01
資料與日期
同一份快照同時承接方案限制、模型列與外部評測日期。
02
四類 token 怎麼進入估算
每次請求把 input、cache read、output、cache write 分開計算，再加總成 token-equivalent。cache read 是處理量的一部分，不是每次都重新送入的 input。
| Token 類別 | 官方參考 profileGrok 4.6 | 通用示意 profile input 1,000 · cache read 10,000 · output 1,000 · cache write 0 示意預設：input 1,000、cache read 10,000、output 1,000、cache write 0。它只用來說明四類 token 的關係，不覆蓋表格中的官方 profile。 |
|---|---|---|
| Input | 390 | 1,000 |
| Cache read | 32,500 | 10,000 |
| Output | 120 | 1,000 |
| Cache write | 0 | 0 |
| 合計 | 33,010 | 12,000 |
這是資料列中的官方參考 profile 範例；不同模型可能有不同組成。
03
公式
每個結果都可以回到四類 token、單價與額度的順序。
- 01
每次請求成本 = 四類 token 數量 × 各自每 1M 單價 ÷ 1,000,000 後加總。
- 02
每月估算請求數 = floor（模型月度額度 ÷ 每次請求成本）。
- 03
每月估算 token-equivalent = 每月估算請求數 ×（input + cache read + output + cache write）。cache read 也算處理量，不等於全新 input。
- 04
Coding 分數／成本比 = Coding 分數 ÷ 每 1 億 token-equivalent 成本（USD）；缺資料時不顯示。
一個簡短算例
先把四類 token 各自乘上單價，再加總成每次請求成本；用模型月度額度除以這個成本，得到該工作量下的每月請求估算。
04
外部評測資料
Intelligence、coding 與 agentic 分數來自 Artificial Analysis，和四個官方方案來源分開擷取。分數可作比較欄位，不代表本站測得的 coding 任務成果。
CP 值怎麼算
同一工作量下的 Coding 分數／成本比，供比較參考。
這個比值把 Artificial Analysis 的 coding 分數除以每 1 億 token-equivalent 的 USD 成本，方便在同一工作量與這份資料中比較。數值越高，表示每單位成本對應的 Coding 評測分數越高。
以上方的共同工作量為例：Muse Spark 1.3 Contributor（OpenCode Go）的 coding 分數是 76.3，每 1M token 等效成本 $0.0267，換算每 1 億 token 等效成本 $2.6667；76.3 ÷ 2.6667 = Coding 分數／成本比 28.6。
這個比值只使用分數與價格；容量上限、速度、context 長度、可用性與實際任務成果要分開判讀。
05
時間窗口怎麼讀
方案月度額度、5 小時與每週額度是不同條件。參考 profile 只用來估算單次成本；集中請求可能先受 5 小時或每週窗口影響。Command Code GOAT 的窗口從第一次請求起算，詳細條件以官方文件為準。
01模型額度與方案共用池怎麼計算
Command Code GOAT 的 credits 是共用池；OpenCode Go 以各模型 usage-equivalent 列示。模型額度不能相加成方案容量。
02每次請求的用量會影響可用次數
參考請求只是估算基準；5 小時與每週窗口會限制集中使用。Command Code GOAT 的窗口從第一次請求起算，需按官方規則理解。
03折扣價與原始價分開看
Command 的 GOAT 頁面對 MiMo V2.5、MiMo V2.5 Pro、MiniMax M3 顯示折扣價；本站分欄保留 list price、現行價與折扣說明。
04高速版本的單價與額度
Command 的 GLM-5.2 Fast 與 Kimi K2.7 Code HighSpeed 是獨立模型，需按各自列出的單價與額度比較。
05免費模型的使用條件
Command 的免費模型不消耗模型額度，但開始 session 仍可能需要 USD 1 credits，且受容量限制。
06尖峰時段與 context 分級會改變成本
DeepSeek 有 UTC 尖峰價；OpenCode 部分模型在 context 超過門檻後換另一組價格。參考 profile 落在一般短 context，不把所有 context 分支混成一個數字。
07方案內含額度與加購額度
Command pay-as-you-go credits 不受窗口限制；OpenCode 啟用 Use balance 後也可能在 Go 限制後改用 Zen balance。兩者都另列，不與 included capacity 合併。
08模型名單與價格會更新
官方文件的模型與價格可能調整；本頁標出目前資料日期，之後有可比對快照時再列出更新。
06
資料來源
- OpenCode Go 用量說明 ↗opencode.ai
- Command Code GOAT 方案 ↗commandcode.ai
- Command Code 使用限制 ↗commandcode.ai
- Command Code 價格與限制 ↗commandcode.ai
- OpenCode Zen 價格 ↗opencode.ai
- Artificial Analysis 評測資料 ↗artificialanalysis.ai
OpenCode Zen 的容量欄位為空 OpenCode Zen 是按量計費，官方頁面沒有列出參考請求組成，也沒有方案額度，所以每 1M 等效成本改用本站的共同工作量換算，calculated_requests_month 與 calculated_tokens_month 等容量欄位保持空白，不以 0 填補。
07
資料範圍
容量、外部評測與方案限制，各自回答不同問題。
- 01
容量數字分為官方公布值，以及依官方單價與選定工作量估算的數值。
- 02
外部評測分數與實際 coding 任務成果分開呈現。
- 03
目前資料日期與來源列在來源區；後續有可比對快照時再列出更新。
08技術資料
原始欄位、來源 hash、完整時間戳與評測對應狀態保留在資料檔與匯出內容，供需要核對的人追溯。
- opencode.ai
- 2026-09-05T22:18:04+00:00 · c308e789823081b9a79cdbb81f7cc3f2ee58b5256d4a9b815fad34069fd7dfee
- commandcode.ai
- 2026-09-05T22:18:04+00:00 · 551cd4a9eab82d8d6a7877cda92c47ba395eac320f57de94642bf56813d1e5b0
- commandcode.ai
- 2026-09-05T22:18:04+00:00 · cea5e1f0013e9daf558442c289b1cb82620384dfbb02f79d0eb7f8a511e59fe6
- commandcode.ai
- 2026-09-05T22:18:04+00:00 · 76dd3408a5a84ac405a68447bafde262a097f2874b5c30714197369539956fc1
- opencode.ai
- 2026-09-05T22:18:04+00:00 · 33756f95d8ba03afe7996760231ecb8eaaff2928b38d6642e3ec73849b451b1b
- generated_at
- 2026-09-05T22:24:27+00:00
09
更新摘要
把可比對的快照留在同一個位置，避免把當前資料誤讀成歷史趨勢。
有新的可比對快照後，價格、額度、模型名單與官方公布值的差異會集中列在更新紀錄。
查看更新紀錄 ↗