2026 年 15 家 LLM 供應商比較：價格、上下文，以及學校真正要決定的一件事

副校長把兩份報價單並排放在枱上，兩份都寫「已包含 AI 用量」，年費差三倍。她問負責整合的資訊科技科主任一句：「同一班學生、同一堆功課，點解一年的 token 錢可以由 46 美元跳到 7,410 美元？我要向法團校董會解釋這個數字。」

差 160 倍的兩個數字都是真的，分別只在於選了哪一檔型號。學校真正要決定的不是用哪個模型，而是誰承受價格波動，以及換代那天要付多少代價。

---

價格與能力脫鈎

2026 年最值得學校記住的一件事：同級任務上的能力差距在收窄，而價格差距在擴大。這不是評測結論，是把各家官方價目表逐行相除就看得出來的算術。

於是「用最強的型號」在成本上變成一個很貴的習慣，而在教學效果上未必換到相應的分別。要判斷貴在哪裏、平在哪裏，先分清兩件事。

貴的來源

貴的第一個來源是推理力度。四家美國供應商與多數中國供應商現在都提供調節掣，而模型「想」的過程按輸出價收費——同一條問題設 low 與設 max，帳單可以差幾倍，而輸出的字數看起來一樣多。這一層在報價單上完全看不見，只會在月結時出現。原理見 推理革命。

第二個來源是輸入量。上下文長度是「一次可以放進去多少材料」的上限，不是免費的容器：100 萬 token 的視窗照樣按輸入價逐 token 計，而部分供應商對超長輸入另設加價條款。把整套校本課程文件每次重貼一遍，比先檢索再回答貴得多。

平的原因

平的一邊靠架構。2026 年的分水嶺不再是總參數，而是啟動參數：MoE 混合專家型號可能有 5,520 億總參數，推論時只啟動 80 億至 160 億。這就是 DeepSeek 能以 0.15 美元提供 100 萬 token 上下文的原因——每次呼叫只動用其中一小部分。

另一半靠競爭與推廣期。表上至少三個價格是導入價或推廣價，加價時間點已經寫在條款裏，下一節會逐個標明。

十五家的現況

價格為美元，每 100 萬 token（輸入／輸出），數據截至 2026 年 9 月各家官方文件。

表上第七行需要單獨說明。Cursor Composer 2.5 不是學與教平台的選項：它是 Cursor 編輯器內建的編碼專用模型，沒有可以當作模型端點呼叫的推論 API，官方的 Cloud Agents API 與 SDK 驅動的是編碼代理而不是對話模型。資訊科技科教編程時把 Cursor 當教具是合理的，但不要在採購文件把它與其餘十四家並列。詳見 Cursor Composer 模型頁。

另外七行寫「未接入」——DeepSeek、Kimi、MiniMax、GLM、豆包、混元、文心——這是現況陳述而不是評價。當中幾家的開源權重可以用 Ollama 在校內自架；而直接呼叫它們的官方 API 屬跨境資料傳輸，八家中國供應商的官方端點都在內地，須先按《個人資料（私隱）條例》完成評估。逐家比較見 中國模型橫評。

開放權重的細字

「部分型號開放」與「開放」之間有一整份合約的距離。Qwen 的旗艦 Qwen3.8-Max 是閉源雲端 API，同架構的開源版本採自訂授權且不含圖像輸入；GLM-5.3 的旗艦權重在本文更新時仍未公開，公開的是 GLM-5.2 與 GLM-5.3-Flash。學校在採購文件寫「可自架」的時候，必須指名具體型號與授權條款，否則交付時很容易發現拿到的是另一件東西。

一年的帳單

token 單價對學校沒有意義，年度數字才進得了預算表。以下換算基於一組明確寫出來的假設：全校 800 名學生、100 名教職員；每個上課日 600 次 AI 請求；每次平均 3,000 token 輸入、700 token 輸出；每學年 190 個上課日。這是估算假設，不是供應商公佈的數字，學校要按自己的使用密度調整。

留意同一家公司內部的落差：留在 Anthropic 不變，由 Fable 5.1 換成 Sonnet 5，帳單少八成。換供應商的談判往往拖幾個月，換一檔型號是後台改一個設定。

也要留意這一欄數字的穩定度。Gemini 的導入價 2027 年 1 月會加倍；DeepSeek 的 0.15 / 0.60 是非高峰價，高峰時段翻倍；GLM-5.3-Flash 的 0.075 / 0.25 是推廣價，標價為 0.15 / 0.50。學校若自己接 API，就是自己承受這三種波動。

選一個今天最強的型號幾乎沒有意義；選一個半年內可以無痛換掉任何型號的架構，才是真正的採購決定。

表格看不見的成本

上面兩張表加起來，仍然只是模型呼叫費。學校的實際帳單至少多出四項。

校本知識庫要 embedding，口語練習要語音辨識與合成，兩者都是另外計價的模型類型；部分供應商的工具呼叫按次收費；而最容易漏算的是資訊科技科同事的時間——維護一套自架推論環境不是一次性工作，而是每個月都要看的東西。

最後一項是配額。一個沒有用量上限的整合，一次失控的批量任務就足以燒掉一個月預算。把每日與每人的請求上限寫進實作要求，比事後查帳有用。

香港場景的弱點

業界常引用的評測分數對學校用處很小。那些題目集中在編碼與競賽數學，與「批改一篇中三英文作文並給三項具體回饋」的相關度低。唯一可靠的評估是用自己的材料做盲測：抽三份真實校本材料，遮蓋型號名稱，由三位科主任各自評分。同樣道理，凡是聲稱某型號「快 X 倍」而不交代測試方法與硬件的數字，都要打折看待。

另一個弱點在本地資訊。課程代碼、通函編號、學校全名、政府部門架構，這些在任何訓練語料裏都最稀薄。我們見過模型生成格式完全正確、但根本不存在的課程編號——這種錯誤最難察覺，因為它看起來很專業。換供應商解決不了，只能靠檢索學校自己的文件加教師覆核，做法見 校本知識庫(RAG)。

還有一個時間陷阱：2026 年 9 月的旗艦，知識截止日期分別落在 2026 年 1 月至 6 月之間。問「今個學年」的問題，模型可能在答上個學年的事，語氣一樣肯定。

寫進合約的四句

真正保護學校的不是選型判斷，是四句寫在合約裏的話。

第一句：模型換代包含在年費之內，不另收升級費用。第二句：可切換供應商，而切換不需要重建校本知識庫、不需要重新培訓教師、不會失去歷史紀錄。第三句：資料任何時候可一鍵完整匯出，格式為 JSON、CSV 或原檔，免費且不設門檻。第四句：如有資料不能離開校網的場景，平台須支援校內部署，而校內部署的功能與雲端一致。

第四句的現實選擇是開放權重型號自架，Qwen3.8-27B、Muse Glimmer 30B 與 Mistral 系列是目前可行的候選。要注意自架解決的是資料去了哪裏，不是答案對不對：自架型號同樣會幻覺，而且沒有雲端供應商那一層內容安全分類器，守門與監控要學校自己補上。可行性評估見 校內部署，完整提問清單見 買校本 AI 平台前要問的 12 條問題。

常見誤解

• 誤解：貴的型號在所有任務上都比較準。 實情：價格差距遠大於能力差距。在備課、出題、摘要與初步評分這類日常任務上，中階與旗艦要仔細比對才看得出分別；真正需要旗艦的請求，實際比例可能不足兩成。
• 誤解：開放權重等於安全。 實情：開放權重回答的是資料去了哪裏，不回答答案對不對。自架型號同樣幻覺，而且缺少雲端供應商的內容安全分類器，學校要自行補上守門、監控與紀錄。
• 誤解：上下文越長越好，索引與檢索可以不做。 實情：長輸入按輸入價逐 token 計費，部分供應商對超長輸入另有加價條款。把整套文件每次重貼，成本與延遲都比先檢索再回答差。

星期一可以做的三件事

1. 翻上學期的使用紀錄，數出實際請求次數，用本文的假設換算成三個型號檔次的年度成本，把三個數字並排寫在一頁紙上。
2. 抽三份真實校本材料做盲測：同一份材料交給一個旗艦與一個中階型號，遮蓋名稱，請三位科主任評分。一節課之內做得完，結果通常會令人改變預算分配。
3. 向現有或潛在供應商發一封信，要求書面確認三件事：模型升級是否包含在年費、有沒有 token 超額費、資料匯出是否免費。收到的回覆本身就是採購資料。