🔐 SAi 預算計算機
請輸入密碼登入 · 設定會自動儲存到雲端
登入後設定會自動儲存，可跨電腦同步。
SAi 學校 LLM 預算互動計算機 v1.6 · 2026-07-02 · SAi 平台 pilot 實測預載
對標 HK OFTA FUP 框架 · 1 credit = quota 1 單位 (per chat N credits, 視乎 model tier) · 1 chat ≈ 1,000 tokens ≈ ~600 中文字 / ~830 英文字 · Source: goteech.io LLM Ratecard 2026-05-15 · Token ratio: DeepSeek API Docs
總 Credits / 年
—
—
Quoted 用量 / 年
—
—
餘額 / 年
—
—
每用戶 / 日
—
—
學校年費 (Price)
—
學校向 SAi 繳付
Gross Margin
—
年費 − Token 成本
📊 預算分配
學生 vs 教師 vs 緩衝區
月度用量預測
🚦 FUP 層級（HK OFTA 對標）
📋 模型成本對照（假設每日 quota 全用）
| 模型層級 | 代表 | Cr/chat | 學生用滿 quota 可做 | 教師用滿 quota 可做 |
|---|
🧮 等價對話數（每用戶 / 日）
學生 → Tier 1 chats
—
DeepSeek V4 Flash
學生 → Tier 2 chats
—
GPT-5 / Claude Haiku
教師 → Tier 2 chats
—
GPT-5 / Claude Haiku
教師 → Tier 4 chats
—
Claude Opus 4.5
📚 Task Library · 年度容量推算
| Task | Model | Cr/task | HKD/task | 年可做 (全 pool) | 學生 quota 內 / 日 | 老師 quota 內 / 日 |
|---|
ℹ️ 計算公式：每 task credits = model_cr × (in_tk + out_tk) ÷ 1000
（線性 scaling 估算，基於 goteech Simple default preset）。對 Tier 1–4 較準；Tier 5 (Pro model) 可能 over-estimate。
預載 task token 數據係 SAi 平台實測估算，[MOCK — REPLACE BEFORE SUBMIT] 用真實 dashboard 數據修正。
預載 task token 數據係 SAi 平台實測估算，[MOCK — REPLACE BEFORE SUBMIT] 用真實 dashboard 數據修正。
方法論：Credits 折算基於 goteech.io LLM Ratecard（1 credit = 0.001 USD = HK$0.00785）。每 chat token 量基於 goteech Simple default preset (700 in + 300 out) + DeepSeek 官方 token ratio (1 中文字 ≈ 0.6 token)。Quota 設計對標 HK OFTA 2011 Fair Usage Policy 指引：永不 ban、降速事先通知、改 FUP 30 日前通知。
⚠️ 假設：校日 200 日、學生 8 chats/day 老師 25 chats/day 嘅平均用量。[MOCK — REPLACE BEFORE SUBMIT] 真實用量需 pilot 後 calibrate。
💰 Price vs Cost 對賬（校長 demo 必講）：
🔗 三者連動規則（左 panel 三個 input 即時互聯）：
⚠️ 假設：校日 200 日、學生 8 chats/day 老師 25 chats/day 嘅平均用量。[MOCK — REPLACE BEFORE SUBMIT] 真實用量需 pilot 後 calibrate。
💰 Price vs Cost 對賬（校長 demo 必講）：
- Token 成本 (COGS)：SAi 向 gotech 買 credits 嘅成本 = HK$25,000 假設
- 學校年費 (Price)：學校向 SAi 繳付嘅年費 = HK$120,000 假設
- Gross Margin = 年費 − Token 成本 = HK$95,000（79.2%），扣除平台開發 / 客服 / 培訓等其他成本後為淨利潤
🔗 三者連動規則（左 panel 三個 input 即時互聯）：
- 改 Margin % → Token 成本自動重算（年費 stable）
- 改 Token 成本 → Margin % 自動重算（年費 stable）
- 改 學校年費 → Margin % 自動重算（Token 成本 stable）
Margin % = (年費 − Token 成本) ÷ 年費 × 100%