$100 API 额度能干什么:GPT Pro 白送的额度,怎么花才不浪费
原创 · 约 16 分钟阅读 · 阅读 --

$100 API 额度能干什么:GPT Pro 白送的额度,怎么花才不浪费

作者: Alex Xiang


本文完全由 WorkBuddy 独立收集资料、调试代码并完成文章写作。

扫码注册 WorkBuddy 即可获取 2000 积分

我是 Alex Xiang,前百度/微博工程师,现在专注于 AI 工程与工具产品。更多文章欢迎关注微信公众号「字与码」。

如果你在订阅 ChatGPT Pro,后台可能有一笔钱:$100 的 API credits。

这是 OpenAI 在 10 月 28 日给 Pro 和 Business 订阅加的福利,Pro 100 每月 $100、Pro 200 每月 $200。它只需要领一次——在设置里的账单页开通,绑定自己名下的 API 组织(同一个邮箱),之后每个月自动充入,不用月月去点。

但它和 ChatGPT 里的对话额度是两套计费系统。也正因为分开,很多人领了之后就把它忘在那里:手上已经有 ChatGPT、有 Codex、有常驻的 Dot,写点什么画点什么都在这几个界面里做完了,想不起为什么要去 API 平台再走一遍。

这篇文章想说清楚的是:对已经不缺”聊天额度”的人来说,这 $100 最值的用法,不是换个地方继续聊天,而是拿它去做几个能反复用的小工具。

先弄清这 $100 到底是什么

几条规则决定它怎么用:

  • 只需领一次:订阅得是付费、生效满 7 天的,免费试用、赠送的订阅、Enterprise 都不算。领过之后每月自动充入,不需要月月操作;首次发放按当月剩余天数折算。
  • 只在当期有效:额度按计费周期发放,当期没用完不结转到下个月。所以真正的问题不是”会不会忘了领”,而是”领了之后拿它做什么”。
  • 不覆盖通过 API key 跑的 Codex:登录 ChatGPT 用 Codex,走的是订阅额度;把 Codex 指向一个 API key,这笔 credits 不付账。
  • 能付什么:Responses API(文字、代码、图片理解)、Images API、Agents API、Realtime 语音、网页搜索、文件搜索、Code Interpreter,基本是 API 平台上的常规付费项目。

换句话说,它是一张”开发者体验券”——OpenAI 想让订阅用户零成本把 API 用起来,而不是给你更多聊天次数。

额度领取与覆盖范围的关键规则(图:Pexels)

你已经免费拥有了什么,决定了这 $100 该花在哪

先把账算明白。Pro 订阅给你的东西其实很贵:

第三方机构 Wokey 在 2026 年 11 月 16 日公布的实测里,一个 ChatGPT Plus 账号满打满算一周的 Codex 用量,按官方 API 单价折算约 $47;Pro 200 约 $736 一周。这些数字是第三方按日志折算的,不是 OpenAI 公布的口径,但量级说明了一件事——你在订阅界面里免费用的那些能力,按 API 计价早就不止 $100 了。

那为什么还会觉得 $100 不够用?因为场景不同。

ChatGPT、Codex、Dot 都是”前台”工具:你打开界面,提问,它回答,你看着,再决定下一步。它们再强,也需要有人在屏幕前驱动。而 API 是”后台”能力:程序在无人值守的情况下调它,把结果写进数据库、发到邮箱、生成文件、触发下一个动作。这件事订阅界面做不了——你没法让 ChatGPT 的网页在凌晨三点替你处理两百份文档。

所以这 $100 的定位很清楚:它买的不是更聪明的回答,是把 AI 装进你自己的程序里、让它自动干活的能力。

订阅里免费用掉的 Codex 用量,按 API 单价折算的价值。数据:Wokey AI 2026 年 11 月实测

比”多聊几次”更值的,是拿它做工具

如果你已经有 Pro + Codex + ChatGPT,“让 AI 回答一个问题”这件事对你已经免费且充裕。真正稀缺的,是把这种能力接到你自己的流程里。下面几个方向,是普通人一台电脑就能做、而且做出来会一直帮你省事的。

一、批量流水线:一次处理一千件,还能自动挑便宜模型。写一个脚本,把一批文件(照片、网页、文档)丢进去,它自动分批、调用 API、把结果存成表格。关键设计是”分级”:分类、打标签这种简单活交给 nano、mini,只有真正需要判断的复杂项才用贵模型。同样的额度,分级路由能比全程旗舰多跑几十倍。这是最值得第一个做的工具,因为它同时解决了”用得上”和”用得省”。

二、成本账本:知道每一分钱花在哪。做一个小面板,记录每次调用的 token、模型、花费,按任务类型汇总。你多半会发现,真正烧钱的是一两个没优化的任务——比如每次都重复发送一大段相同的系统提示词。有了账本,你才能”合理地用完”,而不是月底才发现额度不知去向。这个工具本身几乎不花 API。

三、缓存 + 批处理封装层:同样的额度干两倍的事。把 API 调用收口到一个自己写的中间层:固定的 system prompt 走缓存(命中后约十分之一价),不着急的任务自动进 Batch 队列(半价)。上层工具不用改,光换调用入口就能省下三到六成。它是前两个工具的底座。

四、剪藏理解工具:把”收藏了不看”变成”能搜到”。收藏夹里堆着的文章,写个工具定期拉取、清洗正文、生成摘要和标签、存成可检索的库。以后写东西时反过来搜”我存过什么”。这是把一次性的 API 消费,变成会累积的资产。

五、OCR 与票据整理:把图片变成可搜索的文本。发票、收据、聊天截图、书页照片,写个工具批量识别成文字存进表格。这是订阅界面里最别扭的活——你不可能一张张拖进对话框——却是 API 最擅长的。

把 AI 装进自己的程序,关键是把想法变成能自动运行的工具(图:Pexels)

这五个方向有个共同点:做出来的不是”一次回答”,而是一个能反复用的东西。这才是对得起 $100 的花法。

$100 到底能买多少东西

价格数据来自第三方追踪站(modelpricing.ai、APIpulse 等,2026 年 11 月快照),不同来源对同一模型报价有出入,以官方定价页为准。

按一次请求 5000 token 输入、1000 token 输出计算:

模型输入/输出单价(每百万 token)单次成本$100 能跑的次数
GPT-6.1 Sol$2 / $10约 $0.02约 5000 次
GPT-5.6 Sol$5 / $30约 $0.055约 1800 次
GPT-5 mini$0.25 / $2约 $0.0033约 3 万次
GPT-5 nano$0.05 / $0.4约 $0.00065约 15 万次

换算口径:单次成本 = 5000 ÷ 1,000,000 × 输入价 + 1000 ÷ 1,000,000 × 输出价;次数 = 100 ÷ 单次成本。这是纯 token 费用,不含图片、语音、工具调用。

前面提到的缓存和批处理,正是拉高这个数字的关键:固定系统提示词命中缓存后按约十分之一计价,非实时任务走 Batch API 单价减半。两项叠加,很多任务的实际开销能降到三分之一以下——这就是”工具化”比”聊天化”划算的原因。

我的判断

这张额度券最容易被浪费的方式,是拿它去干订阅已经免费覆盖的活——比如定制一个聊天机器人,然后在里面问天气,等于把免费的东西又买了一遍。

它真正的价值在于做工具:试错、批处理、自动化、把 AI 嵌进程序。这些事的共同点是,做成了会留下一个能反复用的东西,而不只是一次回答。哪怕最后只做成了一个自动给照片打标签的小脚本,这 $100 也比换成几千次对话值。

这里有个反直觉的地方:聊天是即时满足,问完就有答案;做工具是延迟满足,前面几小时的调试可能看不到任何输出。大多数人因此退回了对话框——不是因为工具没价值,而是因为它不立刻给反馈。但一次问答的价值会随对话结束归零,一个跑通的工具却会在之后每个月替你省下重复劳动。这笔额度真正的杠杆,就藏在”先投入、后回收”这条曲线里。

而要让工具做下去,顺序很重要:先做一个记录成本的小账本,再写批量流水线,最后把调用收口到带缓存和批处理的那一层。工具越往后,额度用得越省、也越明白。

现在就能做的几件事

先领一次,然后忘掉”领”这件事。设置 → 账单 → 找到 API credits 福利 → 绑定自己名下的 API 组织,注意两边邮箱一致。之后每月自动充入,不用再管。

从一个批量任务开始。别从”聊天机器人”入手。挑一件你手上重复最多的活——批量总结网页、整理截图、给文件打标签——写成脚本跑一遍,先把流程走通。

贵的定方向,便宜的跑量。用贵模型想清楚方案、定好提示词,再用便宜模型批量执行。这是让 $100 撑得最久的方式。

先把成本记下来。哪怕是一个十行的脚本,也把每次调用记进表格。用得明白,比用得多更重要。

一句话收尾:这 $100 买不到一千次有价值的问答,但够你把一两个想法做成能自动干活的小工具——工具会一直用下去,而对话聊完就忘了。

参考资料

打开原图 ↗