標籤「AI」的 6 篇文章

本文比較 OpenAI 目前可用的 API 模型——GPT-5.4、GPT-5.4 nano、GPT-5.4 mini、GPT-4o、GPT-4o mini 的費用、規格與效能，並整理各使用情境下的選擇建議。

單位：USD / 100 萬 Token（MTok）。資訊以 2026 年 4 月為準。

費用比較​

GPT-4o mini 的輸入與輸出費用均為最低，但知識截止日期為 2023 年 10 月，不適合需要最新資訊的任務。GPT-5.4 nano 的輸入費用與 GPT-4o mini 相近，同時具備 GPT-5.4 系列的品質及 2025 年 8 月為止的最新知識。GPT-5.4（旗艦）的輸入費用與 GPT-4o 相同，但輸出費用高達 $15.00/MTok，適合需要最高品質推理的場景。

使用區域處理端點時，GPT-5.4 系列將額外收取 10% 加成費用。

規格比較​

GPT-5.4 系列的 Context 視窗大幅擴展至 400K Token，最大輸出也支援 128K Token。GPT-4o / GPT-4o mini 則分別限制在 128K / 16K。

效能比較​

GPT-5.4​

GPT-5.4 系列的旗艦模型。代表 OpenAI 當前世代的最高智能，在複雜推理、長文生成、進階程式開發等方面均大幅超越 GPT-5.4 mini。支援所有原生工具（電腦操作、MCP、網路搜尋等），並完整支援多模態輸入輸出。由於輸出費用高達 $15.00/MTok，建議限定在必須取得最高品質輸出的場景使用。

GPT-5.4 mini​

GPT-5.4 系列的中階模型，針對程式開發、電腦操作及子代理任務進行最佳化。效能穩定超越 GPT-5 mini，並以更快的速度實現接近旗艦 GPT-5.4 的通過率。與 GPT-5 mini 相比，速度提升確認達 2 倍以上，在程式開發工作流程中提供頂級的效能/延遲權衡。

GPT-5.4 nano​

GPT-5.4 系列中體積最小、費用最低的模型。針對速度與成本為首要考量的大量處理使用情境最佳化，例如分類、資料萃取、排序及程式開發子代理。不適合需要深度推理的複雜任務。

GPT-4o​

以通用旗艦模型之姿登場，兼具文字與圖片處理的高智能。目前已被 GPT-5.4 系列取代，定位為舊版模型。雖於 2026 年 2 月從 ChatGPT 退役，但 API 存取仍持續提供。

GPT-4o mini​

設計定位為「最適合微調的小型模型」。透過蒸餾大型模型（GPT-4o）的輸出，以低成本、低延遲實現同等效果。MMLU 分數為 82.0%。適合希望降低簡單任務推理成本的情境。

該選哪個模型？​

• 大量處理・優先考量成本：GPT-5.4 nano 或 GPT-4o mini。若需要最新知識則選 GPT-5.4 nano，若需要微調則選 GPT-4o mini。
• 程式開發・代理任務：GPT-5.4 mini。速度與精確度的平衡最佳。
• 複雜推理・高品質輸出：GPT-5.4。費用為輸入 $2.50、輸出 $15.00/MTok，雖然高成本，但可獲得當代最高品質的輸出。
• 與舊有系統相容：GPT-4o。API 持續提供，可維持現有的系統整合。

性價比最佳選擇​

從性價比角度特別值得關注的是 GPT-5.4 nano 和 GPT-5.4 mini 這兩個模型。

GPT-5.4 nano 的輸入費用與 GPT-4o mini 相近（$0.20 vs $0.15），但可使用 400K Context、2025 年 8 月為止的知識，以及網路搜尋、檔案搜尋、MCP 等所有原生工具。除知識截止日期外，幾乎在所有方面都優於 GPT-4o mini，因此只要不需要微調，遷移至 GPT-5.4 nano 是合理的選擇。

GPT-5.4 mini 的輸入費用（$0.75）低於 GPT-4o（$2.50/MTok），且在程式開發與代理工作流程中的效能超越 GPT-4o。若日常使用 GPT-4o，切換至 GPT-5.4 mini 很可能同時實現降低成本與提升效能的目標。

另一方面，GPT-4o 目前的性價比偏低。輸入費用與 GPT-5.4 相同（$2.50/MTok），在 Context 大小、知識新鮮度及工具支援方面卻全面落後於 GPT-5.4 系列。除非需要微調或與現有系統相容，否則主動選擇 GPT-4o 的理由並不充分。

參考資料​

• OpenAI API 費用
• GPT-5.4 mini 模型詳細說明
• GPT-5.4 nano 模型詳細說明
• GPT-5.4 mini 與 nano 介紹 – OpenAI
• GPT-5.4 模型詳細說明
• GPT-4o mini 模型詳細說明

透過將 mitmproxy 設定為中間人代理，可以即時查看 AI 程式碼工具在背後進行的 API 通訊內容。

運作原理​

許多 AI 程式碼工具是以 Node.js 開發的應用程式，透過 HTTPS 與外部 API 進行通訊。將 mitmproxy 作為中間人代理插入，並讓 Node.js 信任 mitmproxy 的 CA 憑證，即可解密加密的通訊內容並即時查看。

安裝​

使用 uv 安裝 mitmproxy 最為方便。

uv tool install mitmproxy

代理設定​

在啟動工具之前，先設定以下環境變數。

$env:HTTPS_PROXY = "http://127.0.0.1:8080"
$env:HTTP_PROXY  = "http://127.0.0.1:8080"
$env:NODE_EXTRA_CA_CERTS = "$env:USERPROFILE\.mitmproxy\mitmproxy-ca-cert.pem"

關於 NODE_EXTRA_CA_CERTS​

只設定 HTTPS_PROXY 和 HTTP_PROXY 會導致 Node.js 的 TLS 驗證失敗而無法通訊。mitmproxy 在中繼 HTTPS 時使用自簽憑證，而 Node.js 預設會拒絕該憑證。

在 NODE_EXTRA_CA_CERTS 中指定 mitmproxy CA 憑證的路徑後，Node.js 便會信任該憑證，通訊也就能順利建立。

產生 CA 憑證​

mitmproxy 在首次啟動時會自動產生 CA 憑證，並儲存至 ~\.mitmproxy\。若尚未產生，啟動一次即可。

mitmweb

瀏覽器會自動開啟，在 http://127.0.0.1:8081 顯示代理管理介面。

啟動工具​

在另一個已設定環境變數的終端機中啟動工具。

開始操作工具後，mitmweb 畫面上就會出現請求流量。

擷取到的通訊內容​

端點​

工具會向以下端點發送請求。

POST https://api.example.com/v1/messages

請求標頭​

x-service-version: ...
content-type: application/json
x-api-key: sk-...

請求本文​

{
  "model": "model-name",
  "max_tokens": 16000,
  "stream": true,
  "system": [
    {
      "type": "text",
      "text": "..."
    }
  ],
  "messages": [
    {
      "role": "user",
      "content": "..."
    }
  ],
  "tools": [
    {
      "name": "Read",
      "description": "...",
      "input_schema": {}
    }
  ]
}

設定 stream: true 後，會以 Server-Sent Events (SSE) 格式接收串流回應。

回應​

data: {"type":"content_block_start","index":0,"content_block":{"type":"text","text":""}}
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"Hello"}}
...
data: {"type":"message_stop"}

可以了解到的資訊​

系統提示詞中包含 AI 程式碼工具的運作原則、可用工具的說明及注意事項等內容。

總結​

• 關鍵在於透過 NODE_EXTRA_CA_CERTS 讓 Node.js 信任 mitmproxy 的 CA 憑證
• API 通訊採用 SSE 串流格式
• 可以查看工具定義和系統提示詞等 AI 程式碼工具的內部結構

介紹如何從 PowerShell 經由 Google Cloud 的 Vertex AI 呼叫 Gemini 模型。涵蓋 OpenAI 相容端點與原生 Gemini 端點兩種方式。

認證方式​

gcloud auth（推薦）​

不需要 API 金鑰，可直接使用現有的 Google Cloud 認證資訊。

$accessToken = (gcloud auth print-access-token)

API 金鑰​

$apiKey = $env:VERTEX_API_KEY

端點​

OpenAI 相容端點（gcloud auth 認證）​

https://{region}-aiplatform.googleapis.com/v1beta1/projects/{projectId}/locations/{region}/endpoints/openapi/chat/completions

請求與回應格式與 OpenAI API 相同。模型名稱需加上 google/ 前綴（例：google/gemini-2.5-flash-lite）。

原生 Gemini 端點（API 金鑰認證）​

https://{region}-aiplatform.googleapis.com/v1/projects/{projectId}/locations/{region}/publishers/google/models/{model}:generateContent

若需要串流請使用 :streamGenerateContent。

基本呼叫範例​

OpenAI 相容（gcloud auth）​

$projectId   = "your-project-id"
$region      = "us-central1"
$model       = "google/gemini-2.5-flash-lite"
$accessToken = (gcloud auth print-access-token)

$body = @{
    model    = $model
    messages = @(
        @{
            role    = "user"
            content = "東京的人口是多少？"
        }
    )
} | ConvertTo-Json -Depth 10

$uri = "https://$region-aiplatform.googleapis.com/v1beta1/projects/$projectId/locations/$region/endpoints/openapi/chat/completions"

$response = Invoke-RestMethod `
    -Uri         $uri `
    -Method      Post `
    -ContentType "application/json" `
    -Headers     @{ Authorization = "Bearer $accessToken" } `
    -Body        $body

$response.choices[0].message.content

原生 Gemini（API 金鑰）​

$projectId = "your-project-id"
$region    = "us-central1"
$model     = "gemini-2.5-flash-lite"
$apiKey    = $env:VERTEX_API_KEY

$body = @{
    contents = @(
        @{
            role  = "user"
            parts = @(
                @{ text = "東京的人口是多少？" }
            )
        }
    )
} | ConvertTo-Json -Depth 10

$uri = "https://$region-aiplatform.googleapis.com/v1/projects/$projectId/locations/$region/publishers/google/models/${model}:generateContent?key=$apiKey"

$response = Invoke-RestMethod `
    -Uri         $uri `
    -Method      Post `
    -ContentType "application/json" `
    -Body        $body

$response.candidates[0].content.parts[0].text

回應結構​

OpenAI 相容​

$response.choices[0].message.content  # 產生的文字
$response.usage.total_tokens           # 總 Token 數
$response.model                        # 使用的模型

原生 Gemini​

$response.candidates[0].content.parts[0].text  # 產生的文字
$response.usageMetadata.totalTokenCount         # 總 Token 數
$response.modelVersion                          # 使用的模型版本

串流（streamGenerateContent）會回傳多個 chunk 的陣列，需將文字串接取出。

$fullText = ($response | ForEach-Object {
    $_.candidates[0].content.parts[0].text
}) -join ""

加入系統提示​

OpenAI 相容​

$body = @{
    model    = $model
    messages = @(
        @{
            role    = "system"
            content = "您是用日語回答的 AI 助理，請簡潔回覆。"
        }
        @{
            role    = "user"
            content = "光速是多少？"
        }
    )
} | ConvertTo-Json -Depth 10

原生 Gemini​

$body = @{
    system_instruction = @{
        parts = @(
            @{ text = "您是用日語回答的 AI 助理，請簡潔回覆。" }
        )
    }
    contents = @(
        @{
            role  = "user"
            parts = @(@{ text = "光速是多少？" })
        }
    )
} | ConvertTo-Json -Depth 10

多回合對話​

將歷史對話依序放入陣列即可實現多回合對話。

OpenAI 相容​

$body = @{
    model    = $model
    messages = @(
        @{ role = "user";      content = "你比較喜歡貓還是狗？" }
        @{ role = "assistant"; content = "我喜歡貓。" }
        @{ role = "user";      content = "為什麼？" }
    )
} | ConvertTo-Json -Depth 10

原生 Gemini​

助理的角色需指定為 "model"。

$body = @{
    contents = @(
        @{
            role  = "user"
            parts = @(@{ text = "你比較喜歡貓還是狗？" })
        }
        @{
            role  = "model"
            parts = @(@{ text = "我喜歡貓。" })
        }
        @{
            role  = "user"
            parts = @(@{ text = "為什麼？" })
        }
    )
} | ConvertTo-Json -Depth 10

可用模型​

選擇方式的判斷基準​

注意事項​

• 請勿將 API 金鑰硬寫在腳本中，應從環境變數（$env:VERTEX_API_KEY）讀取。
• gcloud auth 的 token 有效期限約為 1 小時，長時間執行的腳本需要定期重新取得。
• 每個專案有各自的速率限制與配額，大量發送請求前請事先確認。

Claude 若要透過 API 使用，除了直接使用 Anthropic API 外，也能經由 AWS Bedrock、Google Vertex AI、Microsoft Azure (Azure AI Foundry) 使用。基本價格各路徑幾乎相同，但在批次處理與與雲端生態系統整合面會有差異。

單位：USD / 1M 代幣 (MTok)。資料截至 2026 年 3 月。

基本價格（按需）​

基本價格在各路徑相同。

不過在 Vertex AI 若不是使用全球端點而指定區域端點（regional endpoint），標準價格會額外加收 10%。Bedrock 有 Long Context 變體（另有 SKU），但價格相同。Anthropic API 則已將 Long Context 整合在一般模型中。

快取費用​

Prompt 快取（Prompt Caching）的費用在各路徑也相同。

快取寫入依 TTL 分為 5 分（短期）和 1 小時（長期）兩種。長期快取的寫入成本較高，但如果系統提示（system prompt）很長且會被重複參考，透過節省讀取費用通常是划得來的。

批次處理費用​

Bedrock、Vertex AI、Anthropic API 三者的非同步批次 API 可享按需價格的 50% 折扣。Azure 目前未明示。

若要大量處理資料（例如日誌分析、向量嵌入生成等）並頻繁使用批次處理，無論走哪個路徑都能把成本砍半。

生態系比較​

新功能（例如 Extended Thinking）通常會先在 Anthropic API 上推出，向 Vertex AI、Bedrock、Azure 的推展有時會晚幾週。

如何選擇​

• 單純使用／原型開發：Anthropic API，只要一組 API 金鑰即可啟動，新功能也能最先使用。
• 已整合到 AWS：若需 IAM、CloudWatch、VPC，選 Bedrock。支援東京區域。
• 已整合到 Google Cloud：Vertex AI 是自然的選擇，但注意區域端點會加收 10%。
• 已整合到 Azure：可透過 Azure AI Foundry 使用，能整合到 Azure 的計費與管理。
• 大量使用批次以節省成本：Bedrock、Vertex AI、Anthropic API 都有 50% OFF 的批次 API 可用。

參考​

• Anthropic API 料金 – Claude API Docs
• AWS Bedrock 料金 – Amazon Web Services
• Vertex AI 料金 – Google Cloud
• Claude in Microsoft Azure AI Foundry – Claude API Docs

將「技能」加入 AI 代理人，就像在應用程式安裝功能擴充一樣，可以增加它能做的事情。本文解說 Agent Skills 的運作方式，以及代理人在內部如何處理任務。

AI 代理人是什麼​

首先作為前提，AI 代理人是指「接受指示並能自主執行任務的 AI 程式」。

與像 ChatGPT 那種「問了就回答」的 AI 不同，代理人可以做以下事情：

• 讀寫檔案
• 執行程式碼並檢查結果
• 呼叫外部 API 或工具
• 自行判斷並執行多步驟流程

技能是什麼​

Agent Skills 是一種「用來為代理人新增能力或專業知識的機制」。

比喻成人類的話，就像把「新的工作手冊」交給對方一樣。閱讀了手冊（技能）的代理人就能理解該任務應如何進行，並據此行動。

無技能: 「寫一篇部落格」→ 代理人隨便寫
有技能: 「寫一篇部落格」→ 按照手冊步驟，以一定品質寫出文章

技能主要以 Markdown 檔案（SKILL.md）描述，通常包含以下要素：

• 步驟說明：要做哪些事、按什麼順序做
• 腳本：想自動化的處理流程
• 範例與設定：代理人會參考的資源

為什麼需要技能​

AI 代理人能力很強，但不會預先具備你專案特有的知識。

例如：

• 「這個團隊要如何撰寫提交訊息」
• 「這個部落格的 front matter 要如何寫」
• 「部署流程要用哪個指令」

這類資訊如果不以技能方式提供，代理人無從得知。有了技能，代理人就能在知道「正確做法」的前提下執行任務。

代理人使用技能時的處理流程​

接下來看看代理人在內部如何運作。

重點如下：

1. 載入技能​

代理人一開始會載入技能。技能內容成為輸入給 LLM 的一部分（提示）。LLM 讀到後會理解「這個任務的正確做法」。

2. 任務拆解​

LLM 根據收到的步驟，將任務拆成小步驟。例如「先閱讀既有文章 3 篇」「接著決定檔名」「寫 front matter」等。

3. 呼叫工具​

在每個步驟中，視需要呼叫工具：讀檔、搜尋網路、執行程式碼等，依照技能定義的流程執行。

4. 結果回饋​

工具執行的結果會再次傳回給 LLM。LLM 根據結果判斷「下一步要做什麼」，並持續迴圈直到任務完成。

技能指令​

技能可以透過斜線指令（/命令名）來呼叫。

呼叫指令時，對應的 Markdown 檔內容會被展開為提示，代理人就會開始依該步驟執行。

技能的應用範圍​

Agent Skills 的格式是 由 Anthropic 開發並開放的，目前支援許多工具。

同一套技能能在多個工具間重複使用，這是很大的優勢。

總結​

• 技能是把專業知識或操作步驟傳給代理人的機制
• 只要撰寫 Markdown 檔（SKILL.md）描述步驟與規則，就能建立技能
• 代理人把技能當成提示給 LLM，LLM 會解讀並按步驟執行
• 這是個開放且跨工具的標準格式，如 Claude Code、Cursor、GitHub Copilot 等均可共用

善用技能可以省去「每次都要向 AI 解釋同一件事」的麻煩，讓代理人以一致的品質完成任務。

GPT-5 已經公開了，所以我用 PowerShell 試著呼叫它的 API。

程式碼​

$uri = "https://api.openai.com/v1/chat/completions"
$headers = @{
    "Authorization" = "Bearer $env:OPENAI_API_KEY"
    "Content-Type"  = "application/json"
}

$body = @{
    model = "gpt-5"
    messages = @(
        @{
            role = "user"
            content = "筆記本和鉛筆合計是100元。鉛筆比筆記本便宜40元。鉛筆多少錢？"
        }
    )
} | ConvertTo-Json -Depth 2

$response = Invoke-RestMethod -Uri $uri -Method Post -Headers $headers -Body $body

foreach($choice in $response.choices){
    $choice.message.content
}

輸出結果​

30元

理由:
- 設筆記本為 x 元、鉛筆為 y 元，則
  - x + y = 100
  - y = x - 40
- 代入得 2x - 40 = 100 → x = 70 → y = 30
- 驗算: 70 + 30 = 100，且鉛筆比筆記本便宜 40 元。