Claude API 和 ChatGPT API 哪個比較便宜？

簡短答案

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採用不同定價。截至 2026 年 8 月，Claude 的前兩個層級對每個輸入 token 的收費，與對應的 OpenAI 層級相同；但每個輸出 token 的收費較低。因此，在輸出量較大的工作中，Claude 略具優勢。在較小的層級中，Claude 執行相同工作所需的費用高出數倍。任何未指定層級與 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 token 組成與成本的工作負載，最後說明會使實際帳單增幅超過標準費率的各項倍數因素。

您唯一需要的公式

兩個 API 對文字採用相同的計費方式。您需要支付傳送之 tokens 的費用，以及模型回傳之 tokens 的較高費率。

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

一個 token 約包含 4 個英文字符，接近 0.75 個單字。這只能用於初步估算。若要取得實際帳單，請使用每個 API 在每次回應的 usage 物件中回傳的計數。

# 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))

此指令碼會列印 0.005，也就是每次往返半美分。將這個數值乘以您預期每月進行的往返次數，即可得到預算。記住這個公式後，今天之後的每次價格變更都只需修改一行，而不必重新分析。

2026 年 8 月公布的價格

以下是兩家供應商於 2026 年 8 月 1 日公布的牌價。本區塊是本文唯一列出價格的地方。在編列預算前，請將其與 claude.com/pricing 及 OpenAI 的定價頁面核對。

[
  {
    "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
  }
]

配對依照各產品線中的定位，而非知名度。Frontier 是 Claude Opus 5 對 gpt-5.6-sol。Workhorse 是 Claude Sonnet 5 對 gpt-5.6-terra。Small 是 Claude Haiku 4.5 對 gpt-5.6-luna。兩家供應商也在本區塊之上銷售更高階的方案，而 OpenAI 仍以原始價格列出較舊世代。將一方的旗艦模型與另一方的平價模型比較，得出的數字沒有意義。多數已發布的比較文章就是因此產生誤導性的標題。

本區塊有兩點需要明確說明。Sonnet 5 的 2 與 10 是導入價格，Anthropic 說明這些價格適用至 2026 年 8 月 31 日，之後 Sonnet 5 將收取 3 與 15。這項變更會讓 Workhorse 層級從 Claude 小幅勝出，轉為 OpenAI 明顯勝出，而且變更時間落在本文的適用期間內。

第二點是值得記住的規律：在上方每一列中，Claude 的輸出價格正好是其輸入價格的 5 倍，而 OpenAI 的輸出價格是輸入價格的 6 倍。決定勝負隨 token 配比改變的，是這個比例，而非絕對價格。

為什麼每百萬 token 的費率無法跨供應商比較

費率是每個 token 的美元價格。帳單是每個 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 直接說明了這點：Claude 4.7 和後續模型，包括 Claude Opus 5 和 Claude Sonnet 5，使用較新的 tokenizer。對相同文字產生的 token 數量，約比 Claude Sonnet 4.6 和更早版本多 30%。費率沒有變，但帳單變了。

因此，看起來相同的兩個費率，不代表兩張相同的帳單。使用你自己的文字，在兩邊都計算 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 shell 中的金鑰變數為空。使用另一家供應商的 tokenizer 處理相同文字，將一個計數除以另一個計數，再將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優勢超過約 1.2，這項差異會抵銷上方區塊中的所有費率差異。

情境一：聊天功能

Web 應用程式內的支援助理。每月 120,000 次對話回合。每個回合都會傳送 system prompt、tool schemas、兩段擷取的服務台內容，以及幾則較早的訊息，約 1,400 個輸入 token；模型則約以 220 個 token 回覆。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"
  }
]

按牌價計算，Claude 收費 600.00，OpenAI 則為 652.80。輸入部分的費用完全相同，因為輸入費率相同。全部差距都來自輸出，而 Claude 的優勢太小，不足以據此選擇供應商。

現在將 1,400 個輸入 token 中的 800 個標記為穩定前綴：system prompt 和 tool schemas 在不同回合之間不會變更。兩家供應商對快取命中都收取基本輸入費率的 10%。Claude 的費用降至 427.20，OpenAI 則降至 480.00。啟用快取帶來的效益大於選擇供應商的差異，而且兩個平台都提供此功能。

Claude 在這裡處於劣勢。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。將前者除以後者，Claude 執行相同工作所需的費用約為 4.5 倍。Claude Haiku 4.5 每百萬個輸入 token 收取 1，相較之下，gpt-5.6-luna 收取 0.2；無論採用多少快取，都無法消除 5 倍的差距。如果工作負載適合 small model，OpenAI 的費用較低，而且差距很大。

情境二：長上下文文件管線

每月處理 25,000 份合約。每個請求都包含相同的 9,000 個 token 指令和 JSON schema，接著是 12,000 個 token 的合約文字，模型則回傳約 700 個 token 的結構化欄位。在這項工作中，輸出不到總 token 數的 4%，而這項事實決定了比較結果。

[
  {
    "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"
  }
]

雙方都快取 9,000 個 token 的前綴後，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。兩家供應商都對非同步工作提供輸入和輸出 50% 的折扣，因此兩邊的總費用都減半，差距比例維持不變。批次處理是任一平台提供的最大單項折扣，而每晚執行的文件管線一定可以使用此功能。

Claude 的劣勢仍來自前述相同的層級邏輯。固定 schema 的欄位擷取正是小型模型擅長的工作，而輸入在此占 97% 的 token 數。下調一個層級後，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原本的 0.5 倍。在假設需要更大型模型前，先使用與 為工作選擇適合的 Claude 層級 相同的評估方法，對 200 份文件測試小型模型。

情境三：持續運作的程式碼代理程式

一名開發人員在 VPS 上執行代理程式，每月約進行 900 次模型回合。每個回合包含約 60,000 個 repository context 輸入 token，其中 80% 命中快取，並產生約 1,800 個編輯與說明 token。請使用 frontier tier 計價，因為在程式碼工作中，能力差距會造成實際費用差異。

Claude 的費用為 116.10，OpenAI 則為 124.20。兩者的輸入費率與快取讀取費率相同，而 Claude 較低的輸出費率使其便宜約 7%。

這 7% 落在前文 tokenizer 誤差範圍內，因此在費率上可視為相同。真正不同的是計費模式。對於每月使用量達到這個程度的單一開發人員，訂閱席次通常比按量計費的 API 呼叫便宜；一旦納入訂閱，整個比較結果就會改變。在讓代理程式使用按量計費前，請先透過 API 與訂閱費用比較 完成分析。如果仍要採用按量計費，請先了解 token 的使用位置，因為 程式碼代理程式的 token 使用量 主要來自每個回合重新傳送的 context，而不是它所撰寫的程式碼。

決定帳單的倍數因素

標題所示的費率是此清單中影響最小的項目。以下每項因素對實際帳單的影響，都大於相同級距下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本輸入費的 10%。Anthropic 也會收取寫入快取的費用：5 分鐘項目為基本輸入費的 1.25 倍，1 小時項目為 2 倍；之後的命中會依讀取價格更新該項目。因此，5 分鐘項目在讀取 1 次後即可回本。請求之間間隔較長的工作負載，寫入次數會多於讀取次數，此時快取成本反而高於節省的費用。流量穩定時適合使用快取；流量突發時則不適合。

批次折扣。 兩個平台對輸入和輸出都提供 50% 折扣，但僅適用於非同步工作。如果工作可以等待，任一供應商的帳單都可減半，且此折扣可與快取疊加。

輸出占比。 Claude 的輸出費率是輸入費率的 5 倍。OpenAI 的輸出費率是輸入費率的 6 倍。在輸入費率相同的情況下，寫出的 token 占比越高，Claude 的成本優勢越明顯；以輸入為主的工作則相反。

重試。 每次重試都會再次支付完整的輸入費用，且不會產生可用結果。如果 6% 的呼叫因結構描述驗證失敗而重試，輸入部分就會比方案估算值高出 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，而它造成的差異往往大於團隊花費一週爭論的供應商價差。

哪一方在何處處於劣勢

Claude 在小型層級中明顯處於劣勢。gpt-5.6-luna 的每百萬輸入 token 費用為 0.2，Claude Haiku 4.5 則為 1；輸出費用分別為 1.2 和 5。大量分類和短篇擷取工作在 Claude 上的成本約高出 4 倍。

自 2026 年 9 月 1 日起，Claude 在主力層級中處於劣勢，因為優惠費率結束後，Sonnet 5 的費率將調整為 3 和 15，而 gpt-5.6-terra 的費率維持不變。Claude 在前沿層級的輸出費率上勝出，但您自行計算的 token 數量可能抵銷這項差距。2026 年 8 月，輸入占大多數的工作沒有明確勝方，因為雙方每百萬輸入 token 的費用都是 2，輸入部分的數值相同。

如何在自己的流量上進行測量

請在每個回應中讀取 usage 物件，並為每個要求儲存 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。按日加總後，乘以目前費率，再將總額與發票比較。兩者之間的差距通常來自重試，或是來自你忘記已部署的程式碼路徑。

請使用 1 週的實際流量進行比較，不要只使用範例提示，並比較每項已完成工作的成本，而不是每個 token 的成本。某個模型的費率若是另一個模型的 2 倍，但能 1 次完成工作，會比需要 3 次嘗試、費率只有一半的模型更便宜。每個 token 的成本是費率。每項已完成工作的成本才是你的帳單。

在讓任何程式持續執行前，先設定明確的支出上限。兩個平台都能在其控制台中設定支出限制，而卡在重試迴圈中的代理程式，可能在一夜之間用掉 1 個月的預算。請按照 永續執行代理程式的成本控制 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 涵蓋了這套計算所依賴的金鑰處理和要求迴圈。

FAQ

Claude API 是否比 ChatGPT API 便宜？

不一定。2026 年 8 月，兩邊的頂級與主力級方案對每個輸入 token 收取相同費用，而 Claude 的輸出 token 費用較低，因此在以輸出為主的工作負載中，Claude 便宜幾個百分點。在小型方案中，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 上會產生不同的 token 數量？

因為每個模型都有自己的 tokenizer，而 token 數量取決於模型。Anthropic 說明，Claude 4.7 及更新版本的模型，處理相同文字時產生的 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，將其中一個計數除以另一個，再將該比率套用至公布的費率後比較。20% 的 token 差異通常會超過大多數公布費率的差異。

Prompt caching 是否可能讓帳單變高？

會，在 Anthropic 上可能如此。五分鐘的項目，快取寫入費用是基本輸入費率的 1.25 倍；一小時的項目則是 2 倍，而命中快取的費用是 0.1 倍。如果流量突發程度很高，大多數項目在任何讀取前就已過期，您會支付寫入加成，卻沒有任何讀取收益。請在記錄中比較 cache_creation_input_tokens 與 cache_read_input_tokens。比率接近 1 表示快取正在增加成本，請延長項目存留時間或移除快取。

我應該在 API 上執行 coding agent，還是使用訂閱方案？

對於一般用量的單一開發人員，訂閱席位通常比按用量計費的 API 便宜，因為 coding agent 每回合都會重新傳送大型上下文，而該上下文每次都會計費。請先計量一週，再將 API 總費用與席位價格比較。當使用量呈突發性，或需要訂閱席位不提供的程式化存取時，API 會更划算。