頂級 AI 現在比一年前便宜得多 - 而這改變了你應該如何使用它。 2026 年至今，各大實驗室已推出品質接近旗艦模型、價格卻僅為旗艦模型一小部分的模型，而且有幾次發布甚至只相隔幾天。簡單說：過去限制你的因素（每次執行的成本）已不再是瓶頸。現在限制你的是，是否知道該讓模型處理什麼。
收件匣分類、會議準備、後續跟進與每日規劃 - 以完整職務角色撰寫，直接放入 Claude 即可使用。
查看 Diane - 行政助理 AI Skill →AI 定價實際發生了什麼變化
三件事匯聚在一起。各家實驗室在將大型模型提煉成較小模型方面進步許多，同時保留大部分推理品質。推理硬體與服務架構也變得更有效率。此外，競爭加劇 - 當多家供應商在同一時期推出能力相近的模型時，沒有人能長期維持高價。
結果形成了一個分層市場，而非只有一個旗艦模型：用於處理難題的頂級推理模型、能以低得多的價格涵蓋大多數實際工作的中階模型，以及適合大量工作、快速又便宜的模型。具體數字不斷變動，因此持久不變的重點在於整體結構，而非數字本身：你去年付出溢價購買的品質，如今已屬於中階。
這對你的工作意味著什麼
1. 長時間工作不再昂貴
過去會讓人覺得浪費的工作 - 摘要一份 200 頁的文件、審閱上一季的每一張客服工單、撰寫五十封個人化電子郵件 - 現在都已成為日常。如果你過去為了節省 tokens 而縮減工作內容，現在就別再縮減了。
2. Agents 變得符合經濟效益
會規劃、呼叫工具、檢查自身工作並重試的 agent，消耗的 tokens 遠多於單一聊天訊息。這項額外負擔才是 agents 一直停留在示範階段的真正原因。以目前的價格來看，一個執行十個步驟的 agent，成本低於一年前單次呼叫旗艦模型的費用。如果你曾因成本考量而擱置 agent 構想，現在值得重新評估 - 我們的如何建立 AI agent指南就是起點。
3. 模型選擇不如指示品質重要
當不同層級之間的差距縮小時，優質輸出與劣質輸出的差異，幾乎完全取決於你如何界定工作內容。在最昂貴的模型上使用模糊的 prompt，每次都會輸給中階模型上規格清楚的 prompt。如果你的輸出品質正是從這裡流失，請參閱如何撰寫更好的 AI prompts。
本週如何善加利用
- 將預設模型下調一個層級。 使用中階模型處理日常工作，並將頂級模型保留給真正困難的推理。大多數人都察覺不到差異。
- 批次處理繁瑣工作。 輸入整個資料夾、整個收件匣、整季資料 - 而不是樣本。
- 賦予模型角色，而不是提出請求。 具備標準和工作流程的明確角色，勝過臨時提問。這正是準備好的 Claude skill 所提供的內容。
- 升級前先衡量。 在兩個層級上執行相同任務並進行比較。只有在看得出差異的地方，才購買升級方案。
現成角色勝過更大模型的情況
更便宜的推論並不會替你撰寫指示。最能充分利用這項轉變的團隊，早已具備明確規範的角色可供執行 - 定義清楚的 SEO 專家、定義清楚的支援 agent、定義清楚的行政助理。如果你想要這些角色，卻不想自己撰寫，我們的 Skills 是為 Claude 打造的完整角色定義：Serge，SEO 專家、Sam，客戶支援、Owen，營運管理，或 Diane，行政支援。你也可以先試用我們的 免費 AI 生成器，評估輸出品質。
常見問題
為什麼 AI 模型越來越便宜？
三個原因：蒸餾技術讓實驗室能推出保留大部分大型模型推理品質的小型模型，服務基礎架構已變得高效得多，而供應商之間的激烈競爭意味著，沒有任何一家能為相當的模型長期維持高價。
我是否應該改用更便宜的 AI 模型？
對大多數日常工作而言，是的。在目前使用的模型和較便宜的層級上執行相同任務，比較輸出結果，只在確實看得出差異的任務上保留昂貴模型 - 通常是困難的多步驟推理、複雜程式碼和細膩分析。
更便宜的模型是否代表品質更差？
不一定。2026 年的中階模型在大多數實際任務上，已接近去年的旗艦模型。品質下降最明顯的地方，是長串推理和邊界情況判斷，而不是撰寫、摘要或結構化擷取。
如何才能善用更便宜的 AI？
停止節省用量。執行更長的任務，處理完整資料集而非樣本，並開始使用 agent 來處理多步驟工作。接著投入心力改善指示並定義角色，這些如今比模型選擇更重要。