2026 年 6 月，TechCrunch 整理了企業面對 AI 帳單的混亂：Uber 在 4 月就用完了整年的 AI 程式開發預算；有公司的例行合約續約，價格變成原本的四到五倍；有技術主管說，一位工程師一個月就花了四萬美元的 token。推動雲端成本管理的 FinOps 基金會執行董事 J.R. Storment 說，對話已經從「衝快一點」變成「我們需要護欄，要怎麼控制？」
報導也引用了一項觀察：用量最大的使用者，生產力大約是輕度使用者的兩倍，用掉的 token 卻是十倍。這筆錢值不值得，取決於產出的程式最後帶來多少業務價值，而多數公司還量不出來。
這就是只比模型單價的盲點。每百萬 token 多少錢是供應商的價目表，你的成本則是另一回事：一件工作的真實花費，要算進重試了幾次、塞進去多少資料，以及結果被採用之前，人還花了多少時間修正。要管 AI 帳單，先算每件被採用的成果花了多少。
換便宜的模型，帳單不一定下來
模型的價目表確實有差別。以 Anthropic 的官方價格頁為例，輸出的 token 價格是輸入的好幾倍，重複使用的快取內容則便宜得多。Amazon Bedrock 等雲端平台的價目表也一樣，依模型和使用方式分開計價。這代表同樣一件工作，用不同的方式交給 AI，花費可能差很多。
但換便宜的模型，如果結果品質變差、重試次數變多、人要花更多時間修，總成本反而可能上升。反過來，用貴一點的模型，一次就做對，可能比較省。只看單價，看不到這些。
替常做的工作算單件成本
挑三到五件團隊最常交給 AI 的工作，例如會議摘要、程式修改、客服回覆草稿，各記錄一兩週：
花了多少 token： 塞進去的資料量、輸出的長度、重試的次數。重試和每次重新塞進整份資料，往往是帳單變大的主因。
被採用了幾件： 產出的結果有多少真的被用上，有多少丟掉重做。
人花了多少時間： 結果被採用之前，人還要修正、核對多久。
把總花費除以被採用的件數，就是每件成果的成本；再把人修正的時間算進去，和不用 AI 時比較。這個數字會告訴你，哪件工作值得升級到更強的模型，哪件工作應該先把資料範圍縮小、把輸出格式訂清楚，哪件工作根本不適合交給 AI。
先調整工作的設計，再談預算
算出單件成本之後，常見的調整方式是：資料先切段或摘要再交給 AI，不要整份塞進去；輸出指定欄位和長度，不要「越完整越好」；設定重試上限，連續兩三次結果都不對，就停下來檢查問題是不是沒定義清楚。
長時間的任務特別容易燒錢，原因多半在重試和重讀上下文，參考〈AI 長任務的帳單，多半花在重試和重讀上下文〉。團隊層級的預算上限和超額處理，參考〈Copilot 改成按用量計費後，先決定額度用完時要停還是付〉。
單件成本算不到的價值
單件成本只算得出看得見的部分。有些價值很難量化，例如讓新人更快上手、讓一個人能處理原本做不到的工作。這些可以寫進評估，但不該被硬換算成數字。
記錄本身也要成本。不必每件工作都算，挑最常做、花費最大的幾件就夠了。業界也還在發展衡量的方法，報導提到 Linux 基金會正籌組相關的組織，要訂定 AI 成本的衡量指標。
AI 整理卡
我們團隊的 AI 帳單越來越高，我想算出幾件常做的工作，每件被採用的成果實際花了多少，而不只是比較模型單價。
判斷方法來自這篇文章：https://boosterminiclass.com/posts/model-cost-guardrails-before-ai-token-bill/
文章的看法是：每百萬 token 多少錢是價目表，真實成本要算進重試次數、塞進去的資料量，以及結果被採用前人修正的時間。先算每件被採用的成果花多少，再決定升級、縮減或停止。
請先問我：團隊最常交給 AI 的三到五件工作、使用的模型或工具、目前能看到哪些用量資料。
接著：
1. 設計一份為期兩週的記錄表：每件工作的 token 用量、重試次數、是否被採用、人修正的時間；
2. 說明怎麼從記錄算出「每件被採用的成果成本」，並把人的時間算進去；
3. 列出常見的調整方式：縮小輸入、限制輸出、設定重試上限，以及各自適合哪種工作；
4. 給出判斷規則：什麼情況值得升級到更強的模型，什麼情況應該先改工作設計，什麼情況不適合交給 AI。
沒有實際數字的地方標示「需要記錄」，不要用假設的數字算給我看。
參考來源
- TechCrunch：The token bill comes due: Inside the industry scramble to manage AI’s runaway costs — https://techcrunch.com/2026/06/05/the-token-bill-comes-due-inside-the-industry-scramble-to-manage-ais-runaway-costs/（2026-06-05）
- Anthropic 官方文件：Pricing — https://platform.claude.com/docs/en/about-claude/pricing [accessed: 2026-10-11]
- AWS 官方：Amazon Bedrock Pricing — https://aws.amazon.com/bedrock/pricing/ [accessed: 2026-10-11]
