30 秒看懂
- OpenAI API 按 token 計費，輸入與輸出分開算，輸出通常比輸入貴。費用高低取決於你選哪個級距的模型、消耗多少 token，以及有沒有善用快取與批次。
- 官方單價會頻繁調整，任何文章寫的數字都可能很快過時。真正該掌握的是計費結構與怎麼估，實際金額一律以官方定價頁為準。
- 影響帳單的四個變數：模型級距、輸出長度、快取（cached input）、批次（batch），這四項才是成本的主要開關。
- 抓個量級感：小型工具落在數十美元、中型 RAG 或客服落在數百到數千美元、面向終端用戶的大型產品可上看數萬美元的月費量級（示意，非報價，依實際用量與當期單價為準）。
- 台灣公司付款要注意：美金計費、開立的是海外收據而非統一發票；需要台幣請款與統編發票，可透過 Azure OpenAI 或在地代理安排。
「OpenAI API 到底多少錢？」這題沒有一個單一答案，因為它不像月租型軟體有固定價目，而是按實際用量計費。但這不代表無法掌握，只要懂了計費邏輯，你就能自己估出一個合理的量級。這篇用企業視角，把 OpenAI API 的計費結構、怎麼估算、有哪些成本開關，以及台灣公司付款要注意的地方一次講清楚。導入方式的整體選型，可以先看〈OpenAI API 企業怎麼用？4 種導入方式選型指南〉。
OpenAI API 計費邏輯：先懂 token
token 是模型處理文字的最小單位，可以粗略想成「一小段文字碎片」。以英文來說，常見的粗估是 1 個 token 約等於 4 個字元、約 0.75 個單字，但實際會因模型的 tokenizer 與內容型態而不同。中文和英文的切分方式不一樣，不能直接套用英文的比例來估中文：中文常見的情況是一個字接近 1 個 token，但會因標點、專有名詞、程式碼與中英混合而變動。
API 的計費是把一次呼叫拆成兩塊分開算：
- 輸入（input）token：你送進去的所有內容，包含系統提示、對話歷史、以及 RAG 檢索塞進去的參考文件。對話越長、塞的文件越多，輸入 token 累積得越快。
- 輸出（output）token：模型生成回覆的內容。對多數文字生成模型來說，輸出的單價通常比輸入貴上數倍（實際倍數依模型而定，以官方定價頁為準），所以讓模型「話少而精」往往比想像中更省。
一次請求的成本大致是「輸入 token 數 × 輸入單價 ＋ 輸出 token 數 × 輸出單價」。此外，圖片、音訊等多模態輸入輸出會用不同的計價單位另外計算，估算時要分開看：如果應用含語音轉文字、圖片理解或圖片生成，就不能只用文字 token 的公式估整體費用。先把這個結構記住，後面的估算都是它的延伸。
主要模型價格級距總覽
OpenAI 同時提供從旗艦到輕量的多個模型級距，彼此的單價差距可以從數倍到一個數量級以上。大致可以分成三層：
- 旗艦級（GPT-5.6 Sol）：推理與複雜任務能力最強，單價也最高。適合複雜推理、多步驟規劃、法遵或技術文件的深度分析等高價值場景。
- 通用中階（GPT-5.6 Terra）：能力與成本的平衡點，多數一般任務用這層就很夠，例如一般客服、知識庫問答、內部助理。
- 輕量級（GPT-5.6 Luna）：單價最低、速度最快，適合大量、簡單、對品質容忍度較高的任務，例如分類、標記、欄位擷取。
選型的關鍵原則是：不是每個任務都要用旗艦。把簡單的活交給輕量模型，只在真正需要時才動用旗艦，整體帳單往往能差好幾倍。
各級距的實際單價 OpenAI 會不定期調整，請以官方定價頁的當期數字為準。
實際估一次：三種典型企業用量的每月費用量級
懂了結構，就能自己估。估算的骨架很簡單：
每月費用 ≈（平均每次請求的輸入 token × 輸入單價 ＋ 平均輸出 token × 輸出單價）× 每月請求數
把下面這幾個欄位填一填，就能套進公式估出量級。單價一律用官方定價頁的當期數字，這裡只列要填什麼：
| 估算欄位 | 要填什麼 | 為什麼影響費用 |
| 模型級距 | 旗艦／中階／輕量 | 不同級距單價差距大 |
| 平均輸入 token | 系統提示＋對話歷史＋RAG 文件 | 輸入越長，每次請求越貴 |
| 平均輸出 token | 模型回覆的長度 | 輸出通常比輸入貴 |
| 每月請求數 | 使用人數 × 使用頻率 | 直接放大總成本 |
| 能否用快取 | 是否有固定的長前綴 | 命中快取可降低重複輸入成本 |
| 能否批次 | 是否可接受非即時處理 | 用時間換較低費率 |
把三種常見的企業情境套進去，可以得到大致的量級感。以下是示意量級，不是報價，實際金額取決於你選的模型、真實 token 用量與當期官方單價：
- 小型內部工具或 FAQ 機器人：流量低、多用輕量模型、輸入輸出都短。月費通常落在數十美元的量級。
- 中型 RAG 知識庫或客服系統：流量中等、輸入含檢索文件所以偏長、多用中階模型。月費常落在數百到數千美元的量級。
- 大型、面向終端用戶的產品：高流量、可能用到旗艦模型、輸出較長。月費可上看數千到數萬美元以上的量級。
這三個量級的差距，主要不是來自「用哪家」，而是來自流量、模型級距與 token 長度的組合。所以與其糾結單價高低，不如先估出自己大概落在哪個量級，再回頭決定要用哪層模型、要不要做優化。真正動手前，建議拿官方定價頁的當期數字，配上你自己預估的請求量與 token 長度，實際試算一遍。
影響成本的四個變數：模型、輸出長度、快取、批次
決定帳單的，還有下面這四個變數，把它們調對，成本可以差很多：
- 模型級距：影響最大的一項。同一個任務，從旗艦換到合適的輕量模型，單價可能直接省下一個數量級。先問「這個任務真的需要旗艦嗎」。
- 輸出長度：輸出比輸入貴，所以控制回覆長度（例如設定 max_tokens、要求模型精簡作答）能直接反映在帳單上。
- 快取（cached input）：如果每次呼叫都夾帶同一大段固定內容（例如：同一份系統指示或參考文件），重複的部分可以用較低的費率計費，呼叫量大時省得可觀。但不是每種用法都享有折扣，條件以官方說明為準。
- 批次（batch）：不趕時間的任務（例如：一次整理數千筆資料或夜間跑報表），可以改走批次處理，用較長的等待時間換明顯較低的費率。需要即時回覆的應用（如：線上客服）就不適用。
OpenAI 直連與 Azure OpenAI 的計費差異
同樣的模型，透過 OpenAI 直連或透過 Azure OpenAI 取用，計費與請款方式並不一樣：
- OpenAI 直連：以美金計費，透過信用卡或平台支援的付款方式結帳，取得的是海外收據而非台灣統一發票。新模型與新功能有時會最早在這裡釋出，但實際可用性仍要看帳號權限與官方公告。
- Azure OpenAI：用量併入 Azure 帳單，可透過企業合約、CSP 或在地代理安排台幣計費與統一發票；單價結構與模型上線時間可能與直連略有差異，需以當期官方說明為準。
兩條路各有取捨，不只是價格，還牽涉合規、發票與採購流程。完整比較見〈Azure OpenAI vs OpenAI API：企業該選哪個？〉。
台灣公司付款常見問題：幣別、發票、統編
- 幣別：OpenAI 直連以美金計費，透過海外信用卡結帳，會有匯率換算與跨國交易手續費，實際入帳金額與帳單會有些微落差。
- 發票：直連開立的是海外電子收據，不是台灣統一發票。報帳與進項稅額認列前，建議先跟公司會計或稅務確認處理方式。
- 統編：帳單資料可以填入公司名稱與統一編號，但這只是讓收據帶上公司抬頭，性質上仍非統一發票。
如果貴公司的財務流程一定要台幣請款、統一發票與統編，走 Azure OpenAI 或透過台灣在地代理會單純很多。
常見問題 FAQ
token 到底是什麼？
token 是模型處理文字的最小單位，可以想成一小段文字碎片。英文約 4 個字元為 1 token，中文通常一個字就要用掉較多 token。API 的計費就是按輸入與輸出的 token 數量分別計算，所以文字越長、花費越高。
中文會比英文貴嗎？
同樣語意的內容，中文通常會用掉比英文更多的 token，所以會偏貴一些。這是編碼方式造成的，估算中文為主的應用時，記得把這個因素抓進去，不要直接套用英文的 token 估計。
輸入和輸出哪個貴？
多數情況下輸出比輸入貴，常見是數倍的差距。這代表在控制成本時，讓模型回覆得精簡、避免不必要的冗長輸出，效果往往比想像中明顯。
怎麼設花費上限，避免爆預算？
OpenAI 平台可以設定用量上限與費用警示，建議一開始就把每月上限與提醒門檻設好。也建議用專案（project）、環境或不同 API key 區分正式站、測試站與各產品線，並定期查看用量儀表板（usage dashboard）追蹤成本來源；正式放量前先用小流量估出單位成本，再逐步往上加。
結論
OpenAI API 的費用，關鍵在於你怎麼組合模型級距、token 用量與輸入輸出。掌握了按 token 計費這個結構，再顧好模型、輸出長度、快取與批次這四個開關，你就比較能估得出量級、也控得住帳單。至於精確單價，永遠以官方定價頁的當期數字為準。
勤英科技同時是 AWS、Azure 與 Google Cloud 的在地代理，能協助你依實際場景估算 OpenAI API 成本、規劃直連或 Azure 的計費與台幣請款方式，並把成本治理與多模型架構一起設計進來。想先抓出自己的用量量級與預算，歡迎預約諮詢。
資料來源
