GPT的推理強度怎麼選？品質、速度、成本一起算

同樣是請GPT幫忙，「把這封信改得自然一點」和「比較三種系統架構，找出可能造成資料遺失的風險」，需要的推理投入顯然不同。

前者的目標很明確，通常不必反覆分析；後者則需要理解條件、追蹤因果，還得考慮那些不容易被發現的例外。

選擇模型與推理強度（reasoning effort），重點就在這裡：不是每次都用最強的設定，而是讓每件工作得到足夠的處理，同時不要付出不必要的等待與費用。

一個實用的起點是：明確執行用low，一般分析用medium，複雜推理用high；xhigh、max與Pro，留給額外投入確實能改善結果的工作。這也符合OpenAI官方對推理設定的基本建議（API deployment checklist（於新分頁開啟），擷取2026-09-07）。

不過，要把這個原則用好，得先分清楚幾件容易混淆的事。

一、模型是「找誰來做」，推理強度是「讓它投入多少」#

可以把使用GPT想成分派工作。

選模型，是決定找誰來做。不同模型有不同的能力、速度與價格定位。目前OpenAI將GPT-5.6 Luna定位在大量、成本敏感的工作，Terra著重能力與成本的平衡，Sol處理複雜專業工作，GPT-6 Astra則面向更困難、需要從頭做到尾的任務（Models（於新分頁開啟），擷取2026-09-07）。

選推理強度，是調整這個模型處理任務時的推理投入。它不是固定的思考秒數，也不應被當成固定的token套餐；比較適合把它理解為：這次工作願意投入多少資源來分析、規畫與檢查（Reasoning models（於新分頁開啟），擷取2026-09-07）。

另外還有一個獨立的控制：回答長度。

API的text.verbosity用來調整輸出的詳略程度，和reasoning.effort是不同設定。因此，完全可以要求模型深入分析，最後只交付一段簡短結論。

例如：

請比較這三個方案的維護成本、失敗風險與實作難度，最後只給我一個建議，以及最重要的三個理由。

這可能需要較高推理強度，但不需要一篇長文。反過來，一篇很長的產品介紹，也可能只是依照既定資料展開敘述，沒有太多困難的判斷。

所以，不要用答案的字數判斷模型想得多不多，也不要用答案的氣勢判斷它對不對。

二、先看工作需要什麼，再決定推理強度#

與其記住每個模型的所有規格，不如先判斷：這次主要是在「執行」，還是在「做判斷」？

規格清楚、答案容易檢查，先用low#

像是擷取文件中的日期、替客服訊息分類、改寫一封信、把資料轉成指定格式，這些工作通常有明確規則。

我的建議是先從low開始，必要時再調整。部分模型也提供none，適合測試不啟用額外推理的處理方式；但不是每個模型都有這個選項，例如GPT-6 Astra就不支援none（Models（於新分頁開啟），擷取2026-09-07）。

這類工作的關鍵，往往不是「再多想一點」，而是把規則講清楚。

「幫我整理這份資料」和「只擷取日期、負責人、交付項目；沒有寫到的欄位填未提供」，是兩個清楚程度完全不同的要求。

需要理解、整理與一般取捨，從medium開始#

當工作不只是照規則搬運資訊，而是要判斷哪些內容重要、如何組織、不同方案各有什麼代價，medium是合理的起點。

例如整理企劃架構、解釋一個不熟悉的概念、比較幾個方案，或依明確需求撰寫一般程式功能。

這裡的medium不是勉強堪用，而是一種工作策略：先取得有品質的第一版，再根據實際缺口決定要不要增加投入。

條件彼此牽動、錯誤不容易發現，值得用high#

高推理強度更值得用在需要追蹤多步關係的工作。

例如系統偶爾才出現的錯誤、多份文件之間的矛盾、資料遷移的失敗情境，或必須同時兼顧成本、風險與長期影響的決策。

OpenAI的模型使用文件，也把較高推理設定放在多步驟、多來源與複雜取捨的工作上，並提醒不同模型版本之間的推理強度不能直接視為等價（Codex models（於新分頁開啟），擷取2026-09-07）。

以下是一份可以直接使用的起始對照：

這份表格的用途，是幫你找到值得嘗試的第一個組合，不是替每種工作蓋章定案。

三、真正決定難度的，不是字數，而是關係有多複雜#

「整理二十頁文件中的所有日期」看起來工作量很大，但只要格式一致、要求明確，主要問題可能是有沒有漏抓。

「這兩個操作同時發生，會不會造成重複扣款？」只有一句話，卻可能需要理解整個流程、重試機制、資料更新順序，以及失敗後怎麼恢復。

前者比較像資料處理，後者才是複雜推理。

因此，我會用三個角度判斷要不要提高推理強度。

第一，條件會不會互相影響？如果調整A，會連帶改變B、C的結果，就值得增加推理投入。若每一筆資料都可以獨立處理，則未必需要。

第二，錯誤容不容易看出來？信件語氣不自然，你通常一讀就能發現；架構設計少考慮一個失敗情境，可能要等系統上線後才知道。越難察覺的錯誤，越值得安排深入分析與驗證。

第三，失敗後的代價有多大？發想十個標題，其中幾個不好，刪掉就好；重要流程設計出錯，可能需要大量重做。兩者不應使用相同的驗收標準。

但要注意：重要性提高的是驗證要求，不一定代表所有步驟都要開最高推理強度。

例如一份重要報價單，金額加總應該交給可靠的計算方式，不能只靠模型「想久一點」。真正需要高推理強度的，可能是分析報價條件是否互相衝突，而不是做加法本身。

四、答案不好，先找原因，不要只會把推理強度調高#

品質至少包含三件事：內容正不正確、要求有沒有完成，以及表達是否適合使用情境。這三種問題，需要不同的處理方式。

缺資料，就先補資料#

如果模型不知道公司內部規定、沒有讀到原始文件，或需要最新資訊，增加推理強度並不等於取得那些資料。

官方的模型最佳化指南，把提供相關背景、補充最新資訊，以及清楚描述目標，都列為改善結果的重要方法（Model optimization（於新分頁開啟），擷取2026-09-07）。

實務上，我會先問：

它是分析錯了，還是根本沒有拿到分析所需的資訊？

如果是後者，先提供來源，比要求「再深入一點」更有意義。

推理有缺口，再提高推理強度#

如果資料已經足夠，但模型漏掉限制、沒有比較替代方案，或結論與前面的分析接不起來，提高推理強度才比較對症。

不過，最好同時指出要補什麼，而不是只說「仔細想」。例如：

請重新比較三個方案，特別檢查維護成本、最壞情境，以及哪些假設一旦不成立，就會改變你的建議。

這樣才能檢查：增加的推理是否真的補上缺口。

語氣不自然，就修改寫作要求#

一封信太像公文，不一定是模型想得不夠久；也可能是你沒有說清楚，希望它像誰對誰說話。

OpenAI對Astra的使用建議，也特別指出可以透過提示明確指定寫作風格與結構（Model guidance（於新分頁開啟），擷取2026-09-07）。例如：

保留原意，改成同事之間會使用的自然語氣。刪除客套套話，不增加新的承諾。下面兩段是我希望接近的寫法。

對這種問題，我會先調整要求與範例，而不是直接從medium升到max。

同樣地，便宜模型開high，也不能直接視為等同於強模型開low。模型能力與推理投入是兩個不同變數。要知道哪個組合適合你的工作，應該用相同任務比較，而不是只看設定名稱。

五、效率要看「多久完成」，不是「多久開始回答」#

比較設定時，很容易只注意第一個答案出現得快不快。但工作真正花掉的時間，還包括閱讀、檢查、追問、修改，以及重做。

假設有兩種流程：

低推理強度：15 秒產出 + 8 分鐘修正   = 8 分 15 秒
高推理強度：90 秒產出 + 1 分鐘修正   = 2 分 30 秒

這是假設情境，不是模型速度實測。它要說明的是：第一個回答比較慢，不代表整件工作比較慢。

反過來，如果兩個設定都能直接交付使用，那麼更快、更便宜的組合就比較有吸引力。額外等待必須換來實質改善，才有意義。

因此，我建議把總成本理解為：

模型與工具費用，加上人工檢查、修改與必要等待的時間成本，再加上錯誤造成的預期損失。

其中，「必須停下工作盯著畫面等」和「模型處理時，你能做其他事情」，也不應視為相同成本。

在Codex裡，拿額度換速度的開關是Fast；它會多花多少、什麼時候值得開，另一篇有完整換算：Codex Fast模式會多花多少用量？什麼時候值得開。

對大量、標準化的工作，單次費用與處理速度很重要；對少量但價值高的工作，一次完成率與人工修正時間，可能更值得優先考慮。

OpenAI的模型選擇原則也是：先確立品質目標，達標之後，再找能維持品質、同時更便宜或更快的組合（Model selection（於新分頁開啟），擷取2026-09-07）。

六、ChatGPT與API，成本要分開算#

使用ChatGPT，主要看方案、額度與時間#

ChatGPT訂閱和API是分開的計費系統，不能把ChatGPT的訂閱費當成API額度，也不能直接拿API單價推算每則聊天會額外收多少錢（Managing billing for ChatGPT and the API platform（於新分頁開啟），擷取2026-09-07）。

ChatGPT的模型與推理選項，會受到方案及工作區設定影響。目前符合資格的付費方案中，Sol提供Instant、Medium、High、Extra High等選項；Astra則以GPT-6 Pro的名稱在符合資格的方案中逐步開放。Pro模型也有使用額度，不是訂閱Pro就代表所有Pro模型都能無限使用（GPT-5.6 and GPT-6 Pro in ChatGPT（於新分頁開啟），擷取2026-09-07）。

所以，對一般聊天使用者而言，更值得問的是：

這次多等一點，能不能少修幾次？這個任務值不值得使用較有限的模型額度？

即使一則訊息沒有另外增加帳單，等待、反覆追問，以及閱讀不必要內容，仍然是成本。方案與額度怎麼配，另一篇單獨寫了：ChatGPT怎麼選？模型、額度、成本一起算清楚。

使用API，要把看不見的推理用量算進去#

API的費用不是只看最後顯示出來的答案。模型使用的reasoning tokens，即使沒有直接顯示給你，仍會依輸出token費率計費（Reasoning models（於新分頁開啟），擷取2026-09-07）。

目前主要模型的文字價格如下。單位是美元／每100萬tokens，列的是標準處理、短上下文的一般輸入與輸出價格，未列快取、工具及其他處理模式的費用（Pricing（於新分頁開啟），擷取2026-09-07）。

以Sol為例，假設一次請求有10,000個輸入tokens，最後答案有2,000個tokens，不使用快取、工具或其他加價選項：

另外用 1,000 個推理 tokens：
  輸入 US$0.04 + 輸出 US$0.06 = US$0.10
 
另外用 10,000 個推理 tokens：
  輸入 US$0.04 + 輸出（12,000 tokens）US$0.24 = US$0.28

這是依官方價格計算的示例，不是說low固定用1,000 tokens，high固定用10,000 tokens。另外，Sol目前列的是優惠價格；輸入超過272K tokens的長上下文請求，也有不同費率（GPT-5.6 Sol（於新分頁開啟），擷取2026-09-07）。

這就是為什麼兩個答案看起來一樣長，費用卻可能差很多。

另一方面，較強模型的單價較高，也不代表完成任務一定比較貴。OpenAI表示，Astra在部分評測中使用較少輸出tokens，使估計的單次任務成本低於先前模型。但這是特定評測結果，不能直接推廣成所有工作都更便宜。

真正應該比較的，仍然是完成同一件合格工作的總費用。

七、xhigh、max和Pro，應該留給哪些工作？#

我會把xhigh、max當成需要證明價值的升級，而不是日常工作的預設。

例如，一個複雜錯誤在high下仍無法找出合理原因，或者一份重要分析已經有完整資料，卻仍需要更深入的反例檢查，就值得比較更高設定。但如果high已經符合要求，升級後只是多出幾段解釋，未必值得增加等待。

有一則使用分享說Astra開xhigh反而更省額度；這個說法要怎麼驗、該比的又是什麼，另一篇單獨寫了：Astra開xhigh反而更省？要比的是做完一件事的總成本。

Pro則需要另外理解。

在支援這種設定的API模型中，reasoning.mode和reasoning.effort是分開的：前者選擇standard或pro的執行方式，後者控制該模式內的推理投入。Pro會投入更多模型工作，增加token用量與延遲，因此不能把它簡單看成「max的下一級」（Reasoning models（於新分頁開啟），擷取2026-09-07）。

也就是說，下面三件事不是同一件事：

ChatGPT Pro是訂閱方案；ChatGPT選單中的Pro是模型選項；API的pro則是執行模式。

選擇時，要先確認自己正在調整哪一層。

至於重要工作，我建議使用「足夠的推理，加上可以檢查的驗證」。程式要看測試和實際行為，文件分析要能回到原文，數字要能重新計算。

模型說「我已再次確認」，可以是一個說明，但不應被當成獨立證據。

八、最實用的做法：按工作階段調整，不必從頭到尾開滿#

一份工作的不同階段，未必需要相同推理強度。

以撰寫提案為例，我會先用medium整理問題與架構。進入方案取捨時，若條件複雜，再用high檢查風險與反對理由。等內容確定，只剩縮短段落、統一語氣或轉成簡報重點，就回到low。

寫程式也是類似的安排：需求理解與架構取捨可能需要較高投入，明確的小修改不必沿用最高設定。

但這不代表每次都要從最低檔開始試錯。已知是難題，就直接從合理的高設定開始；已經確認只是文字整理，也不必因為前一個步驟很難，就繼續維持高檔。

如果某類工作會反覆執行，最值得做的是建立自己的比較方式。

先定義什麼叫完成得好，例如不能漏掉指定欄位、必須保留原意、測試必須通過，或每個重要結論都必須有來源。再拿一批包含常見情況與例外情況的真實任務，讓不同組合處理。

比較時，記錄的不只是「哪個答案看起來比較厲害」，而是驗收通過率、嚴重錯誤、人工修改時間、總費用與等待時間。這樣才能找到適合自己流程的組合，而不是被某一次特別好或特別差的回答左右。這也符合官方以明確目標與代表性資料評估模型的做法。

該省的是浪費，不是必要的判斷#

選推理強度，不需要追求一個永遠正確的固定答案。

規則明確、容易檢查的工作，可以優先追求快速與低成本；需要處理複雜關係、錯誤不容易被發現的工作，則值得投入更多推理與驗證。

答案不理想時，也別只剩下「調高推理強度」這個選項。缺資料就補資料，要求不清楚就重新定義，語氣不對就提供範例，推理有缺口才增加投入。

最好的設定，是在你要求的品質下，讓整件工作以合理的時間與總成本完成。不是每次都讓GPT想最久，而是知道哪些地方，真的值得讓它多想一點。