自己架 AI 代理之後，很快就會開始在意帳單。最直覺的省錢方法是換便宜的模型；最常見的意外，是錢還沒花完，服務先被限流卡住。這兩件事我都遇過，整理在一起。

便宜模型：價差 30 倍，時間差更多

社群有一篇很誠實的實測：作者用 OpenClaw 接 Telegram 當日常助理，做摘要、翻譯、整理資料、分派子任務，以 Claude Sonnet 4.5 當基準（每百萬 token 輸入 3 美元、輸出 15 美元），再輪流換上 OpenRouter 上的便宜模型。他自己先講清楚：這不是嚴謹的評測，是某天晚上花幾個小時的體感，而且沒測寫程式。

最便宜的 Gemini 2.5 Flash Lite，輸入 0.10、輸出 0.40 美元，換算下來比基準便宜 30 到 37 倍。結果是：

  • 基本摘要都做不好，完全不會舉一反三，每一步都要講清楚。
  • 回覆量少得像「考試寫了名字但交白卷」。
  • 稍微難一點就說做不到，也不給替代方案。

他整理出一個很好用的判準，我稱為「笨服務生測試」：笨的模型看似回答了，但什麼都沒幫到；聰明的模型就算做不到，也會說明為什麼不行、限制在哪、有沒有別的辦法。另一個隱藏指標是格式適應力——明明說了「不要用表格」，下一則照樣給表格的模型，會讓你花很多時間重講。

他的結論是：便宜模型表面省錢，實際上是在浪費你的時間。實測裡 CP 值最高的是 Grok 4.1 Fast。

限流：不是錢不夠，是一分鐘吞太多

我自己遇到的是另一種問題。用 OpenClaw 接 Gemini API 跑一陣子後，帳單開始上升，服務也一直報錯。看 Google AI Studio 的圖表才發現，超標的是 TPM（每分鐘輸入 token 數），每日請求次數跟每分鐘請求次數都還很正常。

也就是說，問題不是總預算，是瞬間流量超過當時付費等級的上限。當時是最低的付費等級；Google 的規則大致是累計消費到一定金額、付費滿一段時間後，等級才會升上去，上限也跟著提高。

我最後整理出三條路：

  • 短期緩解：程式裡加延遲和自動重試，長文和圖片分段處理，降低同時發出的請求數。
  • 升級或換平台：等級自然升上去；或改用 Vertex AI，可以在 Google Cloud 主控台提出配額申請。
  • 把不需要 AI 的工作留在本地：社群朋友給的建議很實在——先在本地用 Python 把資料處理好，拿到結果再呼叫 API。不然代理會「一直用笨方法做」，每一步都燒 token。

怎麼算才划算

  • 時間也是成本：模型便宜 30 倍，但你要多講三次、多檢查兩次，就不見得划算。
  • 先找出瓶頸是哪一種限制：總額度、每日次數、每分鐘次數、每分鐘 token，四種限制的解法完全不同。
  • 能在本地做的不要丟給 API：資料清理、格式轉換、檔案處理，用一般程式做就好。
  • 價格是快照：模型定價和平台分級幾乎每週在變，這篇的數字都是 2026 年初的狀況。

小結

AI 代理的帳單有兩張：一張是平台寄來的，一張是你自己花掉的時間。只看第一張，很容易越省越虧。

資料來源

  • 社群實測〈OpenRouter 多模型實測心得〉（2026-02，作者自述非嚴謹評測、未測寫程式）
  • 本人 Gemini API 限流排查紀錄與 Google AI Studio 用量圖表（2026-02～03）
  • 價格與等級規則皆為 2026 年初快照，以各平台現行公告為準

封面圖由 AI 生成。