如果你同時訂了 ChatGPT、Claude，又用幾家模型 API，每個月的 AI 支出很可能是一筆說不清楚的帳。模型價格一直在變，訂閱額度和 API 計費方式又不同，很多人到刷卡那天才發現某個測試指令碼默默燒掉了半個月預算。
這篇給台灣開發者與一人公司的建議很單純：先量測，再最佳化。選一個用量觀測工具把每一筆 token 支出記下來，再依任務類型把需求分配給最划算的平台。
先裝一個觀測工具，再談省錢
用 Helicone 雲端版最快上手，十分鐘就能看到每個 API 呼叫的成本。
用 Langfuse 追蹤每個產品功能的模型支出，月底對帳直接用報表。
用 OpenLLMetry 把追蹤資料接進既有監控系統，自己掌握資料。
三個主流觀測工具比較
| 工具 | 最適合 | 部署方式 | 要注意 |
|---|---|---|---|
| Helicone | 想快速看到 API 成本的個人開發者 | 雲端為主，改一行 API 端點即可 | 請求會經過第三方代理，要先確認資料政策 |
| Langfuse | 需要按功能、按專案拆帳的一人公司與小團隊 | 雲端或自架 | 功能多，剛開始只要用好成本儀表板就好 |
| OpenLLMetry | 已有監控系統的工程團隊 | 開源套件，接 OpenTelemetry | 需要自己組裝儀表板，不是開箱即用 |
Langfuse：把每個功能的模型支出拆清楚
Langfuse 是開源的 LLM 觀測平台，可以記錄每一次模型呼叫的輸入、輸出、延遲與成本，並按專案、功能或使用者分組。對一人公司來說最實用的是成本報表：月底你可以直接回答「這個功能上個月燒了多少 token」，而不是看著信用卡帳單發呆。
它可以自架，資料完全留在自己機器上；不想維運也有雲端版。官方資源：langfuse.com
Helicone：十分鐘上手的 API 成本儀表板
Helicone 的做法是把 API 請求轉發到它的代理端點，然後自動記錄用量與成本。設定通常只是改一行程式碼的 base URL，適合想立刻看到數字、不想架任何東西的人。它也提供快取功能，對重複性高的請求能直接省錢。
要注意的是，走第三方代理代表請求會經過別人的基礎設施。導入前請確認對方的資料保存政策，敏感專案建議評估它的自架選項。官方資源：helicone.ai
OpenLLMetry：接進既有監控的開源路線
OpenLLMetry 是基於 OpenTelemetry 的開源追蹤套件，適合已經有 Grafana、Datadog 這類監控系統的團隊。它把模型呼叫變成標準的遙測資料，你可以用現有儀表板追蹤成本與效能，資料完全自己掌握。
代價是它不是開箱即用的產品：儀表板要自己組，成本計算要自己設定。適合有工程能力、重視資料主權的團隊。官方資源：GitHub 上的 OpenLLMetry
不想裝工具？手動做法也能省 20% 以上
- 每月盤點一次：把各平台後台的用量頁面截圖存檔，記進同一份試算表。
- 按任務選模型：翻譯、摘要用便宜模型；程式與長文用旗艦模型。不要全部預設最貴的。
- 訂閱與 API 分開算：訂閱額度用不完的部份，評估改走 API 按量計費是否更划算。
- 設預算上限：各平台都開啟用量警示或硬性上限，避免失控的迴圈指令碼。
導入前檢查清單
- 工具會看到哪些請求內容？資料保存在哪裡？
- 能不能自架或關閉內容記錄，只留成本數字？
- 取消訂閱後，歷史用量資料能不能匯出？
- 有沒有按金鑰或專案分帳的功能，方便月底結算？
- 灰階地帶的省錢法（帳號合租、違反條款的多開）不要用，省小錢賠帳號不划算。
常見問題
一定要裝觀測工具嗎？
每月 AI 支出低於一頓晚餐錢的話，手動試算表就夠了。支出越高、平台越多，工具投資越划算。
這些工具會拖慢我的 API 呼叫嗎？
代理型工具會增加一點延遲，通常在可接受範圍。對延遲敏感的即時功能，選非侵入式的 SDK 記錄或自架方案。
觀測工具本身要錢嗎？
三者都有免費層或開源版本。先用免費額度跑一個月，確認報表真的對你有幫助再付費。
結論
AI 成本管理的核心不是找最便宜的模型，而是先看清錢花去哪。個人開發者從 Helicone 開始，一人公司用 Langfuse 按功能拆帳，工程團隊用 OpenLLMetry 接進既有監控。裝好觀測、每月對帳、按任務分配模型，大多數人第一個月就能省下一到四成支出。