次處理與 Token Counting 等能力。這代表 Claude API 不只是拿來聊天，而是可以被接進網站、客服流程、內容工作流、內部知識系統與各種自動化場景裡。 先講最實用的結論：Claude API 最有價值的地方，不是單純聊天，而是把 Claude 變成你工作流程裡可調用、可控、可擴充的 AI 能力層。 這也是為什麼真正常見的落地方向，不是「聊天」本身，而是三大類：文件處理、客服應用、內容流程。 先搞懂：Claude API 不是只有聊天，它比較像工作流程裡的 AI 引擎 Anthr

用 Claude API 前，最容易做錯的不是程式不會寫，而是太快開始接。帳號開了、API key 建了、文件打開了，就直接開始測；結果用了幾天後才發現模型選錯、ai token 成本抓錯、權限不夠、速率限制卡住，甚至連哪些功能會另外計費都沒先搞清楚。 Anthropic 官方文件其實把很多關鍵資訊寫得很清楚，包含模型差異、定價、rate limits、prompt caching、batch processing、web search 等，只是新手最常見的問題是：資訊都在，卻不知道開始前到底要先看哪幾項。 這篇文章不走「Claude API 是什麼」那條線，也不重複「哪些人適合用 Claude API」那篇的內容，而是直接整理成正式開始前的檢查清單。重點放在三件事：成本怎麼抓、模型怎麼選、權限和限制怎麼確認。這樣的角度和你站上既有的「Claude API 是什麼？和 Claude 聊天版差在哪」以及「Claude 聊天版不夠用怎麼判斷」可以分開，不會直接互打。 先講結論：開始用 Claude API 前，至少先確認 3 件事 開始前最少要先確認

ChatGPT API 怎麼用，是很多人第一次想把 AI 接進網站、App、客服流程或自動化工具時最先搜尋的問題。只是要先講清楚一件事：口語上大家會說 ChatGPT API，但官方現在的新手主線其實是 OpenAI API，而主要建議的文字生成介面是 Responses API；同時，Chat Completions API 仍然存在，適合較熟悉 messages 結構的對話型請求。 OpenAI 官方 Developer quickstart 目前就是從建立 API Key、安裝 SDK、跑第一支 API 呼叫開始教，而官方 API Reference 也明確把 Responses 定位成最先進的回應介面。 如果你現在只想先抓住最重要的差別，可以先記這句：ChatGPT 是給人直接用的聊天工具，OpenAI API 是給你的網站、App、後台、客服流程或自動化系統接入模型用的。 而且這兩者是分開計費的。OpenAI Help Center 明確寫到，ChatGPT 平台和 API 平台是兩個分開的平台；ChatGPT Plus 也明寫「API

AI Token 看起來便宜，最後總費用卻不一定低，最常見的原因不是價格表有問題，而是你看到的是單價，真正付的是整個工作流的總成本。OpenAI、Anthropic、Google 的官方定價與文件都把成本拆成不只一層：除了 input、output，還有 cache、batch、長上下文、grounding 或其他工具費用；而 OpenAI 的模型選型原則也明確建議先以正確率達標為優先，再用更便宜、更快的模型維持相近效果。這代表真正該比的，不是「最便宜那一列」，而是「完成同一件事到底花多少」。 這篇文章不走「哪家最便宜」那條線，也不重複「AI Token 比價怎麼做」或「便宜方案怎麼找」的內容，而是專門回答一個更容易被忽略的問題：為什麼 ai token 表面單價很低，最後月帳單還是不好看。 文章重點放在總成本思維，而不是單純費率表判讀。這個角度和你站上既有的價格、比價、便宜方案文章可以分開，不會直接互打。 先講結論：AI 成本要看完成同一件事的總成本，不是只看最低單價 OpenAI 的模型選型原則寫得很清楚：先以準確率達標為優先，再去優化成本與