AI Token 是什麼？計費方式＋5 招省錢法，一次看懂【2026】

「路可，我想在網站上放 AI 客服，可是我很怕一個月帳單爆掉。」這是我最近很常聽到的擔心。

我自己每天都在用 Claude Code 這類 AI 工具，幫忙批次檢查、修復、掃描我們管理的幾千個網站。用量一大，帳單上看的就不是「問了幾次」，而是 token。後來我們自己開發 AI 客服，也是用 token 計費，所以客戶問「這樣一個月會花多少」的時候，我得先把 token 講清楚。

這篇我會用白話說明 token 是什麼、中文為什麼比較耗、輸入輸出和快取的價差，再算一次真實的對話成本，最後整理出 5 個我自己有在用的省錢方法。

AI Token 是什麼？用白話講

Token 就是 AI 把文字切開後的「小積木」。模型不是一個字一個字讀，而是先用一套切字規則（tokenizer）把句子切成片段，再一片一片處理。

常見的英文單字可能剛好是一個 token，少見的長單字會被拆成兩三塊；標點、空格、數字也都會占位置。OpenAI 官方給的經驗法則是：英文大約 4 個字元等於 1 個 token，1,000 個 token 大約是 750 個英文單字。

如果你想先搞懂模型為什麼要這樣讀文字，可以先看大型語言模型 LLM 是什麼，這篇就專心講錢的部分。

中文為什麼比英文更耗 Token？

因為多數 tokenizer 用大量英文資料訓練，英文常見字組被合併得比較完整，中文常常一兩個字就占一個 token。同樣的意思，中文通常會用掉比較多 token。

我用 OpenAI 官方的 tokenizer 套件 tiktoken 實際算了一次（2026-11-13 實測），同一句話的中英文版本：

可以看到兩件事。第一，同樣的意思，中文 token 數比英文多；第二，新版的切法對中文友善很多，舊版要 34 個，新版只要 21 個。也就是說，同一段文字在不同模型上的 token 數本來就不一樣。

Anthropic 的官方定價頁也寫到，Claude 4.7 之後的模型換了新的 tokenizer，同樣的文字大約會多出 30% 的 token。所以比較價格時，不能只看每百萬 token 多少錢，還要把「同樣內容會切出多少 token」算進去。

想自己算的話，OpenAI 有線上的 Tokenizer 頁面可以直接貼文字；Claude 則可以用官方 API 的 token 計數功能。最準的方法，永遠是拿你自己的真實內容去算。

AI 怎麼計費？輸入、輸出、快取三種價格

API 的帳單通常分成三塊：你送進去的輸入 token、AI 寫出來的輸出 token，以及被快取起來重複使用的輸入 token。三者價格差很多。

以下是我從三家官方定價頁整理的部分模型，單位是每 100 萬 token 的美元價格（查證日期 2026-11-13）：

⚠️ 價格會常常變動，上表只是查證當天的資料，實際使用前請回到各家官方定價頁再確認一次。

從這張表可以看出三個規律：

• 輸出比輸入貴：表上多數模型的輸出是輸入的 5 倍左右。AI 講越多，你付越多。
• 快取讀取非常便宜：大約只有輸入價的十分之一，Claude 部分新模型更低到二十分之一。
• 大小模型價差很大：同一家最大和最小的模型，輸入價可以差到幾十倍。

還有一個容易忽略的地方：會「先思考再回答」的推理模型，思考過程用掉的 token 也算錢。Google 的定價頁就直接標明，輸出價格包含 thinking token。

一則 AI 回覆到底多少錢？實際算一次

假設你做了一個 AI 客服，每次回答都要帶著 3,000 token 的店家資料（商品說明、退換貨規則），客人問題 100 token，AI 回答 400 token，用 Claude Sonnet 5.5 計算：

單看一則很便宜，但乘上每天幾百則、一整個月，差距就出來了。另外要注意：對話越長，每一輪都要把前面的對話紀錄再送一次，輸入 token 會越滾越大。這也是很多人「明明沒問幾次，帳單卻很高」的原因。

訂閱制和 API 計費差在哪？該選哪一種？

如果你是自己用，訂閱制比較省心；如果是要把 AI 接進網站、系統或自動化流程，就得用 API 按 token 計費。

訂閱制的「上限」也不是按次數算。Google 官方說明，AI 方案的用量是依算力計算、每 5 小時重置，另外還有每週上限。也就是說，丟一份長文件給 AI 分析，會比問一句簡單問題更快用完額度，邏輯其實跟 token 是一樣的。

怎麼省 Token？我自己在用的 5 個方法

1. 精簡提示，不要每次都貼整份文件

最有效的省錢方法，是只給 AI 這次任務真正需要的資料。很多人習慣把整份文件、整串對話全貼進去，其實裡面八成和這個問題無關。把需求講清楚、背景濃縮成幾行，通常回答品質也會更好，寫法可以參考AI 提示詞怎麼寫。

2. 用 Prompt Caching，固定內容放最前面

系統指令、產品資料這些每次都一樣的內容，適合用快取。以 Claude 為例，官方定價是：寫入 5 分鐘快取時收 1.25 倍輸入價，之後讀取只收約 0.1 倍，讀過一次就回本。重點是固定內容要放在提示的最前面，變動的問題放後面，快取才命中得了。

3. 選對模型大小，不要什麼都用最大的

分類留言、抽取欄位、短摘要這類簡單工作，交給小模型就夠了；寫策略、處理複雜判斷才用大模型。我們做批次網站檢查時，也是先用便宜的模型篩一輪，有問題的才交給大模型細看。

4. 控制輸出長度

輸出比輸入貴好幾倍，所以「叫 AI 少講一點」很划算。在提示裡寫清楚「條列 3 點」「100 字內」，API 再設定最大輸出 token 當保險，避免它一次寫出一大篇。

5. 不急的工作用批次 API，長對話適時重開

Claude、OpenAI、Gemini 的官方定價頁都列出批次處理價格，約是一般價格的一半，適合大量翻譯、整理商品資料這種不用馬上回的工作。另外，聊很久的對話記得開新的，不然每一輪都在為前面的歷史付錢。

我們的 AI 客服怎麼計費？

我們自己開發的 AI 客服也是 Token 計費，每月會贈送一定用量，小店家的日常詢問通常可以先用贈送額度跑起來，看清楚實際用量再決定。

它只依你提供的資料回答，不會自己亂編，也可以和真人協作接手、看得懂客人傳的圖片。這裡有個省錢的小觀念：資料整理得越乾淨，每次要帶進去的 token 就越少，回答也越準。資料怎麼準備，可以看AI 客服資料準備這篇。

怎麼避免 AI 費用失控？

• 先小量測試：用一百則真實問題跑一次，看平均每則用多少 token，再乘上預估量。
• 設定支出上限和提醒：上線前到 API 後台把預算上限、用量通知設好。
• 每週看一次用量報表：突然暴增通常是有人灌大量訊息，或某個流程卡在迴圈裡重複呼叫。
• 記得匯率：API 多以美元計價，月底刷卡會再加上匯差和手續費。

常見問題

1 個中文字等於幾個 Token？

沒有固定答案，要看模型的 tokenizer。常見詞可能兩個字一個 token，少見字可能一個字就要好幾個。最準的方法是用官方工具算你自己的內容。

用英文問 AI 會比較省錢嗎？

token 數通常比較少，但如果你最後還是要中文結果、或要花時間翻譯確認，省下的錢很可能不值得。內容是給台灣客人看的，直接用中文比較實際。

訂閱 ChatGPT 或 Claude，也是用 Token 計費嗎？

訂閱是固定月費，不會另外照 token 收錢，但用量上限的計算方式和內容長度有關。長文件、長對話會比較快用完額度。

Prompt Caching 什麼時候不划算？

內容每次都不一樣、或很久才被用一次時就不划算，因為寫入快取比一般輸入貴，快取又有時效，過期就要重寫。

AI 客服一個月大概要花多少？

取決於詢問量、每次帶多少資料和回答長度。建議先用真實問題小量測試，算出平均每則成本，再乘上每月預估詢問數。

結語：先看懂 Token，費用就不會嚇到你

AI 費用失控，多半不是模型太貴，而是不知道錢花在哪：提示太長、輸出太囉嗦、對話不重開、什麼都用最大的模型。把這幾點顧好，同樣的工作花費通常可以壓低很多。

我的建議是先挑一個工作，用真實資料小量跑，看清楚每則成本，再決定要訂閱還是用 API。數字看懂了，你就能放心把 AI 用在更多地方。