【實察文】Groq 免費層真實額度大公開——看你能跑多少、要不要付費

Groq 最近爆紅，因為它號稱讓開源模型跑得比 ChatGPT 快。但問問貓查完官方文件才發現，很多人其實不知道免費能用到什麼程度。這篇就講清楚：Groq 的免費額度有多少、付費方案怎麼算、它值不值得用。

為什麼要選 Groq？一句話：速度

Groq 最大的點不是「免費」，而是「快」。它用自研的 LPU 晶片（不是 GPU），讓 Llama 這種開源模型跑的速度，比 OpenAI 的推論 API 快好幾倍。但速度快代價是什麼？它只能跑開源模型，沒有 GPT-5 或 Claude。要新功能豐富、要 Claude 的推理能力，那 Groq 幫不了忙。

所以 Groq 適合誰？工程師、要整合 API 的企業、或任何「我只要推論夠快、不在乎用什麼模型」的場景。一般人想玩個聊天機器人？往下看免費額度再說。

免費層額度：不是真的無限，也沒有官網說的那麼多

Groq 的免費層最常見的問題是「官網到底沒說清楚額度」。問問貓直接讀官方文件才發現，免費並不是完全無限。

假設你用最小的模型（Llama 3.1 8B），免費層給你每分鐘 30 次請求、每日 14,400 次請求、每分鐘 6,000 token、每日 50 萬 token。

如果你用更強的模型（Llama 3.3 70B），額度大幅縮水：每分鐘 30 次請求但每日只有 1,000 次、每分鐘 12,000 token 但每日只有 10 萬 token。

中間還有 GPT OSS 這些模型，額度各不相同。換句話說，免費層並不是「用好用滿」，而是「用不同模型有不同天花板」。

用人話說，如果你每天只問幾個問題，免費版夠。但如果你要做個客服機器人一天處理 1,000 個客人，用大模型免費額度會在中午就爆掉。

還有特殊模型 Whisper 搞語音辨識的。免費層給你每分鐘 20 次、每日 2,000 次、每小時 7,200 音訊秒、每日 28,800 音訊秒。同樣，看起來很多，但用在高音量應用下午就沒了。

付費怎麼算？按 token 一筆一筆扣

Groq 不是月費制，而是「用多少付多少」。以最便宜的 Llama 3.1 8B 為例，每輸入 1 百萬個 token 扣 US$0.05、每輸出 1 百萬個 token 扣 US$0.08。

什麼叫 token？粗略地說，英文 1 個單字約 1 token、中文 1 個字約 1.3 token。一句「你好嗎」大概是 3 token。所以這個費用聽起來便宜，但要看你用多少 token。

用更強的模型（Llama 3.3 70B），輸入 US$0.59/百萬、輸出 US$0.79/百萬。粗略說価格貴約 10 倍左右。但推理能力明顯強得多，用來解數學題、寫複雜程式會好很多。

中間還有 GPT OSS 系列。20B 那版輸入 US$0.075/百萬、輸出 US$0.30/百萬；120B 大版輸入 US$0.15/百萬、輸出 US$0.60/百萬。總之模型越大越貴。

生成速度方面，Llama 3.1 8B 約 840 token 每秒、Llama 3.3 70B 約 394 token 每秒、GPT OSS 20B 約 1,000 token 每秒、GPT OSS 120B 約 500 token 每秒。就算你付費了，速度還是 Groq 這邊最快的賣點。

還有個省錢招：Batch API 可以便宜 50%。但條件是你願意等——不是即時返回，而是等 Groq 有空檔的時候去跑，慢個幾小時。大量處理資料、不在乎延遲的場景用得上。

🔍 問問貓獨家實查

這次查核，問問貓發現一個重點落差：

官網的定價頁把免費層寫得非常簡短，根本沒明白說每個模型的額度上限。 只有在技術文件頁（console.groq.com/docs/rate-limits）才能查到各模型詳細的每分鐘、每日限制。一般人看官網首頁根本看不出來 Llama 3.3 70B 免費只有每日 1,000 次、而 Llama 3.1 8B 有 14,400 次、中間還有其他模型天差地別的落差。想要摸清楚自己用哪個模型會卡瓶頸，必須自己去翻技術文件。

另一個發現：快取命中的 token 不計入上限、輸入價格只要半價。假設你反覆問同一個長文件相同的問題，第二次起那些重複的內容 token 免費。這對用 AI 做文檔分析、或有固定系統 prompt 的應用很實惠，但官網文件也沒特別強調，容易被忽略。

付費 API 的價格部分，問問貓查核時發現它寫的清清楚楚，沒有官網以外隱藏的額外費用。計費單位明確、公開透明。

本次查核時間：2026-09-22。

☀️ 阿莫（AMO）精打細算派怎麼看

阿莫要說的很直白：Groq 免費版夠用，但有坑。

先講好的地方。免費層完全不需綁卡，註冊就給 API 金鑰。如果你是學生或小接案者，想試試怎麼做個 AI 應用，Groq 是真的可以白嫖一陣子。即使免費額度用滿，付費價格也不算離譜——8B 的小模型便宜到不行。而且不用擔心月費綁約，按用量計費反而更自由。

但「不算貴」不代表夠划算。Groq 的模型庫很小，就那幾個開源模型，沒有 Claude 或 GPT-4。你要做的事如果一定要「推理能力最強」，用 Groq 的 Llama 跑出來的東西可能要花好幾倍的 token 才能達到相同品質。那省下來的費用速度優勢，馬上被浪費 token 吃掉。假如最後花錢還更多，根本得不償失。

換另一個角度：如果你只是要「跑得快」，完全不挑模型，Groq 免費層足夠試用。如果你要正式服務、長期用，付費方案其實也可以接受——反正按用量計費，不用一次砸大錢買月費。而且如果用 Batch API 這種非同步模式，還能再省 50%，對成本敏感的小企業蠻有吸引力。

所以阿莫的結論是：個人開發、實驗階段、或對模型沒特別挑剔的團隊，Groq 真的划算。其他情況，先算清楚自己會用多少 token、會不會卡免費額度、以及用便宜模型會不會導致需要更多 token 才能達成目標。算清楚以後再決定。

🌙 皮米（PIMI）效能派怎麼看

皮米要提的是另一件事：Groq 快是真的快，但你得考慮「快有沒有用」。

Groq 號稱 Llama 3.1 8B 能跑到約 840 token 每秒。什麼概念？一般的雲端 API 通常是每秒 50–100 token。Groq 快 8–10 倍。這對什麼有幫助？

流式推論（streaming）。一般 API 要等 20 秒才能看到完整答案，Groq 2 秒就出來了。用戶體驗差超多。用 Groq 跑客服機器人、即時翻譯、或任何「要快速反應」的東西，用戶會感覺差別。手機打字得到秒級反應和等 20 秒，那感受完全不一樣。

但如果你的應用不在乎延遲——比如說跑個晚上的數據分析、批量生成文檔、或後台異步任務——那快的好處沒那麼明顯。這時候 OpenRouter 或其他便宜的 API 聚合商反而更划算。你付的錢不會省多少，但省不到的快速優勢也用不上。

模型能力方面，Llama 是好用的開源模型，推理速度快、文本生成也不錯。但要做複雜推理、數學運算、程式設計等需要強邏輯的任務，還是 Claude 比較穩。Groq 的 Llama 可能要花更多 token、或加更多 prompt 技巧才能達到一樣的效果。

Groq 另一個限制是模型數量不多。要新出的多模態模型、要微調版本、要私有模型部署，這邊沒有。你被它提供的幾個開源模型綁死。

皮米的重點：Groq 是「速度最優」，不是「功能最全」、也不是「推理最強」。有快的需求，它無敵。沒有特別要求，其他方案可能更實用。

結論：誰該用、誰別碰

Groq 最適合的人：

• 要做「即時」應用的工程師（客服、翻譯、寫程式助手）
• 想測試 AI 應用、前期不想花錢的學生或新手
• 不挑模型、只要「推論夠快」的項目
• 有 Batch 任務的企業（可省 50%、對延遲沒要求）

不太適合的人：

• 需要 GPT-4、GPT-5 或 Claude 能力的項目
• 要求模型支援齊全的企業（Groq 只有開源模型）
• 高精度要求的任務（Llama 不如 Claude）
• 不在乎延遲、只看價格的場景（其他 API 可能真的更便宜）

整體來看，Groq 是個不錯的補充方案。免費層夠新手試水，付費階梯也清楚，沒有隱藏費用。但它不是「大一統」的解決方案——還是要看你的需求到底是要快、要準、還是要便宜。

本文撰寫：2026-09-22 價格最後驗證：2026-09-22 工具最後健檢：2026-09-22

🔗 延伸比較

• Groq 價格與免費版總覽
• aider vs groq
• base44 vs groq

📎 資料來源

本文所有價格與額度數字取自問問貓對 Groq 的實查資料（價格最後驗證：2026-09-22），一手來源：

• https://console.groq.com/docs/models
• https://groq.com

🐾 認識問問貓：阿莫與皮米

問問貓是台灣的 AI 工具比價站，口號是「訂閱之前，先問問貓」。站上兩隻貓各有立場：

• ☀️ 阿莫（AMO）——精打細算派，永遠先問「免費版夠不夠用、這筆錢值不值」。
• 🌙 皮米（PIMI）——效能派，在意「好不好用、快不快、能不能做到我要的」。

兩隻貓吵完，你就知道該不該付錢。每篇文章的數字都是問問貓自己查的，文末附最後查核日期。

🐾 問問貓姐妹站也幫你查了

• 券商手續費與開戶實查