撰文：黃士育　圖片提供：施典志



對多數上班族來說，接觸AI工具的起點都大同小異：免費試用ChatGPT，偶爾拿來回覆信件、查詢資料、整理會議紀錄，體會到AI工具帶來的便利性。在執行這些工作時，Token是隱形的，平台幫你吸收了所有成本，你感受不到任何計費邏輯。

但免費額度有其極限。當你開始把AI用在真正有份量的工作上，就會撞到這條線。常見的場景包括：需要AI閱讀並整理大量文件、頻繁對話超過平台上限，或是需要上傳大型檔案讓AI分析。這些情境，免費版往往跑個幾次就不夠用。

此時擺在你面前的選擇，就是本篇要討論的核心：要升級訂閱制，還是改用按量計費的API？選錯了，不是多花錢，就是用起來綁手綁腳。

自由工作者做大單
AI接手卻讓成本失控

施典志走過的路，是這個選擇最具體的示範。他是自由科技媒體人，以接案方式承接科技評論、媒體內容與顧問工作。

兩年前，他接到一份需要翻譯10幾萬個外國人名的案子，交期很趕。「一開始先手動做，結果發現根本做不完，浪費時間外還把能量全都排擠掉了。」那次挫折，逼著他認真思考怎麼把AI真正導入工作。

起初他用Gemini寫出批次翻譯程式，之後使用OpenClaw串接OpenRouter這個模型中介平台，依任務切換不同等級的模型、按量付費，把每日花費壓在1美元以內。這套方式在用量小的時候確實省錢，但一旦任務變複雜、需要讓AI自主執行多步驟流程，用量就失控了，帳單也變得難以預測。

最後他轉向Claude Max月費100美元的5倍訂閱。不是因為功能最多，而是因為這個方案讓帳單變得可預測，知道每個月最多就是這個數字，不會再有驚喜。現在，他在家裡的Macmini上架設了7個Claude Code Agent（代理程式設計工具），各自負責不同的工作，像是整理科技新聞、追蹤投資組合、製作節目腳本、應對不同客戶需求，並透過Telegram機器人把結果傳回來，目前大約95%的工作已經自動化。

選模3維度
任務、用量、資料安全

從偶爾用免費版查資料，到每個月固定支出100美元、讓AI代理處理大部分工作，這條路不是一步到位的，但它的每一步，背後都有清楚的邏輯。

施典志說，選擇AI工具時，「便不便宜」往往不是最關鍵的考量。他的選模邏輯圍繞3個維度：任務性質、使用量預期，以及資料安全。這套邏輯，對一般上班族同樣適用。

第一個維度是任務性質。需要判斷、推理、語感的工作，例如寫稿、分析報告、來回修改內容，值得用能力強的模型。「同樣一件事交給不同模型做，效能和正確程度差很多。」但重複性高、格式固定的任務，最便宜的模型往往就夠了。「翻譯名字這種事，最便宜的模型就可以做得很好。」

第二個維度是使用量預期。用量少、任務臨時，按量計費或免費版就夠；用量大、流程固定、需要讓AI自動執行多步驟任務，訂閱制的可預測性反而是優勢。

施典志發現自動化任務的Token用量難以估算，於是選擇固定月費，反而更划算。這個判斷門檻因人而異，但基本邏輯是：如果你已經開始每天依賴AI完成工作，訂閱制通常比按量計費更省心。

第三個維度是資料安全。「講到隱私，我會避免使用中國的模型，像DeepSeek或MiniMax，基本上不會用。」施典志說，一方面是有資料外流的疑慮，另一方面是對語言輸出品質的擔憂。「你叫他翻譯Video，他給你『視頻』，這我不能用，我要的是『影片』。」這個考量對企業用戶尤其重要：公司內部資料、客戶資訊、未公開的研究，都不適合送進來源不明的模型。

這3個維度的交叉判斷，才是真正的選模邏輯。「便宜」往往是結果，而非出發點。任務對了、用量算清楚了、資料安全顧慮解決了，才輪到問價格。

對沖基金公司Citadel發布的《Tokenomics》報告指出，當推論成本上升，使用者會自然從昂貴模型與低報酬實驗，轉向更有效率的模型或工作流程。換句話說，成熟的AI使用方式，不是追求一個「永遠最好」的模型，而是根據任務難度、使用量、錯誤成本與資料安全，持續調整最適合的使用系統。



你的每一次選擇
AI公司都在看

每個使用AI工具的人，其實都在替AI公司做一件事：市場調查。你願不願意每天打開這個工具？免費版夠用，還是你主動升級付費？是否改用別家AI服務？這些日常的使用決策，加總起來，就是AI公司最真實的成績單。

簡單來說，看的是3個指標：黏著度、替代成本、付費意願。一個工具如果能讓你每天打開、對於換掉它感到很麻煩、而且你願意掏錢，當這3件事同時成立，就代表它可能有真正的護城河。

施典志從免費工具出發，走到月費100美元的高階訂閱，每一步都是被真實需求推著走的選擇。

這種從使用者端觀察到的黏著度，往往比財報數字更早反映AI模型公司的商業模式是否成立。這份日常觀察的價值，在下一篇文章中，將會說明它如何轉化為具體的判斷依據。

… 本文摘錄自 《Money錢》 2026/7月 第226期