Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
AI coding plan 對比：Claude Pro、ChatGPT Plus、Kimi、GLM 與 Cursor 的額度倍率與中文 Token 真實成本（2026-07）
AI coding plan 不能只看月費。本篇以開源資料集 mahonzhan/awesome-coding-plan（CC BY 4.0，commit 2026-07-01）的額度倍率、中文分詞壓縮率與刷新週期為骨幹，抽樣核對 Claude Pro、ChatGPT Plus、Kimi、GLM、Cursor 官網 2026-07 的當前定價，拆解 IDE 整合 vs 模型 API、中文 Token 損耗、合規邊界與時效性，協助你做探購前的結構性判斷。
用 AI 摘要這篇文章：
該不該為一個 AI coding plan 每個月掏出 20 美元，或人民幣 49 元到 199 元，取決於三個會直接改變答案的問題：你的工作流綁在哪家 IDE、你的提示詞與註解中文佔多少比例、你的程式碼與背後的業務資料能不能進第三方雲端。這三個問題任何一個答案不同，相對划算的方案組合就會跟著換。本篇把這三個問題拆開來回答，並把公開開源資料集 mahonzhan/awesome-coding-plan（CC BY 4.0，最近一次更新 2026-07-01）的額度倍率、分詞壓縮率、刷新週期攤開來看，再抽樣比對各方案官網 2026-07 的當前定價，協助你釐清所謂 AI 編程套餐在台灣與海外開發者眼前的真實成本結構。
先講適用邊界：如果你身處金融、醫療、律所、政企內網，或公司合規明確規定程式碼與業務脈絡不能被第三方模型服務吸收或將來用於訓練，那麼本篇討論的公有云方案大多不該是你的首選。這條紅線涵蓋 Cursor、ChatGPT Plus、Claude Pro 與絕大多數中國大陸廠商的 Coding Plan，原因是它們的價值建立在「程式碼與上下文進入雲端模型」這個前提之上；對合規要求高的場景，本地模型、私有化部署或可審計的開源後端才是更穩當的路線。
目錄
額度倍率到底在比什麼：先拆解這個最容易誤讀的指標
開源評測資料集 awesome-coding-plan 把所有方案放在同一張表上比較時，核心指標是額度倍率，定義寫在 README 第一段：「當前週期額度價值 ÷ 包月價格」。例如 Claude Pro 月繳 20 美元，資料集估算它一個月可消耗的 Tokens 換算成官方 API 計費大約是 1273.6 美元，於是月倍率就是 63.6；ChatGPT Plus 月繳 20 美元，估算月額度價值 296 美元，倍率為 14.8。這個數字本身只是換算參考，它先假設你認可該模型官方 API 的單位定價：如果你主觀上認為 Claude Opus 每百萬 Tokens 75 美元的定價本身就過高，那麼 Claude Pro 63.6 倍率的意義就會跟著下降；相對地，如果你本來就願意按官方價單全價使用某個模型，這個倍率才會接近「包月相對於按量的折扣力度」。換句話說，額度倍率測量的是「認可官方定價的前提下，包月能換到幾倍價值的 Tokens」，並不是放諸四海皆準的絕對性價比。
另一個容易被忽略的欄位是刷新週期。同一份資料集同時列出 5 小時（5h）、週（w）、月（mo）三種週期的倍率，原因是不同廠商把額度發放在不同節奏上：Claude Pro 與 ChatGPT Plus 採每 5 小時與每週並行的補額節奏，MiniMax、Kimi、GLM 等人民幣方案多為每 5 小時刷新。5 小時刷新的好處是單次衝刺寫程式不會立刻撞牆，壞處是「我今天想把整個週末都拿來重構」這類長馬拉松場景，反而會被週限額攔住。把 5h 倍率跟 mo 倍率擺在一起看，你會發現部分方案的短跑爆發力很強、月平均卻很普通，反之亦然。
還有一個關鍵欄位是 TPS（每秒輸出 Tokens）。資料集 2026-07-01 版本量到的旗艦模型實測值從 GLM Coding 的 26.8、Kimi Code Andante 的 27.98，到火山方舟 Coding Plan Lite 的 86.6、MiniMax 的 52.6 都有。TPS 並非「模型智商」的同義詞。本篇追隨資料集 README 的宣告，不討論模型智力水平，只建議使用各家旗艦模型；但它直接決定你寫程式時的體感節奏：低 TPS 模型在生成長檔案、補數十行函式時會明顯拖慢，這對獨立開發者的殺傷力往往比帳面倍率還大。README 也額外提醒「最近算力緊張，TPS 大幅下降」「429 錯誤頻繁」會週期性出現在中國大陸廠商的高峰時段，這正是付費用戶最容易抱怨、但對外很少揭露的變數。
為什麼中文場景的 Token 消耗差很多：分詞器是被忽略的成本變數
awesome-coding-plan README 用一段話總結它的抽樣方法：「輸入約 1 萬字的長文字提示詞（其中中文占比約 80%）來衡量各模型分詞器的性能」。以 gpt-5.4 作為 100% 基準，每個模型的 Token 消耗比例越低，代表它的中文分詞壓縮率越高、同樣字數吃掉的額度越少。這是工程圈很少在選購文裡被攤開來談、但對繁體中文與簡體中文開發者都會直接影響錢包的變數。
把資料集的抽樣資料攤開：Kimi K2.5 與 K2.6 約 87.99%、MiniMax M2.7 約 89.23%、MiniMax M3 約 90.54%、hy3 約 92.22%、DeepSeek V4 Flash 與 V4 Pro 約 95.30%、GLM 5.1 約 95.93%、gpt-5.4 100%（基準）。同一份測試裡，Claude 家族的表現差距明顯：Claude Sonnet 4.6 約 152.86%、Claude Opus 4.8 約 165.60%、Claude Opus 4.6 與 Haiku 4.5 都到 203.96%。換句話說，在 80% 中文混合的長提示情境，每送出同樣一段中文需求，Claude 旗艦模型消耗的 Tokens 大約是 Kimi K2.5 的 1.7 到 2.3 倍。同樣標榜「每 5 小時 500 次 prompts」的方案，中文場景實際能跑出的有效請求數，可能只有英文場景的四到六成。
這對台灣開發者的具體意義是：如果你的工作習慣是中文寫需求單、中文 commit message、中文註解與中文任務說明，那麼帳面上「500 次 prompts」或「2000 萬 Tokens」的額度，會在你手上的實際可用量比英文用戶少很多。資料集這組數字也提醒我們，跨語言場景下「蘋果比蘋果」的對比並不存在，純粹比月費或比 Tokens 額度都會誤導；真正影響你每月能用幾次的，是「額度 ÷ 該模型中文分詞倍率」這個隱含除數。
把主要方案擺在同一張表上看：海外旗艦、人民幣方案、IDE 訂閱、按用量
下表把 awesome-coding-plan 資料集（commit 2026-07-01，CC BY 4.0）2026-07 的核心欄位與 TechMoon 抽樣核對官網定價（2026-07-05）的結果合併呈現。額度倍率沿用資料集口徑，模型請求數與 Tokens 為社群抽樣測得、官方不一定對外揭露，請把它們當作「同一把尺量出來的參考值」，當作採購前唯一真相請去各方案官網下單頁核對。
| 方案 | 月費（資料集） | 月費（官網 2026-07-05 抽樣） | 旗艦模型 | 月額度價值 / 倍率（資料集） | TPS | 備註 |
|---|---|---|---|---|---|---|
| Claude Pro（Claude Code） | $20 | $20 月繳、$17 年繳 $200，一致 | claude-opus-4.8（README） | $1273.6 / 63.6 | 未量測 | 2026-05-06 後 5h 額度翻倍；2026-07 官網主推 NewFable 5「tier above Opus」，旗艦模型已再換代 |
| ChatGPT Plus（Codex） | $20 | $20（業界公開定價） | gpt-5.4（README） | $296 / 14.8 | 未量測 | 5h 額度 45 至 225 Local Messages；模型已升級到 GPT-5.5 系列 |
| Ollama Pro | $20 | 官網未直接揭露月費（Ollama.com/pricing） | glm-4.7 等 | 約 Ollama Free 的 10 倍 | 未量測 | 主打多個開源旗艦，估計倍率約 10 |
| OpenCode Go | $10（首月 $5） | 官網 opencode.ai/go 公開此價 | GLM-5.1、Kimi K2.6、MiniMax M2.7 等 | $60 / 6 | 未量測 | 多模型聚合，月倍率約 6 |
| NVIDIA NIM | 免費 | build.nvidia.com 免費，限 40 rpm | deepseek-v4-pro、glm-5.1 等開源模型 | 免費 | 不保證 | 速率無保證、首 Token 時間較高，部分模型為量化版本 |
| MiniMax Coding Plan Plus | ¥49 | 無法從海外直接核對（見備註） | minimax-m2.7 | ¥4344 / 88.65 | 52.6 | README 自標「目前已改套餐，老資料」，倍率已過時、不採信 |
| Kimi Code Andante | ¥49 | 國際站已改美元計價 $15 至 $159/月，人民幣方案僅在中國大陸站揭露 | kimi-k2.5 | ¥121.36 / 2.48 | 27.98（README）；ahhhhfs 抽樣 40.6 | 國際化後用戶需分辨兩套定價；模型已換代至 K2.6 |
| Kimi Code Allegretto | ¥199 | 同上，國際站對應高階美元方案約 $159/月 | kimi-k2.5 | ¥1968 / 9.89 | 27.98 | 20 倍 Andante 額度；ahhhhfs 報「升級 K2.6 後偶有死循環、429 頻繁」 |
| 阿里雲 Coding Plan Lite | ¥40 | 無 | qwen-3.5-plus | ¥792 / 19.80 | 52.5 | README 自標「已下線」，不再發售 |
| 火山方舟 Coding Plan Lite | ¥40 | 無法從海外直接核對 | doubao-seed-2.0-pro | ¥607 / 15.18 | 86.6 | 每天 00:00 限量釋放庫存；官方說明為「數倍於 Claude Pro 用量」 |
| GLM Coding Plan Lite | ¥49 | bigmodel.cn/glm-coding 反爬蟲頁面，海外無法直接核對 | glm-5.1 | ¥248.76 / 5.08 | 26.8 | 官方說明為 3x Claude Pro 用量；GLM 5.1 不支援多模態 |
| GLM Coding Plan Pro | ¥149 | 同上無法直接核對 | glm-5.1 | ¥1243.8 / 8.35 | 26.8 | 5x Lite 額度；算力緊張時 429 頻繁、難搶 |
| Xiaomi MiMo Token Plan Pro | ¥329 | 無 | mimo-v2.5-pro | ¥381 / 1.12 | 46.7 | Token Plan（非 Coding Plan）；倍率偏低，README 主編明確標示「Token Plan 通常性價比遠低於 Coding Plan」 |
同份資料集還有一張「AI IDE/Plugin Plan」二級表，把 IDE 整合型方案分開列：Cursor Pro 與 Windsurf Pro 月費 $20、GitHub Copilot Pro 與 Zed Pro 月費 $10、Trae Pro $10、Augment Code INDIE 與 Factory Droid Pro $20、Kiro Pro $20、Google AI Pro（Antigravity + Gemini Code Assist）$19.99、CodeBuddy 個人專業版 ¥59。這層方案的本質跟上面那張表不同，需要分開看。
把 AI IDE 與模型套餐分開看：兩種產品類別不該橫著比月費
最常見的選購錯誤，是直接拿 Cursor Pro、Windsurf Pro、GitHub Copilot 的 $20 或 $10 月費，去跟 MiniMax、Kimi、GLM 的 ¥49 到 ¥199 橫著比「誰比較便宜」。這兩類產品賣的根本不是同一種東西：Cursor、Windsurf、Copilot、Kiro、Augment 屬於 IDE 整合型訂閱，你付的錢主要買的是「編輯器裡的工程理解、專案層級上下文、自動修改多檔、任務串接與開發工作流」這層外殼；模型本身只是這套外殼的後端燃料。而 MiniMax、Kimi、GLM 的 Coding Plan 屬於模型 API 的打包額度，你買的是「後端模型額度」，IDE 由你自己用 Cline、Continue 或自家代理腳本拼接。
這個區分帶來幾個具體後果。對已經在用 Cursor 但覺得 $20 額度不夠的人，加買一個 Kimi Code 或 GLM Coding 的 API 額度，把 Cursor 切到自訂後端，是合理的混合策略；反之，從來沒有 IDE 工作流的人，只買 Cursor Pro 但不會用 Agent 模式與 multi-file edit，等於付了 IDE 整合費卻沒拿到對應價值。另一個後果較少被提及：「包月方案變相綁架工作流」是 IDE 整合型的隱性成本，你累積的規則、提示詞、Agent 設定大多綁在該 IDE 帳號裡，要切換到別家方案時轉移成本比模型 API 用戶高很多。模型 API 用戶換後端，大致只要改一個 endpoint 與 API key；IDE 用戶換 Cursor 到 Windsurf，是整套設定與肌肉記憶重學。
哪些情境根本不該買 coding plan：合規邊界的三條紅線
awesome-coding-plan README 開頭就標了一條容易被略過的 disclaimer：「如果有資料安全性要求，不允許資料被用於訓練，不建議購買 Coding Plan」。本篇把這條邊界展開成三條更具體的紅線：
- 法規與合約禁止資料外送的場景：金融業內網、醫療院所病歷系統、律所案卷、政企標案程式碼，或簽了 DPA 明文禁止程式碼進入第三方模型服務的企業。這類場景必須走私有化部署或本地模型，coding plan 的雲端前提直接違反合約或法規。
- 智慧財產與商業機密敏感場景：核心演算法、未公開研究、未上市產品程式碼，即使合約沒明文禁止，被模型廠商將來用於訓練的風險也未必能接受。多數廠商在企業版提供「不訓練」承諾，但個人版與 Pro 版的承諾強度各不相同，必須逐家查閱當前隱私條款。
- 對穩定性與可審計性要求極高的生產鏈路：CI/CD 自動化、自動駕駛、醫療器材驗證、航空航天等「不能 429、不能降級」的場景。coding plan 的本質是「廠商保留限流與降級權利」，這條件與生產鏈路的剛性需求不相容。
四種開發者配四種路線：決策框架
把上面三條紅線先排除掉之後，剩下的開發者大致可分四類，每類對應一條採購路線。這個分類不是要你對號入座，而是協助你檢查自己實際使用模式比較接近哪一類。
| 使用模式 | 常見特徵 | 較適合的路線 | 代表方案（2026-07） |
|---|---|---|---|
| 高頻重度 Agent 用戶 | 每天在 IDE 內讓 AI 跨多檔重構、跑長任務 | IDE 整合型訂閱為主，必要時疊加 API 額度 | Cursor Pro / Windsurf Pro（$20）+ 按需 API |
| 單兵開發、注重成本 | 已有自己的編輯器與代理腳本，重視單位成本 | 模型 API 打包額度 | Kimi Code Andante（¥49）、GLM Coding Lite（¥49）、OpenCode Go（$10） |
| 團隊技術負責人 | 多人共用、關心限流與月度成本可預期 | 提供團隊方案與 SSO 的 IDE 或 API 訂閱 | Cursor Teams（$40/座）、Augment Code、企業版 Claude / ChatGPT |
| 低頻或階段性使用 | 每月只改幾次腳本、偶爾大型重構 | 按用量計費 API，避免月費閒置 | DeepSeek V4 Flash（百萬 Tokens 輸入 ¥1、輸出 ¥2）、各家 API 按量 |
使用前該確認的三個問題：FAQ 中段
先問自己：每個月實際消耗多少 Tokens？很多開發者買了包月方案才知道自己用量遠低於額度，等於每月固定繳費卻用不滿。建議先在自己的 IDE 或 API 後台統計兩到四週的實際 Tokens 消耗，再決定包月或按量。如果你目前還在試錯階段、沒有穩定 AI 編程工作流，先用按量付費跑一個月，比直接買一年包月更穩。
再問：提示詞中文比例有多高？前述分詞壓縮率差異會直接打折你的實際可用請求數。你可以拿一段自己平常會丟給模型的長中文需求，去 OpenAI 或 Anthropic 的官方 tokenizer 工具算 Tokens 數，再對照 awesome-coding-plan 資料集給出的比例，就能粗估同一份額度在你手上的真實購買力。這個動作對台灣開發者尤其重要，因為繁體中文與簡體中文在同一個分詞器下消耗的 Tokens 通常接近，但與英文的差距很大。
還要問：這套方案下個月還會存在嗎？AI coding plan 是近一年才大量湧現的產品類別，方案異動頻率比傳統 SaaS 高很多：MiniMax 在 2026 年中改了套餐結構、阿里雲 Coding Plan Lite 已下線、Claude Pro 在 2026-05-06 翻倍了 5h 額度、Kimi 國際站從人民幣方案轉向美元計價。把這個變動頻率當成預設心理準備，比期待「找到一個一勞永逸的長期方案」更務實。
資料時效性：這份對比多久會過時
本篇所有具體倍率、TPS、月費數字都來自 awesome-coding-plan 2026-07-01 的 commit 與 TechMoon 2026-07-05 的官網抽樣核對，這意味著數字本身有時效性。底下是幾個明確的時效性警告：
- MiniMax Coding Plan Plus：README 自標「目前已改套餐，老資料」，本篇不採信它的具體倍率 88.65，只標方案異動事實。
- 阿里雲 Coding Plan Lite：README 自標「已下線」，本篇僅列出於歷史對比，不作採購參考。
- Claude Pro：2026-05-06 後 5h 額度翻倍、2026-05-14 至 2026-07-13 週額度再加 50%，README 數字是這兩次調整後的統計；2026-07 官網主推 NewFable 5 為新一代旗艦，模型別額度可能再變。
- Kimi：國際站（kimi.com）已從人民幣方案轉為美元計價（$15 至 $159/月），中國大陸站仍維持人民幣方案；用戶必須先分清自己拿到的是哪一邊的報價。
- GLM Coding、火山方舟：海外無法直接從官網核對當前定價（bigmodel.cn 反爬蟲頁面、火山方舟限量銷售），本篇採信 README 數字並加註時效 hedge。
更根本的時效性問題是：這個產品類別本身每季都會有方案誕生與退場，任何選購文（包含本篇）都只是某個時點的快照。把「數字會過期、條款會變、模型會換代」當成預設前提，定期回官網核對，比記住本篇任一個具體數字更值得。
用範例把抽象倍率轉成你工作流裡的數字
光看倍率與分詞壓縮率，仍不容易感覺到「這對我每月花多少錢差多少」。換成範例計算會更具體：假設你每月實際送出 50 萬中文字數的提示詞與程式碼混合（這對一個每天寫幾小時 AI 輔助程式的開發者並不誇張），我們用 awesome-coding-plan 資料集的中文 Token 比例做粗估。在 Kimi K2.5（87.99%）上，50 萬字大約對應 44 萬 Tokens 計費單位；在 GLM 5.1（95.93%）上對應約 48 萬 Tokens；在 Claude Opus 4.8（165.60%）上則對應約 82.8 萬 Tokens。換句話說，同樣 50 萬中文字的提示詞，跨模型實際計費 Tokens 的差距會到 1.7 到 1.9 倍。再把這個差距乘上 Claude Pro 與 Kimi Code Andante 月費相差約 6.5 倍（$20 vs ¥49 約 $6.8）的事實，就會發現「中文場景下，人民幣方案在單位成本上確實有結構性優勢」這個結論並非主觀偏好，而是分詞器加上定價結構共同決定的數學結果。但這個範例同時也提醒：如果你寫的幾乎全是英文（ commit message、API 文件、英文註解），上述優勢就會反過來，因為英文場景下各家分詞器差距小很多，Claude 與 ChatGPT 的 IDE 整合與模型迭代速度反而是主要決策變數。
對 AI coding plan 的兩個常見誤解
最常見的誤解是「額度倍率高就代表比較聰明」。awesome-coding-plan README 開頭就寫明「本文不會討論模型的具體智力水平，只建議使用各家的旗艦模型」。本篇追隨這個邊界：不評論 Claude Opus 與 Kimi K2.6 誰比較會寫程式，只比較額度、TPS 與成本結構。模型智力判斷需要你的實際工作負載測試，且會隨版本更新反覆變化，不該由任何第三方選購文代為背書。
另一個常見誤解是「包月就一定比按量便宜」。對低頻用戶，按量計費（例如 DeepSeek V4 Flash 百萬 Tokens 輸入 ¥1、輸出 ¥2）反而更省；對高峰集中型用戶，包月的 5h 限額反而會卡住你真正需要衝刺的時段。包月真正的價值在於「心理上不會每次調用都心疼成本」，這對高頻用戶能解除剎車效應、提高採用密度，但這個價值對低頻用戶不存在。
與其他 TechMoon 開發工具資源的關係
本篇定位為 AI coding plan 的選購與成本結構分析，與 TechMoon 既有工具文形成互補：CodexBar 把 53 個 AI 編程工具的用量與額度收進 Mac 選單列，是「買了方案後用來追蹤消耗」的桌面工具；ChatGPT 完整教學覆蓋 ChatGPT 本身的註冊、模型選擇與功能解析，是「決定買 ChatGPT Plus 之前先搞清楚能用什麼」的基礎閱讀；Agent Battery 把 Claude Code 與 Codex 的剩餘用量顯示成 Mac 狀態欄的電池百分比，是「訂閱 Claude Pro 或 ChatGPT Plus 後監控剩額」的輕量工具。如果你看完本篇決定走 IDE 整合型路線，CodexBar 與 Agent Battery 能協助你把多個訂閱的額度可視化；如果你決定走模型 API 路線，Data-Analysis-Agent 這類用自然語言查資料庫的開源 AI 助手則示範了 API 額度可以拼出的工作流樣貌。
下一步：三個可以今天就做的動作
- 翻一下你過去一個月在 IDE 或 API 後台的實際 Tokens 消耗紀錄，算出自己屬於四種開發者分類裡的哪一類。
- 挑一個你目前最在意的方案，到它的官方下單頁面核對本篇引用的月費、5h 額度、模型清單三個欄位是否仍然一致，並把核對日期記下來。
- 用 awesome-coding-plan 資料集提供的中文分詞壓縮率，把你目前的中文提示詞樣本丟進官方 tokenizer 試算，重新估計「你手上這個方案在你的語言習慣下，每月真正能用幾次」。
本文方法論與免責
本篇的方案對比資料主要引用開源資料集 mahonzhan/awesome-coding-plan（CC BY 4.0，commit 2026-07-01，作者 [email protected]），依授權要求標明出處與授權連結 https://creativecommons.org/licenses/by/4.0/，並註明本篇在引用過程中加入了 TechMoon 自家的抽樣核對、決策框架與繁體中文場景解讀，原始資料集僅涵蓋簡體中文語境。第一手元素包含：讀 LICENCE 檔確認為 CC BY 4.0（非 GitHub NOASSERTION 標籤）、讀 README 方法論段落、抽樣核對 Claude Pro / ChatGPT Plus / Kimi / GLM / Cursor 五個方案官網 2026-07-05 的當前定價與模型清單、比對 ahhhhhfs 80066 文章 2026-04 抽樣數字與資料集 2026-07 數字的差異。
未涵蓋的範圍包含：TechMoon 並未親自長期實測每個方案（成本與方案變動頻率過高）、並未對任一模型做智力評比（追隨資料集 README 的邊界）、並未涵蓋中國大陸境內才能完成的實際下單流程（人民幣方案需境內支付工具）。所有具體數字會隨方案異動而過時，本篇生效日期為 2026-07-05，任何採購決策請以各方案官方下單頁當前資訊為準。本篇不構成投資、消費或法律建議；涉及合規敏感場景（金融、醫療、政企、個資保護）請務必諮詢你的合規顧問或法律顧問，不要依賴任何第三方選購文直接做採購判斷。
