如果你最近開始研究 AI 模型 API，應該很快就會遇到一個看似簡單、但其實很多人一開始都搞不太清楚的問題：AI Token 到底怎麼用？ 你可能已經看過這些詞：API Key、Input Token、Output Token、用量、額度、計費、模型、後台 Usage。可是在還沒真的動手之前，這些字常常看起來像懂了，實際上卻很容易卡住。也因此，很多新手會在第一步就出現兩種極端：一種是還沒開始就覺得太難，另一種是先亂開亂用，結果過幾天才發現連自己花了什麼錢都看不懂。 這篇文章不是講很抽象的理論，而是直接帶你從零開始，搞懂 AI Token 怎麼用、第一步該做什麼、怎麼避免一開始就踩坑，以及怎麼用最簡單的方法把 AI API 跑起來。 OpenAI、Anthropic 和 Google 的官方文件，都把「建立 API Key、送出第一個請求、查看用量與價格」放在入門核心流程裡。這代表對新手來說，真正重要的不是一開始背多少名詞，而是先把完整使用路徑走過一遍。 如果你想先從整體入口理解這個主題，也可以先看 AI Token AI Token 不是拿來「按

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、