AI viết văn tiếng Việt: bài dài cần chỗ cho token ra, và đó là chỗ tốn tiền nhất

Một bài văn 2.000 token cần chỗ cho token ra, và số token ra trung vị của sáu model đo được chỉ nằm giữa 288 và 2.036. Dư địa viết dài vì thế là thứ bạn trả tiền trước, không phải thứ model tự tặng.

Sáu model, token ra trung vị từ 288 đến 2.036

Sáu model trả lời cùng một dạng câu hỏi nhưng độ dài mặc định khác nhau tới 7,07 lần. Bảng dưới đây ghi token ra trung vị, độ trễ p50 và tiền ra cho một bài 2.000 token.

Model	Token ra trung vị	p50	Tiền ra cho 2.000 token
Claude Sonnet 5.5	288	10.029 ms	24 đồng
DeepSeek V4.1 Flash	396	11.581 ms	5,76 đồng
Gemini 3.8 Flash	427	10.181 ms	9 đồng
Claude Opus 5.5	658	15.168 ms	48 đồng
DeepSeek V4.1 Flash 1017	688	7.998 ms	5,76 đồng
GPT 6.1 SOL	2.036	26.226 ms	24 đồng

Chia hai đầu bảng: 2.036 ÷ 288 = 7,07. Trung vị nghĩa là một nửa số lần gọi dài hơn mức đó và một nửa ngắn hơn, nên nó không phải độ dài cố định của model mà là thói quen viết của model trên lưu lượng thật. Số mẫu đi kèm cũng khác nhau, từ 48 mẫu ở Claude Sonnet 5.5 tới 6.051 mẫu ở Gemini 3.8 Flash. Model ít mẫu vẫn cho con số dùng được, chỉ là nó kém chắc hơn. Cột tiền nhân giá ra niêm yết với 2.000 token, nên nó đổi ngay khi bảng giá đổi.

Vì sao bài 2.000 token là chỗ tốn tiền nhất?

Một lượt chuẩn mà Wisa dùng để tính giá có 2.000 token vào và 700 token ra. Bài văn 2.000 token dài gấp 2.000 ÷ 700 = 2,86 lần phần ra đó, nên tiền ra của nó bằng tiền ra của 2,86 lượt chuẩn trong khi tiền vào vẫn chỉ một lượt.

Tính thẳng bằng giá ra trên một triệu token: 2.000 × 4.500 ÷ 1.000.000 = 9 đồng ở Gemini 3.8 Flash, 2.000 × 12.000 ÷ 1.000.000 = 24 đồng ở GPT 6.1 SOL, 2.000 × 24.000 ÷ 1.000.000 = 48 đồng ở Claude Opus 5.5, và 2.000 × 120.000 ÷ 1.000.000 = 240 đồng ở Claude Fable 5.1.

Phần ra nặng đến vậy vì giá ra đắt hơn giá vào đúng 5 lần ở cả hai model: 4.500đ so với 900đ ở Gemini 3.8 Flash, và 12.000đ so với 2.400đ ở GPT 6.1 SOL, tức 4.500 ÷ 900 = 5 và 12.000 ÷ 2.400 = 5. Một token viết ra đắt gấp năm lần một token đọc vào, nên chỗ bạn cho model viết dài là chỗ hoá đơn phình ra nhanh nhất.

Chia hàng đắt nhất cho hàng rẻ nhất trong bốn model vừa tính: 240 ÷ 9 = 26,67 lần. Với một đoạn 200 token, bốn model vẫn chênh đúng 26,67 lần nhưng số tuyệt đối chỉ từ 0,9 đồng tới 24 đồng, nhỏ tới mức không ai đổi model vì nó. Bài dài giữ nguyên tỉ lệ và nhân số tuyệt đối lên, nên quyết định chọn model mới thật sự có giá. Nếu công việc của bạn là nội dung ngắn như viết email khách hàng bằng AI, phần token ra nhỏ và cột giá vào mới là cột bạn nhìn.

Hàng dài nhất chờ 26.226 ms ở p50 và 125.749 ms ở p95

Toàn bộ số liệu đo tại gateway của Wisa trong cửa sổ 7 ngày kết thúc 27/10/2026 lấy từ lưu lượng thật của người dùng, không phải từ một lần thử trong phòng thí nghiệm.

GPT 6.1 SOL có p50 26.226 ms và p95 125.749 ms. Chia hai số: 125.749 ÷ 26.226 = 4,79 lần, nghĩa là 5 phần trăm lần gọi chậm nhất chờ gấp 4,79 lần mức trung vị. p95 không phải lỗi, nó là lần gọi vẫn thành công nhưng chậm, nên nó không hiện ra trong bảng tỉ lệ lỗi và cũng không kích hoạt cơ chế thử lại của bạn. Nếu bạn đặt một bài dài vào hàng đợi mà không có đường dự phòng, chính cái đuôi đó là chỗ người đọc bỏ đi.

Độ dài không giải thích hết độ trễ. Claude Sonnet 5.5 viết ngắn nhất với 288 token trung vị nhưng p50 vẫn 10.029 ms, còn DeepSeek V4.1 Flash 1017 viết 688 token trung vị mà p50 chỉ 7.998 ms. Xếp theo p50 từ thấp lên: DeepSeek V4.1 Flash 1017 7.998 ms, Claude Sonnet 5.5 10.029 ms, Gemini 3.8 Flash 10.181 ms, DeepSeek V4.1 Flash 11.581 ms, Claude Opus 5.5 15.168 ms, GPT 6.1 SOL 26.226 ms. Muốn viết dài trong một lượt thì bạn trả tiền bằng thời gian chờ, và mức giá đó khác nhau giữa các model. AI viết bài có thêm ví dụ về cách chia việc khi bài quá dài cho một lượt.

Cách tự kiểm tra dư địa token ra trước khi gửi

Phép chia cần làm: lấy số token bài bạn muốn chia cho token ra trung vị của model, ra số lượt tối thiểu. Với Gemini 3.8 Flash: 2.000 ÷ 427 = 4,68 lượt. Với Claude Opus 5.5: 2.000 ÷ 658 = 3,04 lượt. Với GPT 6.1 SOL: 2.000 ÷ 2.036 = 0,98 lượt, tức một lượt là đủ.

Rồi nhân số lượt với tiền ra của một lượt. Gemini 3.8 Flash: 427 × 4.500 ÷ 1.000.000 = 1,92 đồng một lượt, nhân 4,68 = 9 đồng, khớp với phép tính trực tiếp ở trên. Claude Opus 5.5: 658 × 24.000 ÷ 1.000.000 = 15,79 đồng một lượt, nhân 3,04 = 48 đồng. GPT 6.1 SOL: 2.036 × 12.000 ÷ 1.000.000 = 24,43 đồng một lượt, nhân 0,98 = 24 đồng. Hai đường tính cho cùng đáp số, nên bạn chọn đường nào cũng được.

Con số 4,68 lượt là chỗ dễ bỏ qua nhất. Nếu bạn không nối các lượt lại, bạn trả tiền vào bốn lần cho bốn lần gửi cùng một đề bài, và khoản đó thường lớn hơn phần tiết kiệm khi đổi sang model rẻ. Trần của phép chia này là context window là gì: bài dài cộng lịch sử hội thoại phải nằm trong cửa sổ đó, nếu không bạn buộc phải chia lượt dù muốn hay không. Chuyên mục chọn và so sánh model có các cặp so sánh dùng cùng cách tính này.

Khi nào lời khuyên trong bài hết đúng

Bài này đo tiền và độ trễ, không đo chất lượng văn. Dữ liệu của Wisa không có điểm chấm văn, nên câu "model có token ra trung vị lớn thì viết một lượt được bài dài" chỉ đúng khi bạn cần đúng một lượt và chấp nhận chờ. Nếu bạn chia bài thành nhiều phần, hoặc bạn chỉ cần một đoạn 300 token, kết luận đảo lại và model viết ngắn lại rẻ hơn.

Con số p50 và p95 đo trên lưu lượng của Wisa trong bảy ngày, không đo trên máy bạn. Đường mạng, độ dài prompt, và thời điểm trong ngày đều đổi kết quả. Bảng cũng chỉ có sáu model, nên đừng mở rộng kết luận sang model khác trong danh mục.