Một yêu cầu API có vẻ rẻ trên trang báo giá có thể trở nên đắt đỏ hơn rất nhiều khi được tích hợp vào một sản phẩm thực tế. Các trang định giá thường chỉ cung cấp cho bạn mức giá đơn vị cơ bản, khiến nhiều nhà phát triển và doanh nghiệp hiểu lầm về tổng chi phí vận hành.
Thông thường, bạn sẽ thấy các mức giá như:
- Giá mỗi triệu token đầu vào (input tokens)
- Giá mỗi triệu token đầu ra (output tokens)
- Giá mỗi hình ảnh được tạo
- Giá mỗi giây video
- Giá mỗi tín dụng (credit)
Những con số này hữu ích để có cái nhìn tổng quan ban đầu, nhưng chúng chưa phải là một ngân sách sản xuất hoàn chỉnh. Một quy trình làm việc thực tế có thể bao gồm nhiều yếu tố ẩn khác như ngữ cảnh lặp lại, kết quả công cụ, ghi vào bộ nhớ cache, thử lại, gửi yêu cầu trùng lặp, các tác vụ phương tiện bị lỗi, và các đầu ra bị người dùng từ chối rồi yêu cầu tạo lại.
Để làm rõ mức độ những yếu tố này ảnh hưởng đến ước tính chi phí, chúng tôi đã xây dựng cùng một mô hình ngân sách cho ba loại khối lượng công việc khác nhau:
- Một ứng dụng LLM (Mô hình Ngôn ngữ Lớn) thông thường.
- Một quy trình làm việc của tác nhân lập trình (coding agent).
- Một tính năng tạo ảnh AI.
Bài viết này sẽ trình bày chi tiết phương pháp phân tích, đồng thời cung cấp một công cụ tính toán có thể chỉnh sửa và bộ dữ liệu CSV có thể tải xuống ở cuối bài.
Mục lục
1. Kịch Bản 1: Ước Tính Chi Phí Cho Một Ứng Dụng LLM Thông Thường
Hãy xem xét một ứng dụng nhỏ với các thông số sử dụng giả định sau:
100 người dùng hoạt động hàng tháng (MAU) 20 ngày hoạt động mỗi tháng 3 yêu cầu mỗi người dùng mỗi ngày hoạt động 2.000 token đầu vào trung bình mỗi yêu cầu 500 token đầu ra trung bình mỗi yêu cầu 3 USD mỗi 1 triệu token đầu vào 15 USD mỗi 1 triệu token đầu ra Tỷ lệ thử lại (retry rate): 3% Khoản dự phòng kế hoạch (planning buffer): 15%
Lưu ý, đây là các giả định có thể chỉnh sửa để lập kế hoạch, không phải mức sử dụng trung bình phổ quát hay báo giá chính thức từ nhà cung cấp.
Bước đầu tiên là ước tính khối lượng yêu cầu hàng tháng:
Số yêu cầu hàng tháng = 100 người dùng × 20 ngày hoạt động × 3 yêu cầu mỗi người dùng Tổng yêu cầu hàng tháng = 6.000
Tiếp theo, tính toán chi phí token đầu vào:
Chi phí đầu vào = 6.000 yêu cầu × 2.000 token đầu vào ÷ 1.000.000 (đổi sang triệu token) × 3 USD Chi phí đầu vào = 36 USD
Và chi phí token đầu ra:
Chi phí đầu ra = 6.000 yêu cầu × 500 token đầu ra ÷ 1.000.000 (đổi sang triệu token) × 15 USD Chi phí đầu ra = 45 USD
Tổng chi phí cơ bản được niêm yết là:
Tổng chi phí cơ bản = 36 USD + 45 USD = 81 USD
Bây giờ, hãy thêm giả định về tỷ lệ thử lại 3%:
Chi phí sau thử lại = 81 USD × 1.03 = 83.43 USD
Và bổ sung thêm 15% dự phòng cho kế hoạch:
Ngân sách kế hoạch = 83.43 USD × 1.15 = 95.94 USD
Sự khác biệt trong ví dụ này tương đối nhỏ, nhưng các hệ số nhân tương tự sẽ trở nên đáng kể hơn rất nhiều khi khối lượng sử dụng tăng lên.
Điểm quan trọng cần nhấn mạnh là con số
$95.94
không phải là báo giá chính thức. Đây là một kết quả lập kế hoạch được suy ra dựa trên:
- Giá đơn vị do người dùng nhập.
- Một khối lượng công việc cụ thể.
- Tỷ lệ thử lại ước tính.
- Một khoản dự phòng ngân sách ước tính.
Các danh mục này cần được giữ tách biệt để có cái nhìn rõ ràng về cơ cấu chi phí.
2. Kịch Bản 2: Claude Code và Các Agent Lập Trình Khác – Chi Phí Ẩn
Một tác vụ của agent lập trình hoàn toàn không tương đương với một tin nhắn trò chuyện thông thường. Để hoàn thành một tác vụ, agent có thể cần thực hiện một chuỗi các hoạt động phức tạp:
- Đọc hướng dẫn dự án.
- Tải các tệp nguồn.
- Kiểm tra các phụ thuộc.
- Nhận định nghĩa công cụ.
- Chạy các lệnh shell.
- Xử lý đầu ra của lệnh.
- Chỉnh sửa tệp.
- Chạy các bài kiểm tra (tests).
- Thử lại các hoạt động thất bại.
- Bảo toàn lịch sử hội thoại.
Người dùng cuối có thể chỉ thấy một phản hồi ngắn gọn như:
Đã sửa lỗi xác thực và thêm một bài kiểm tra hồi quy.
Tuy nhiên, phía sau hậu trường, agent có thể đã xử lý một lượng ngữ cảnh lớn hơn nhiều trước khi tạo ra phản hồi đó.
Đối với các quy trình làm việc của agent lập trình, chúng tôi nhận thấy đơn vị chi phí sau đây hữu ích hơn nhiều:
chi phí cho mỗi tác vụ hoàn thành
thay vì:
chi phí cho mỗi tin nhắn người dùng
Một công thức tác vụ đơn giản hóa có thể là:
Chi phí tác vụ = Số lần gọi model mỗi tác vụ × Chi phí ước tính mỗi lần gọi model × Hệ số nhân thử lại
Mỗi lần gọi model có thể bao gồm:
Token đầu vào = Hướng dẫn + Lịch sử hội thoại + Các tệp nguồn + Định nghĩa công cụ + Kết quả công cụ trước đó
Đây là lý do tại sao hai tác vụ với câu trả lời cuối cùng có vẻ ngắn gọn tương tự lại có thể có chi phí rất khác nhau. Việc sửa một tệp cấu hình đơn lẻ và một quá trình di chuyển trên toàn bộ kho lưu trữ không nên có cùng ngân sách token dự kiến.
Tích Hợp Công Cụ (Tool Use) Làm Tăng Chi Phí Ngữ Cảnh
Việc sử dụng công cụ không cần một khoản phí cố định riêng để làm tăng tổng chi phí. Bản thân quy trình sử dụng công cụ đã làm tăng lượng token được xử lý. Model có thể cần:
- Nhận định nghĩa công cụ.
- Quyết định công cụ nào cần gọi.
- Nhận kết quả từ công cụ.
- Đọc và suy luận về kết quả đó.
- Tạo ra hành động tiếp theo.
Đầu ra lệnh lớn và việc đọc các tệp lớn có thể trở thành một phần của ngữ cảnh đầu vào sau này, trực tiếp ảnh hưởng đến số lượng token và chi phí. Để hiểu rõ hơn, bạn có thể tham khảo Hướng dẫn Chi phí Token của Claude Code.
3. Kịch Bản 3: Ước Tính Chi Phí Tạo Ảnh AI
Việc tạo ảnh AI đòi hỏi một mô hình chi phí hoàn toàn khác. Tùy thuộc vào nhà cung cấp và mô hình, đơn vị thanh toán có thể là:
- Mỗi hình ảnh được tạo.
- Mỗi độ phân giải hoặc cấp độ chất lượng.
- Mỗi megapixel.
- Token hình ảnh đầu vào và đầu ra.
- Tín dụng.
- Hoặc sự kết hợp của nhiều đơn vị.
Chi phí của một hình ảnh được chấp nhận cũng khác biệt so với chi phí của một tác vụ API đã gửi. Giả sử một sản phẩm cần 1.000 hình ảnh được người dùng chấp nhận mỗi tháng.
Nếu người dùng chấp nhận kết quả đầu tiên mọi lúc, ứng dụng sẽ gửi khoảng 1.000 tác vụ tạo ảnh. Nhưng nếu trung bình một hình ảnh được chấp nhận yêu cầu 2.4 lần thử:
1.000 hình ảnh được chấp nhận × 2.4 lần thử = 2.400 tác vụ đã gửi
Với mức giá minh họa là
$0.04
cho mỗi lần tạo ảnh đã gửi:
Tổng chi phí = 2.400 × $0.04 = $96
Chi phí hiệu quả cho mỗi hình ảnh được chấp nhận sẽ trở thành:
Chi phí hiệu quả = $96 ÷ 1.000 = $0.096
Con số này cao hơn gấp đôi so với giá niêm yết cho một lần tạo. Điều này không có nghĩa là mọi nhà cung cấp đều tính phí cho mọi yêu cầu thất bại. Việc thanh toán cho tác vụ lỗi khác nhau tùy thuộc vào nhà cung cấp, loại lỗi và giai đoạn xử lý.
Sự phân biệt hữu ích là giữa:
- Các tác vụ đã gửi (Submitted jobs).
- Các tác vụ thành công về mặt kỹ thuật (Technically successful jobs).
- Các đầu ra được người dùng chấp nhận (Accepted user outputs).
- Các tác vụ được tính phí (Billed jobs).
Những con số này nên được đối chiếu với ID yêu cầu và bảng điều khiển thanh toán của nhà cung cấp. Hướng dẫn Chi phí API Tạo Ảnh giải thích chi tiết hơn về các đơn vị thanh toán khác nhau.
4. Quản Lý Chi Phí Với OpenRouter: Tín Dụng và Kiểm Soát API Key
Một thị trường hoặc cổng API như OpenRouter giới thiệu thêm một lớp quản lý chi phí. Với OpenRouter, điều quan trọng là phải phân biệt rõ ràng giữa:
- Tín dụng tài khoản (Account credits).
- Giới hạn của API key (API-key limits).
- Giá của model và nhà cung cấp (Model and provider pricing).
- Giới hạn tốc độ của các model miễn phí (Free-model rate limits).
- Sử dụng BYOK (Bring Your Own Key).
- Lỗi quyền (Permission errors).
- Lỗi thiếu tín dụng (Insufficient-credit errors).
Những khái niệm này có liên quan nhưng không thể thay thế cho nhau. Ví dụ, một key có thể có giới hạn chi tiêu ngay cả khi tài khoản vẫn còn tín dụng. Một yêu cầu cũng có thể thất bại do hạn chế về quyền hoặc chính sách, chứ không phải do số dư không đủ.
OpenRouter hiện có quyền hết hạn tín dụng chưa sử dụng sau một năm kể từ ngày mua. Mã HTTP
402
thường chỉ ra tín dụng không đủ, trong khi
403
thường chỉ ra hạn chế về quyền, hàng rào bảo vệ (guardrail) hoặc kiểm duyệt. Chúng tôi đã ghi lại các kiểm tra vận hành này riêng biệt trong Tín Dụng OpenRouter.
5. Những Dữ Liệu Cần Ghi Lại Để Theo Dõi Chi Phí Thực Tế
Để có một hồ sơ theo dõi chi phí API hiệu quả, việc ghi lại dữ liệu chi tiết là vô cùng quan trọng. Đối với một yêu cầu API văn bản, bạn nên ghi lại ít nhất:
request_id (ID yêu cầu) provider (nhà cung cấp) model (mô hình) input_tokens (token đầu vào) output_tokens (token đầu ra) estimated_cost (chi phí ước tính) status (trạng thái)
Để có một hồ sơ sản xuất hữu ích hơn, bạn nên thêm:
cached_input_tokens (token đầu vào được cache) retry_count (số lần thử lại) latency (độ trễ) provider_reported_cost (chi phí do nhà cung cấp báo cáo) created_at (thời gian tạo)
Đối với các tác vụ đa phương tiện (media jobs), bạn cũng nên ghi lại:
job_id (ID tác vụ) duration_or_resolution (thời lượng hoặc độ phân giải) submitted_at (thời gian gửi) completed_at (thời gian hoàn thành) failure_stage (giai đoạn thất bại) accepted_by_user (được người dùng chấp nhận)
Nếu không có các bản ghi cấp độ yêu cầu này, sẽ rất khó để trả lời các câu hỏi cơ bản về hóa đơn và hiệu suất, chẳng hạn như:
- Tổng khối lượng yêu cầu có tăng không?
- Mô hình sản xuất có thay đổi không?
- Đầu ra trung bình có trở nên dài hơn không?
- Khối lượng thử lại có tăng lên không?
- Người dùng có tạo lại nhiều hình ảnh hơn không?
- Một lỗi timeout có tạo ra các tác vụ trùng lặp không?
- Chi phí do nhà cung cấp báo cáo có khác với ước tính cục bộ không?
6. Xây Dựng Mô Hình Ngân Sách Tốt Hơn: Cách Tiếp Cận Bốn Lớp
Chúng tôi đề xuất phân chia kế hoạch chi phí thành bốn lớp rõ ràng để có cái nhìn toàn diện và chính xác hơn.
1. Chi Phí Đơn Vị Niêm Yết
Đây là các mức giá cơ bản được công bố trong tài liệu định giá của nhà cung cấp. Chúng là điểm khởi đầu cho mọi tính toán.
Ví dụ bao gồm:
giá mỗi 1 triệu token đầu vào giá mỗi 1 triệu token đầu ra giá mỗi hình ảnh được tạo giá mỗi giây video được tạo
2. Giả Định Khối Lượng Công Việc
Những giả định này đặc thù cho sản phẩm hoặc dịch vụ của bạn và cần được ước tính dựa trên hành vi người dùng và mục tiêu sản phẩm.
Ví dụ:
số người dùng hoạt động số yêu cầu mỗi người dùng số token đầu vào trung bình số token đầu ra trung bình số lần gọi công cụ mỗi tác vụ số lần thử mỗi hình ảnh được chấp nhận thời lượng video được tạo
3. Các Hệ Số Vận Hành
Đây là những yếu tố phát sinh trong quá trình vận hành thực tế và thường làm tăng chi phí so với ước tính ban đầu. Chúng nên là các giả định có thể chỉnh sửa, không phải là sự thật phổ quát.
Các yếu tố này có thể bao gồm:
số lần thử lại (retries) các yêu cầu trùng lặp (duplicate submissions) ghi vào bộ nhớ cache (cache writes) đọc từ bộ nhớ cache (cache reads) đầu ra bị từ chối (rejected outputs) các tác vụ thất bại (failed jobs)
4. Khoản Dự Phòng Ngân Sách
Một khoản dự phòng ngân sách có thể rất hữu ích khi mức độ sử dụng chưa chắc chắn. Tuy nhiên, nó không nên che giấu ước tính cơ bản. Công cụ tính toán của bạn nên hiển thị cả hai:
chi phí API cơ bản ngân sách vận hành kế hoạch
7. Hạn Chế Của Công Cụ Tính Toán Chi Phí
Mặc dù một công cụ tính toán chi phí là một công cụ lập kế hoạch mạnh mẽ, nhưng nó có những hạn chế quan trọng. Nó không thể xác định:
- Mô hình nào cung cấp chất lượng đầu ra tốt nhất cho sản phẩm của bạn.
- Liệu mọi tác vụ thất bại có bị tính phí hay không.
- Giá model trong tương lai.
- Thuế khu vực.
- Chi phí chuyển đổi tiền tệ.
- Các chiết khấu được đàm phán riêng với nhà cung cấp.
- Hành vi thử lại thực tế trước khi có dữ liệu sản xuất.
Giá cả cũng không phải là thước đo chất lượng đầu ra. Một công cụ tính toán là một công cụ lập kế hoạch, không phải là sự thay thế cho các bản ghi sử dụng của nhà cung cấp hoặc bảng điều khiển thanh toán.
8. Công Cụ Tính Toán & Dữ Liệu Tham Chiếu Chi Phí API AI
Chúng tôi đã tích hợp mô hình hoàn chỉnh vào AI API Cost Benchmark 2026. Tài nguyên này bao gồm:
- Một công cụ tính toán ứng dụng LLM tương tác.
- Một công cụ tính toán tác vụ agent lập trình.
- Ước tính khối lượng công việc tạo ảnh.
- Ước tính video theo giây và theo tác vụ.
- Các cài đặt trước cho nguyên mẫu, sản xuất và các tác nhân nặng.
- Kiểm soát thử lại và dự phòng lập kế hoạch.
- Các liên kết nguồn chính thức.
- Ngày chụp nhanh giá cả.
- Bộ dữ liệu CSV có thể tải xuống.
- Phương pháp luận và các giới hạn.
Ảnh chụp nhanh giá hiện tại đã được xem xét vào ngày 17 tháng 6 năm 2026. Công cụ tính toán này miễn phí sử dụng và không yêu cầu API key. Giá cả thường xuyên thay đổi, vì vậy hãy xác minh tài liệu hiện tại của nhà cung cấp trước khi triển khai khối lượng công việc sản xuất và so sánh ước tính với một thử nghiệm thực tế nhỏ.
Điều gì đã gây ra sự khác biệt lớn nhất giữa ước tính ban đầu và hóa đơn AI thực tế của bạn: token đầu ra, ngữ cảnh tác nhân lặp lại, các lần thử lại, hay việc tạo lại phương tiện?
