很多人一開始比較 AI 模型價格時，第一眼只看一個數字：每百萬 Token 幾美元。這樣看不能說錯，但很容易看錯重點。因為現在主流平台的定價，早就不只是「每 1M Token 單價」這麼簡單。 OpenAI 會把 input、cached input、output、short context、long context、Batch、Flex 與 regional processing 分開列價；Anthropic 會把 base input、prompt caching、batch、long context、fast mode 與 regional pricing 分開說明；Google Gemini 也把 input、output、context caching、storage、Grounding with Google Search/Maps、Batch 分開列在同一份定價頁。 所以如果你真的想看懂「哪個模型比較划算」，正確問題不是「每百萬 Token 誰最便宜」，而是： 在你的用途下，最終帳單到底會由哪些項目組成。  這也是你原始草稿真正想講

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。..

很多人一開始接觸 AI，都會先問一個問題：哪個 AI 模型比較便宜？ 這個問題看起來很合理，但很多時候其實問得還不夠完整。因為 AI 模型不是只比帳面單價，真正影響你最後花多少錢的，還包括你要做什麼任務、你需要多快速度、你能不能接受重跑、你會不會大量呼叫、你是不是需要長上下文、搜尋、工具調用，甚至企業治理和資料處理條件。OpenAI、Google、Anthropic 和 xAI 的官方定價頁都顯示，除了基本輸入與輸出 token 費用，還可能有 Batch、快取、搜尋、區域處理或其他附加規則。 所以如果你是新手，真正該先做的，不是急著找「最便宜的模型」，而是先分清楚：你到底要拿 AI 做什麼。因為在 AI 成本這件事上，便宜，不一定等於最省。 便宜，不一定代表最省 很多人會把便宜和省錢畫上等號，但在 AI 模型比較這件事上，兩者其實不完全一樣。假設你選了一個單價很低的模型，可是它常常答非所問、格式不穩、需要重跑兩三次，最後整體成本可能反而比一次就做對的模型更高。相反地，有些模型單次看起來比較貴，但如果它能更穩定地完成任務、降低人工修改時間，總成本

如果你最近開始接觸 AI 工具，大概率已經看過這三個名字：ChatGPT、Claude、Gemini。 但很多新手一開始最常卡住的地方，不是沒有工具可用，而是工具太多，反而不知道怎麼選。有人說 ChatGPT 最全面，有人說 Claude 寫長文比較順，也有人說 Gemini 跟 Google 生態整合最好。這些說法都不是完全錯，但如果你只看一句話結論，通常還是很難真的選對。 OpenAI 官方把 ChatGPT 描述成可用來寫作、摘要、推理、翻譯、資料分析與圖片處理的通用型對話助理；Anthropic 官方則強調 Claude 的大上下文處理能力與文件分析能力；Google 官方則把 Gemini 的重點放在原生多模態能力與 Google Workspace / Google 生態整合上。 這篇文章不會用太技術的方式講，而是直接從新手最需要懂的三個方向來看： 用途差異、使用體驗差異、整合場景差異 。你看完之後，不一定只會選一個模型，但你至少會知道自己現在該先從哪一個開始。 如果你前面已經看過 AI Token 的基礎觀念，這篇可以幫你把「模型怎