如何估算 OpenAI API 成本?

Posted on Edited on In

最近公司在評估導入企業級AI聊天助理，老闆通常最關心的是成本問題，讓我不得不思考:「如何估算 OpenAI API 成本?」一開始確實有點頭大，因為使用量不好預測，在沒有既有數據的情況下，成本估算往往很難找到依據而有所本。

幸運的是，我有買「2025 Generative AI 年會」的課程，其中玉山銀行總工程師黃仕鎮分享了他們導入內部智能助理 GENIE 的真實使用數據，剛好能給我作為一個參考基準。我也把自己的估算過程整理出來，並做了一個 OpenAI API 費用估算工具，方便大家快速帶入自己的場景去估算。

第一步: 使用量

以玉山銀行為例:

  • 公司員工數 ≈ 8,000 人 (104公開資訊)
  • GENIE 上線初期
    • 每月呼叫次數 ≈ 50,000 次
    • 每月實際使用人數 ≈ 1,000 人
  • 則 50,000 ÷ 1000 = 50 次/人/月
  • 初期一個人一個月平均大約呼叫 50 次

第二步: Token數

以我的案例為例:

  • 每次輸入(使用者提問) ≈ 45 tokens
  • 每次輸出(模型思考+回覆) ≈ 4,445 tokens
  • 單次互動合計 ≈ 4,490 tokens

這一步是影響成本的關鍵因素，因為 API 計費是按照「輸入 tokens + 輸出 tokens」計算，不同場景會造成不同差異，因此建議一定要依照實際使用情境來校正這個數字喔。

OpenAI Token 計算工具: Tokenizer。

注意思考過程

gpt-5 系列模型會把「思考過程」也算在輸出 tokens 裡面，需將此納入成本估算。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
from openai import OpenAI

client = OpenAI()

response = client.responses.create(
  model="gpt-5-nano",
  input="用100字說明模型參數中reasoning的用途?"
)

print("Model Name:", response.model)
print("Response Content:", response.output[1].content[0].text)
print("Input Tokens:", response.usage.input_tokens)
print("Output Tokens:", response.usage.output_tokens)
print("Reasoning Effort:", response.reasoning.effort)
print("Reasoning Tokens:", response.usage.output_tokens_details.reasoning_tokens)
print("Total Tokens:", response.usage.total_tokens)
1
2
3
4
5
6
7
Model Name: gpt-5-nano-2025-08-07
Response Content: 推理能力在參數中的作用是讓模型先列出解題思路、再驗證步驟與結論，避免跳步與矛盾，提升推理穩定性、可解釋性及調試效率。這有助於模型自我檢查、抗干擾、跨任務的一致性呢。也便於評估改進方向。促進穩定迭代呢！
Input Tokens: 20
Output Tokens: 5416
Reasoning Effort: medium
Reasoning Tokens: 5312
Total Tokens: 5436

gpt-4 系列模型則不會把「思考過程」算在輸出 tokens 裡面。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
from openai import OpenAI

client = OpenAI()

response = client.responses.create(
  model="gpt-4.1-mini",
  input="用100字說明模型參數中reasoning的用途?"
)

print("Model Name:", response.model)
print("Response Content:", response.output[0].content[0].text)
print("Input Tokens:", response.usage.input_tokens)
print("Output Tokens:", response.usage.output_tokens)
print("Reasoning Effort:", response.reasoning.effort)
print("Reasoning Tokens:", response.usage.output_tokens_details.reasoning_tokens)
print("Total Tokens:", response.usage.total_tokens)
1
2
3
4
5
6
7
Model Name: gpt-4.1-mini-2025-04-14
Response Content: 模型參數中reasoning（推理）部分的用途是幫助模型理解和處理複雜問題。它使模型能夠從已有知識中推導出新的結論，分析多步驟邏輯關係，並做出合理判斷。推理能力提升了模型解決抽象問題和回答具有深層含義問題的準確性，增強了模型在自然語言理解、問題解決與決策支持等任務中的表現。
Input Tokens: 21
Output Tokens: 115
Reasoning Effort: None
Reasoning Tokens: 0
Total Tokens: 136

第三步: 模型價格

以 OpenAI 最新的 GPT-5 系列為例:

Model 1M input tokens 1M output tokens
GPT-5 $1.250 $10.000
GPT-5 mini $0.250 $2.000
GPT-5 nano $0.050 $0.400
(資料來源: OpenAI API Pricing)

第四步: 開始計算

項目 數值 計算過程 結果(USD) 結果(NTD)
30.41
單次互動成本 Tokens Input:45 / Output:4445
GPT-5 Input:$1.25 / Output:$10		 1.25/106×45+
10/106×4445		 $0.0445 ≈$1.35
每人每月互動成本 50 次互動 0.0445 × 50 $2.23 ≈$68
全公司每月成本 若 1,000 人使用 2.23 × 1,000 $2,230 ≈$67,814
全公司每年成本 12 個月 2,230 × 12 $26,760 ≈$813,772

結論

以玉山銀行 GENIE 的使用數據，來推估初期 OpenAI API 成本:

  • 單次互動成本: NT$1.35
  • 每人每月平均 50 次互動
  • 則每人每月互動成本: NT$68
  • 若全公司 1,000 人使用
  • 則一年成本約台幣81萬元

👇 點此免費訂閱，不錯過任何更新

OpenAI API 費用估算工具

記得要先去取得一組 OpenAI API key。

💰 OpenAI API 費用估算工具 前端版