先看重點
- Claude 讀 PDF 的方式是每頁轉成一張圖片，再把該頁文字一起送進去，等於同一頁被處理兩次。
- 官方文件寫得很清楚：文字部分每頁大約 1500 到 3000 token，整頁圖片的視覺 token 還要另外算。
- MarkItDown 是微軟開源的免費工具，把檔案轉成 Markdown 之後，圖片那一份就不必付了。
坦白說，我一開始完全沒意識到這件事。工作檔案就是 PDF，要問 Claude 就是直接拖進去，用了大半年都沒想過中間發生什麼。後來是有一次我連丟幾份企劃書，額度掉得莫名其妙的快，才回頭去翻官方文件，然後就看到那一段。
這篇是我查證完之後的整理：Claude 到底怎麼讀 PDF、為什麼特別貴、微軟的 MarkItDown 怎麼裝怎麼用，還有我自己拿一份真的企劃書跑出來的結果。順便也講不該轉的情況，因為這個工具不是萬用的。文中的官方說法都對照過 Anthropic 的 PDF 支援文件 與 MarkItDown 的 GitHub 專案頁，查證日期是 2026 年 9 月 19 日，之後若有變動以官方說明為準。
Claude 讀 PDF 的時候，其實讀了兩次
Anthropic 官方的 PDF 支援文件把流程寫得很白：它會把每一頁拍成一張圖，再把那頁抽出來的字，連著那張圖一起送給模型。兩份都送，不會只挑一種。
因為有整頁圖片，Claude 才看得懂你那張長條圖在比什麼、表格的欄位怎麼對齊、簽名蓋在哪一格。純抽文字的話，這些視覺訊息會整個消失。真的需要看版面的時候，這個機制很好用。
代價是成本。官方的成本估算寫著，文字的部分每頁通常吃掉大約 1500 到 3000 token，內容越密越多。圖片那一份要另外算：每 28×28 像素算一個視覺 token，標準級的模型一張圖最多 1568 個，你現在用的如果是 4.7 之後的高解析度模型，上限直接拉到 4784 個。
把數字疊起來就很有感覺了。一份三十頁的 PDF，光文字就可能吃掉四萬五到九萬 token，再加上三十張整頁圖片。結果你只是想問其中某一頁的一句話。
限制也順便記一下：單次請求最大 32MB，最多 600 頁，模型的脈絡長度如果低於 1M，就只能 100 頁。官方也有提醒，很密的 PDF 常常還沒碰到頁數上限，脈絡就先被塞滿了。
MarkItDown 是什麼？
MarkItDown 是微軟放在 GitHub 上的開源工具，MIT 授權，免費，本體是一個很輕的 Python 套件。它的說明寫著自己是「把各種檔案轉成 Markdown、給 LLM 與文字分析流程使用」的小工具，理由也講得直接：主流的大型語言模型天生就會讀 Markdown，同樣的內容，Markdown 換算成 token 比較省，又能保住標題、清單、表格這些結構。
它不是 AI，不會幫你摘要，也不會潤稿。它就是一個安靜的轉換器，把你的檔案變成 Claude 最好讀的那種樣子。
官方列出來支援的格式包含 PDF、Word、PowerPoint、Excel、圖片（讀 EXIF 與 OCR）、音訊（讀 EXIF 與語音轉錄）、HTML、CSV、JSON、XML、ZIP 壓縮檔、EPub，以及 YouTube 連結。我自己最常用到的是 PDF 跟 PowerPoint，再來是 Excel。
安裝：一行指令
前提是電腦裡要先有 Python。有了之後，打開終端機（Windows 是命令提示字元或 PowerShell），輸入這行：
pip install "markitdown[all]"方括號那段是把所有格式的支援一起裝起來，省得之後轉某個檔案才發現少東西。裝完之後，轉檔是這樣：
markitdown 你的檔案.pdf > 你的檔案.md同一個資料夾就會多出一個 .md 檔，拖進 Claude 就可以問了。想指定輸出位置的話，也可以用 -o：
markitdown 你的檔案.pdf -o 想要的檔名.md三種接法，看你懶到什麼程度
第一種，命令列轉完再上傳。就是上面那兩行。最笨但最穩，臨時要處理一兩份檔案的時候我都用這個，不用設定任何東西。
第二種，寫進 Python 流程。如果你本來就有在跑自動化，把它接在讀檔那一段就好：
from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("test.xlsx")
print(result.markdown)第三種，用 MCP 接進 Claude Desktop。官方 repo 裡有一個 markitdown-mcp 套件，設定成 MCP 伺服器之後，就能在對話裡直接叫它轉檔，不用切出去開終端機。想先搞懂 Claude Desktop 跟 MCP 是什麼的話，可以搭配 Claude Desktop 下載與安裝教學 看。
實際轉一份 15 頁企劃書看看
我拿自己手邊一份 15 頁的中文企劃書 PDF 跑了一次，轉出來的 Markdown 全文大約 7300 個字元，中文字大概 4400 個，平均一頁三百個中文字上下。這份檔案是簡報型的，版面大、字不多，所以轉完之後小得很誇張。
對照一下官方的算法。這 15 頁走 PDF 的路，除了抽出來的那些字，還要再付 15 張整頁圖片：標準級的模型一張最多 1568 個視覺 token，15 張就是兩萬三上下；4.7 之後的高解析度模型一張最多 4784 個，15 張逼近七萬二。文字那一份兩邊都要付，省掉的是圖片這整筆。
所以省多少要看你用哪一級的模型。標準級的話，省掉的是每頁那 1568 個視覺 token，換算下來大約三到五成；4.7 之後的高解析度模型，一張整頁圖就吃到 4784 個，省的幅度會拉到六到八成。我這份簡報因為字特別少，比例又更高。反過來說，整頁密密麻麻的純文字報告，文字那一份佔得重，省的比例就掉下來。
什麼時候不要轉
這個工具我用得很開心，但它確實有不適合的場合，這些我覺得比省 token 更該先講。
版面本身就是資訊的時候。設計稿、有複雜合併儲存格的報表、流程圖、簽核單，這些東西的意義有一半在排版裡。轉成純文字之後，Claude 只會看到一堆脫節的字串，答案反而會變差。這種檔案我就直接丟 PDF，寧可花那個 token。
掃描檔跟拍照檔。這類 PDF 裡面根本沒有文字層，抽不出東西來。要嘛走 OCR，要嘛就讓 Claude 用看圖的方式讀，硬轉只會得到一個空檔案。
你要問的就是圖表。「這張圖的趨勢在說什麼」這種問題，本來就是要模型去看那張圖。把圖拿掉再問，等於自己把答案藏起來。
所以我的實際做法是分流：文字為主的長檔案先轉，版面為主或要看圖的直接丟原檔。判斷不出來的時候，兩邊各問一次，看哪邊的回答比較準，通常一次就知道了。
省下來的額度可以拿去做什麼
講到最後其實不只是省錢的問題。同一個脈絡長度裡，塞進去的東西越乾淨，模型能一次看完的內容就越多。原本一次只塞得下一份報告，轉完之後可以一次丟三份進去比較，這個差別比帳單上的數字有感多了。
如果你已經在用 Claude 工作，想知道自己這個方案的額度怎麼算，可以接著看 Claude 訂閱價格：台灣實付與最省買法；想讓它照你的習慣做事，則可以看 Claude Skills 教學。
MarkItDown 常見問題
MarkItDown 是什麼？
微軟開源的 Python 小工具，MIT 授權，免費。工作只有一件：把各種檔案轉成 Markdown 純文字，專門給大型語言模型讀。它不是 AI，不會摘要也不會潤稿。
MarkItDown 支援哪些格式？
官方列出的有 PDF、Word、PowerPoint、Excel、圖片（讀 EXIF 與 OCR）、音訊（讀 EXIF 與語音轉錄）、HTML、CSV、JSON、XML、ZIP、EPub，還有 YouTube 連結。
MarkItDown 怎麼安裝？
電腦先要有 Python，然後在終端機輸入 pip install "markitdown[all]"。轉檔輸入 markitdown 檔名.pdf > 檔名.md，同一個資料夾就會多一個 .md 檔。
轉成 Markdown 真的能省 token 嗎？
會省，但幅度看模型跟文件。Claude 讀 PDF 是每頁轉成圖片再加上該頁文字，文字每頁大約 1500 到 3000 token，圖片另計；轉成 Markdown 之後圖片那份就不見了。標準級的模型大約省三到五成，4.7 之後的高解析度模型一張整頁圖上限 4784 個視覺 token，省的幅度會到六到八成。
MarkItDown 可以直接接進 Claude 嗎？
可以。官方 repo 有 markitdown-mcp 套件，設定成 Claude Desktop 的 MCP 伺服器之後就能在對話裡直接轉檔。不想碰設定的話，先用命令列轉好再上傳一樣有效。
結語：先看一眼檔案再決定怎麼丟
這個工具的門檻真的很低，一行指令就裝完了，但它逼你問一個比較有用的問題：你丟給 AI 的東西，有多少是它真的需要讀的？我自己開始分流之後，帳單只是順便，真正的改變是我會先看一眼檔案，想想這份要問的是文字還是版面。
那你這個月丟進去的檔案裡面，有幾份其實只要文字就夠了呢？
想把這類省成本的做法，整套接進你的工作流程？
預約 AI 工作流諮詢