Claude 與 ChatGPT API 哪個比較便宜？

簡短結論

Claude 與 ChatGPT API 的定價沒有單一勝者，因為兩家供應商在每個層級對輸入與輸出的定價都不同。截至 2026 年 8 月，Claude 最高的兩個層級，其每個輸入 token 的費率與對應的 OpenAI 方案相同，但每個輸出 token 的費率較低。因此，在輸出量較大的工作中，Claude 略占優勢。在較小的層級中，Claude 執行相同工作所需的費用則高出數倍。任何未指出層級與 token 組成的答案，都只是猜測。

因此，本頁先說明計算方式，再提供 3 個附有成本與 token 組成的工作負載範例，最後介紹會讓實際帳單金額比標示費率產生更大變化的倍數因素。

唯一需要的公式

兩個 API 對文字採用相同的計費方式。您需要支付傳送出去的 tokens 費用，以及模型回傳的 tokens 費用；後者的單價較高。

cost = (input tokens / 1,000,000) * input rate + (output tokens / 1,000,000) * output rate

1 個 token 約等於 4 個英文字元，接近 0.75 個英文單字。這只能用於初步估算。實際計費時，請使用各 API 在每個回應的 usage 物件中回傳的 token 數量。

# Rates are US dollars per million tokens.
def cost(in_tok, out_tok, in_rate, out_rate):
    return in_tok / 1e6 * in_rate + out_tok / 1e6 * out_rate

# One support-chat turn: 1,400 tokens in, 220 tokens out, on a $2 / $10 model.
print(round(cost(1400, 220, 2.0, 10.0), 6))

此腳本會輸出 0.005，也就是每次互動半美分。將這個數值乘以預期的每月互動次數，即可得到預算。如果分母中的 million-token 單位不易理解，Claude 中 1,000,000 個 tokens 實際能買到多少內容會以具體的文字量說明。記住這個公式，今天之後每次價格變動都只需修改一行，不必重新分析。

2026 年 8 月的公布價格

以下是兩家供應商在 2026 年 8 月 1 日公布的牌價。這個區塊是本文唯一列出價格的地方。在編列預算前，請對照 claude.com/pricing 與 OpenAI 的定價頁面確認。

[
  {
    "label": "Frontier",
    "claude_input": 5,
    "claude_output": 25,
    "openai_input": 5,
    "openai_output": 30
  },
  {
    "label": "Workhorse",
    "claude_input": 2,
    "claude_output": 10,
    "openai_input": 2,
    "openai_output": 12
  },
  {
    "label": "Workhorse from September",
    "claude_input": 3,
    "claude_output": 15,
    "openai_input": 2,
    "openai_output": 12
  },
  {
    "label": "Small",
    "claude_input": 1,
    "claude_output": 5,
    "openai_input": 0.2,
    "openai_output": 1.2
  }
]

這些配對是依各產品線中的定位，而不是依知名度。Frontier 是 Claude Opus 5 對上 gpt-5.6-sol。Workhorse 是 Claude Sonnet 5 對上 gpt-5.6-terra。Small 是 Claude Haiku 4.5 對上 gpt-5.6-luna。兩家供應商也都在這個區塊上方提供更高階的 tier，而 OpenAI 仍以原始價格列出較舊的世代。在 Claude 方面，該 tier 是 Fable 5；兩種用量的價格都是 Frontier 列的 2 倍，但仍維持相同的 5 倍輸出比例。因此，在認定 Opus 5 是帳單最高階產品前，值得先閱讀 Fable 5 的價格，以及何時值得支付這個費率。若將一方的旗艦模型與另一方的低價模型比較，所得數字沒有意義；這正是多數已公布比較結果會成為標題數據的原因。

這個區塊有兩點需要明確說明。Sonnet 5 的 2 和 10 是導入優惠價格，Anthropic 文件說明這些價格會在 2026 年 8 月 31 日結束，之後 Sonnet 5 會收取 3 和 15。這項變更會讓 Workhorse tier 從 Claude 小幅領先，轉為 OpenAI 明顯領先，而且會在本文仍具參考價值的期間內生效。

第二點是值得記住的模式：上方每一列中，Claude 的輸出價格恰好是自身輸入價格的 5 倍，而 OpenAI 的輸出價格是 6 倍。決定勝負的不是絕對費率，而是這個比例；它會讓結果隨你的 token 組成而改變。

每百萬 token 的費率為何無法跨供應商比較

費率是每個 token 的美元價格。帳單金額是每個 token 的美元價格乘以 token 數量，而一段文字的 token 數量取決於模型，不是文字本身。

Anthropic 直接說明了這一點：Claude 4.7 及後續模型，包括 Claude Opus 5 和 Claude Sonnet 5，使用較新的 tokenizer。對相同文字，產生的 token 約比 Claude Sonnet 4.6 及更早版本多 30%。費率沒有變，但帳單金額變了。

因此，看起來相同的兩個費率，不代表兩張相同的帳單。請使用自己的文字計算兩邊的 token 數量，再相信任何比較結果，包括本比較。

curl https://api.anthropic.com/v1/messages/count_tokens \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-5",
    "messages": [{"role": "user", "content": "Summarise the attached contract."}]
  }'

正常的回應是包含 input_tokens 的小型 JSON 物件。401 表示該金鑰變數在 shell 中是空的。使用另一家供應商的 tokenizer 處理相同文字，將其中一方的數量除以另一方，再把該比例乘入公布的費率，然後進行比較。如果該比例讓其中一家供應商的成本優勢超過約 1.2，這項差異就會抵銷上方區塊中的所有費率差異。

情境一：聊天功能

網頁應用程式中的支援助理。每月 120,000 次對話。每次對話都會傳送 system prompt、tool schema、2 段擷取的服務台摘要，以及幾則較早的訊息，約 1,400 個輸入 token；模型則回覆約 220 個 token。這是互動式工作負載，因此無法套用批次折扣。請在 workhorse 層級執行。

[
  {
    "label": "List price",
    "claude_usd": "600.00",
    "openai_usd": "652.80"
  },
  {
    "label": "Cached prefix",
    "claude_usd": "427.20",
    "openai_usd": "480.00"
  },
  {
    "label": "Small tier, cached",
    "claude_usd": "213.60",
    "openai_usd": "48.00"
  }
]

依牌價計算，Claude 收費 600.00，OpenAI 則為 652.80。兩者的輸入費用完全相同，因為輸入單價相同。整體差額都來自輸出費用，而 Claude 的優勢太小，不足以據此選擇供應商。

現在將其中 1,400 個輸入 token 的 800 個標記為穩定前綴：這些 token 包含 system prompt 與 tool schema，在不同對話輪次之間不會變動。兩家供應商對快取命中的收費都是基本輸入單價的 10%。Claude 的費用降至 427.20，OpenAI 則降至 480.00。快取帶來的效益大於供應商選擇，而且兩個平台都提供這項功能。

Claude 在此處失去優勢。大多數支援回答不需要 workhorse 模型。將相同流量移至 small 層級後，Claude 收費 213.60，OpenAI 則收費 48.00。以其中一者除以另一者，Claude 執行相同工作所需的費用約高出 4.5 倍。Claude Haiku 4.5 每百萬個輸入 token 收取 1，而 gpt-5.6-luna 為 0.2；無論採用多少快取，都無法消除 5 倍的差距。如果工作負載符合 small 模型的能力範圍，OpenAI 的費用較低，而且差距很大。

情境二：長上下文文件處理管線

每月處理 25,000 份合約。每次請求都包含相同的 9,000 tokens 指令與 JSON schema，接著是 12,000 tokens 的合約文字，模型則回傳約 700 tokens 的結構化欄位。輸出內容不到這項工作的 4% tokens，而這個單一事實就決定了比較結果。

[
  {
    "label": "Chat feature",
    "claude_usd": "427.20",
    "openai_usd": "480.00"
  },
  {
    "label": "Document pipeline",
    "claude_usd": "820.00",
    "openai_usd": "855.00"
  },
  {
    "label": "Coding agent",
    "claude_usd": "116.10",
    "openai_usd": "124.20"
  }
]

在雙方都快取 9,000-token 前綴後，Claude 的費用為 820.00，OpenAI 的費用為 855.00。輸入部分的費用精確到美分都相同，因為 2026 年 8 月的主要輸入費率一致。全部差異都來自輸出部分：Claude 的輸出定價是輸入的 5 倍，OpenAI 則是 6 倍。

這項工作也適合批次處理。兩家供應商對非同步工作的輸入與輸出都提供 50% 折扣，因此兩邊的總費用都減半，差距的比例也維持不變。批次處理是任一平台提供的最大單一折扣，而每晚執行的文件處理管線總能採用這種方式。

Claude 的劣勢仍然來自前述的層級邏輯。依固定 schema 進行欄位擷取，正是小型模型擅長的工作，而輸入在這裡占 tokens 的 97%。降至下一個層級後，OpenAI 的輸入費率會變為原本的 0.1 倍，Claude 的輸入費率則會變為 0.5 倍。在假設需要較大型號前，先使用相同的評估方式測試 200 份文件；這套評估方式與為工作選擇合適的 Claude 層級時相同。

情境 3：持續運作的 coding agent

一名開發人員在 VPS 上執行 agent，每月約進行 900 次模型回合。每個回合包含約 60,000 個 repository context input tokens，其中 80% 命中快取，並產生約 1,800 個編輯與說明 tokens。由於 coding 的能力差距會直接造成實際成本，因此按 frontier tier 定價。

Claude 的費用為 116.10，OpenAI 則為 124.20。兩者的 input rate 與 cache read rate 相同，而 Claude 較低的 output rate 使其成本約低 7%。

這 7% 落在前文的 tokenizer 誤差範圍內，因此此情境的 rate 應視為相同。真正不同的是計費模式。對於這種使用量的單一開發人員而言，subscription seat 通常比按量計費的 API 呼叫便宜；納入 subscription seat 後，整體比較結果會改變。在讓 agent 採用按量計費前，請先透過 API 與 subscription 成本比較完成評估。若仍採用按量計費，應先了解 tokens 的消耗位置，因為coding agent 的 token 使用量主要來自每個回合重新傳送的 context，而不是它寫出的程式碼。

決定帳單金額的倍數因素

標示價格在這份清單中反而影響最小。以下每一項對實際帳單的影響，都大於同一級距兩家供應商之間的價差。

快取輸入。 兩家供應商對快取命中都收取基礎輸入費用的 10%。Anthropic 也會收取寫入快取的費用：5 分鐘項目為基礎輸入費用的 1.25 倍，1 小時項目為 2 倍；之後命中時，該項目會按照讀取價格更新。因此，5 分鐘項目只要讀取一次，就能回收寫入成本。請求間隔很長的工作負載，寫入次數會多於讀取次數；在這種情況下，快取成本高於節省的費用。流量穩定時適合使用快取，流量突發時則不適合。

批次折扣。 兩個平台都對輸入與輸出提供 50% 折扣，但僅適用於非同步工作。如果工作可以等待，在任一供應商上都能將帳單減半，而且可與快取優惠疊加。

輸出占比。 Claude 的輸出費率是輸入費率的 5 倍，OpenAI 則是 6 倍。若工作負載中寫出的 token 多於讀取的 token，在輸入費率相同時，Claude 的成本表現較佳；輸入占比高的工作負載則相反。

重試。 每次重試都會重新支付完整輸入費用，而且不會產生可用結果。如果 6% 的請求因 schema 驗證失敗而重試，輸入成本就會比預估高出 6%。請將重試記錄為成本項目，而不是錯誤項目。團隊通常最後才發現這個倍數因素，而它往往比團隊花一週爭論的供應商價差還大。

哪一方在哪些項目落敗

Claude 在小型層級全面落敗。gpt-5.6-luna 的每百萬輸入 tokens 收費為 0.2，Claude Haiku 4.5 則為 1；輸出 tokens 的收費分別為 1.2 與 5。大量分類與短篇擷取在 Claude 上的成本約高出 4 倍。

Claude 自 1 September 2026 起在主力層級落敗，因為優惠費率結束後，Sonnet 5 的價格調整為 3 與 15，而 gpt-5.6-terra 的價格維持不變。Claude 在前沿層級的輸出費率較低，但差距可能被您實際計算的 token 數抵銷。2026 年 8 月，輸入占主要比例的工作沒有任何一方勝出，因為雙方每百萬輸入 tokens 均為 2，輸入部分的數字相同。

如何在自己的流量上測量

讀取每個回應中的 usage 物件，並為每個請求儲存 4 個數值：輸入 token、輸出 token、快取讀取 token，以及快取寫入 token。在 Claude API 中，這些數值分別會以 input_tokens、output_tokens、cache_read_input_tokens 和 cache_creation_input_tokens 傳回。按日加總這些數值，乘以目前的費率，再將總額與帳單比較。兩者之間的差額通常來自重試，或是你忘記已部署的程式路徑。

使用 1 週的實際流量進行比較，不要只測試範例提示；並比較每項已完成工作的成本，而不是每個 token 的成本。某個模型的費率雖然是 2 倍，但只需 1 次嘗試即可完成工作，仍會比費率為一半、卻需要 3 次嘗試的模型便宜。每個 token 的成本是費率。每項已完成工作的成本才是你的實際帳單。

在讓任何服務持續執行前，先設定嚴格的支出上限。兩個平台都能在管理主控台中設定支出限制，而陷入重試迴圈的 agent 可能在一夜之間用掉 1 個月的預算。請按照 持續運作 agent 的成本控制 的方式設定。如果你要在自有伺服器上建立第 1 個版本，在 VPS 上建立第 1 個 Claude API 應用程式 說明了此計算流程所依賴的金鑰處理與請求迴圈。

FAQ

Claude API 比 ChatGPT API 便宜嗎？

不一定。2026 年 8 月，兩者的 frontier 與 workhorse 等級對每個輸入 token 收取相同費用，而 Claude 的輸出 token 費用較低，因此在輸出量較大的工作負載中，Claude 便宜幾個百分點。在 small 等級，OpenAI 的 gpt-5.6-luna 每個輸入 token 的費用是 Claude Haiku 4.5 的五分之一，因此大量分類工作使用 OpenAI 便宜得多。請根據自己的 token 組成計算實際費用，因為如此小的差距取決於工作負載，而不是價目表。

為什麼相同文字在不同 API 上會計算出不同的 token 數量？

因為每個模型都有自己的 tokenizer，token 數量取決於模型。Anthropic 的文件指出，Claude 4.7 及後續模型對相同文字產生的 token 約比 Claude Sonnet 4.6 及更早版本多 30%。將自己的文字傳送至各供應商的 token 計數 endpoint，將其中一個數量除以另一個數量，再將該比例套用至公布費率後進行比較。20% 的 token 差異通常會超過大多數公布費率之間的差距。

prompt caching 會讓帳單變高嗎？

會，Anthropic 的情況是如此。五分鐘的快取項目，其寫入費用是基本輸入費率的 1.25 倍；一小時的快取項目則是 2 倍，而命中費用是 0.1 倍。如果流量具有突發性，多數項目在任何讀取發生前就已過期，您會支付寫入加價，卻沒有取得任何讀取收益。請在日誌中比較 cache_creation_input_tokens 與 cache_read_input_tokens。比例接近 1 表示快取正在增加成本，此時應延長項目存留時間，或移除快取。

我應該在 API 上執行 coding agent，還是使用訂閱？

對單一開發人員而言，在一般使用量下，訂閱席位通常比按量計費的 API 便宜，因為 coding agent 每次互動都會重新傳送大量上下文，而該上下文每次都會計費。先計算一週的用量，再將 API 總費用與席位價格比較。當使用量呈突發性，或需要席位不提供的程式化存取時，API 可能較划算。如果促使您改用 API 的原因是觸及使用量上限，而不是價格，Claude 使用量上限的替代方案 中有幾種方式的成本低於改用按量計費。