# API AI LLM: bốn khoản bị tính tiền khi bạn gọi một mô hình

> Một hoá đơn API LLM chỉ có bốn khoản: token vào, token ra, cache đọc và cache ghi. Cách bóc bốn dòng tiền, phép tính và khi nào cache ghi hoàn vốn.

- URL: https://wisa.vn/blog/api-ai-llm
- Markdown: https://wisa.vn/blog/api-ai-llm.md
- Ngôn ngữ: vi
- Loại: post
- Xuất bản: 2026-10-29T06:12:00.000Z
- Cập nhật: 2026-10-31T06:51:59Z
- Tác giả: Đội ngũ WinSell (Product)
- Thời gian đọc: ~5 phút
- Từ khoá: api ai llm, cách tính tiền api llm, token vào token ra, cache read cache write
- cluster: chi-phi-va-gia
- targetQuery: api ai llm
- citations: OpenAI — bảng giá API (https://developers.openai.com/api/docs/pricing); Anthropic — cách đếm token (https://platform.claude.com/docs/en/build-with-claude/token-counting); Google — caching ngữ cảnh (https://ai.google.dev/gemini-api/docs/caching); Wisa — bảng giá token (https://wisa.vn/bang-gia-token)

---

Một hoá đơn API LLM có bốn khoản: token vào, token ra, token đọc cache và token ghi cache. Mỗi khoản một đơn giá riêng. Hiểu bốn dòng này là đủ để đọc bảng giá của mọi nhà cung cấp, và để thấy cùng một khối văn bản có thể ra hai hoá đơn chênh hơn 10 lần.

## Bốn khoản bị tính tiền trong một lần gọi

| Khoản | Đơn vị | Khi nào phát sinh | Ví dụ ở Claude Opus 5.5 |
| --- | --- | --- | --- |
| Token vào | 1 triệu token | Mỗi lượt, cho câu hỏi và tài liệu | 4.800đ |
| Token ra | 1 triệu token | Mỗi lượt, cho phần model sinh | 24.000đ |
| Đọc cache | 1 triệu token | Khi phần ngữ cảnh đã có trong cache | 240đ |
| Ghi cache | 1 triệu token | Lần đầu đưa một khối ngữ cảnh vào cache | 6.000đ |

Bốn dòng này độc lập. Một lượt có thể chỉ có hai dòng đầu, hoặc đủ cả bốn. Không có khoản thứ năm nào cho model văn bản: phí yêu cầu bằng 0 ở mọi model chat, chỉ model tạo ảnh mới có phí riêng cho mỗi ảnh.

Cùng bốn khoản đó, ở Gemini 3.8 Flash: 900đ vào, 4.500đ ra, 180đ đọc cache và 0đ ghi cache. Ở DeepSeek V4.1 Flash 1017: 720đ, 2.880đ, 72đ và 0đ. Ở GPT OSS 20B: 60đ, 216đ, 0đ và 0đ.

## Vì sao token ra đắt hơn token vào ở mọi nhà cung cấp

Sinh một token mới tốn nhiều phép tính hơn đọc một token đã có. Vì vậy giá ra luôn cao hơn giá vào, và tỉ lệ đó là một đặc điểm nhận dạng của từng họ model.

Trong 41 model chat có giá token, tỉ lệ thấp nhất là 2,7 lần ở Step 5 Preview và cao nhất là 8,33 lần ở Gemini 3.5 Flash Lite. Ở nhóm model tạo ảnh, Gemini 3.1 Flash Image là 120 lần, còn GPT Image 2.5 không có tỉ lệ vì cả hai giá token đều bằng 0. Nhóm Claude và GPT thường nằm ở 5 lần.

Con số này quyết định cách bạn viết yêu cầu. Nếu giá ra gấp 5 lần giá vào, một câu trả lời dài 1.000 token tốn bằng 5.000 token đầu vào. Yêu cầu model trả lời ngắn là cách giảm hoá đơn nhanh nhất, trước cả việc đổi model.

## Cache đọc và cache ghi khác nhau ở đâu

Cache đọc là phần ngữ cảnh bạn gửi lại và hệ thống đã có sẵn. Nó rẻ hơn đầu vào rất nhiều: 5 phần trăm ở Claude Opus 5.5, 20 phần trăm ở Gemini 3.8 Flash, 2,5 phần trăm ở Claude Fable 5.1. Trong 40 model có thu phí đọc cache, mức thấp nhất là 2,5 phần trăm ở Claude Fable 5.1; ba model còn lại là GPT OSS 20B, GPT OSS 120B và Gemini 3.1 Flash Image thu 0 phần trăm. Mức cao nhất là 60 phần trăm ở GPT-5.6 Luna.

Cache ghi là lần đầu đưa ngữ cảnh vào bộ nhớ đệm. Khoản này chỉ có ở một số họ. Claude và GPT thu 1,25 lần giá đầu vào, riêng Claude Sonnet 4.6 và Claude Sonnet 5 thu 2 lần. Gemini, DeepSeek, GLM, Kimi, Step, MiniMax, hai bản OSS và Grok 4.5, 4.7 thu 0đ.

Vì vậy câu "bật cache để tiết kiệm" chỉ đúng một nửa. Với họ thu tiền ghi, bạn trả trước một khoản và thu lại dần qua mỗi lần đọc. Với họ miễn phí ghi, lần đọc đầu tiên đã có lãi.

## Một tài liệu 20.000 token bóc thành bốn dòng tiền

Lấy một tài liệu 20.000 token, hỏi một lần, câu trả lời 700 token. Bảng dưới bóc hoá đơn của hai model theo đúng bốn khoản.

| Dòng tiền | Gemini 3.8 Flash | Claude Opus 5.5 |
| --- | --- | --- |
| Token vào 20.000 | 18 đồng | 96 đồng |
| Ghi cache 20.000 | 0 đồng | 120 đồng |
| Token ra 700 | 3,15 đồng | 16,8 đồng |
| Tổng lượt đầu | 21,15 đồng | 232,8 đồng |
| Đọc cache 20.000 | 3,6 đồng | 4,8 đồng |
| Tổng lượt sau, đã có cache | 6,75 đồng | 21,6 đồng |

Cùng một tài liệu, cùng một câu hỏi, lượt đầu chênh 11 lần. Sang lượt thứ hai, khoảng cách còn 3,2 lần vì Claude đã trả xong khoản ghi cache.

Phép tính cho cột Claude: (20.000 × 4,8 + 20.000 × 6 + 700 × 24) / 1.000.000 = (96.000 + 120.000 + 16.800) / 1.000.000 = 0,2328 CUBE, tức 232,8 đồng. Cột Gemini: (20.000 × 0,9 + 700 × 4,5) / 1.000.000 = 0,02115 CUBE, tức 21,15 đồng.

Điểm hoàn vốn của khoản ghi cache ở Claude Opus 5.5 là 1,32 lần đọc lại: ghi 120 đồng, mỗi lần đọc tiết kiệm 91,2 đồng so với gửi lại nguyên văn. Nếu tài liệu chỉ được hỏi một lần, khoản ghi là tiền mất. Nếu hỏi ba lần, nó đã có lãi.

## Cách đọc bảng giá của bất kỳ nhà cung cấp nào

Bạn chỉ cần bốn cột. Nếu bảng giá không có cột cache, mặc định là không có cache và mọi lượt tính theo giá vào. Nếu bảng giá ghi "input" và "output" mà không nói gì thêm, đó là hai khoản đầu.

Sau đó quy tất cả về cùng một đơn vị. Cách nhanh nhất là dựng một lượt chuẩn của bạn, ví dụ 2.000 token vào và 700 token ra, rồi tính tiền cho từng model. Bài [chi phí token AI](/blog/chi-phi-token-ai) làm đúng việc đó cho cả 41 model chat có giá token, và [giá API Gemini Flash](/blog/gia-api-gemini-flash) cho thấy ba bản Flash chênh nhau thế nào khi đổi tỉ lệ đầu ra.

Hai khái niệm nền nằm ở [API là gì](/tu-dien/api) và [token là gì](/tu-dien/token). Bảng giá hiện hành của Wisa ở [bảng giá token](/bang-gia-token).

## Giới hạn của cách bóc bốn dòng này

Cách bóc trên bỏ qua thời gian và chất lượng. Một model rẻ gấp 11 lần có thể chậm hơn hoặc trả lời sai nhiều hơn, và khoản chênh đó không nằm trong hoá đơn.

Nó cũng bỏ qua giới hạn ngữ cảnh. Tài liệu 20.000 token vừa mọi model, nhưng tài liệu 300.000 token chỉ vừa nhóm có ngữ cảnh một triệu token. Khi phải chia tài liệu thành nhiều lượt, số khoản bị tính tăng lên và phép tính ở trên không còn đúng.

Cuối cùng, giá trong bài đọc từ danh mục ngày 30/10/2026. Giá gốc của từng nhà cung cấp có thể khác giá bán của Wisa, và mọi mức chiết khấu cache đều có thể đổi theo phiên bản model.

## Câu hỏi thường gặp
### API LLM tính tiền theo gì?

Theo bốn khoản: token đầu vào, token đầu ra, token đọc từ cache và token ghi vào cache. Mỗi khoản có một đơn giá riêng tính trên một triệu token, và tổng bốn khoản nhân với giá niêm yết một CUBE ra số tiền phải trả.

### Token vào và token ra khác nhau thế nào?

Token vào là phần bạn gửi lên, gồm câu hỏi, tài liệu và chỉ dẫn hệ thống. Token ra là phần model sinh về. Ở mọi model chat trong danh mục Wisa, giá ra cao hơn giá vào, thường 5 lần và cao nhất 8,33 lần ở nhóm model văn bản.

### Cache đọc rẻ hơn đầu vào bao nhiêu phần trăm?

Tùy model. Claude Opus 5.5 tính 240đ một triệu token đọc cache so với 4.800đ đầu vào, tức 5 phần trăm. Gemini 3.8 Flash tính 180đ so với 900đ, tức 20 phần trăm. Claude Fable 5.1 thấp nhất trong nhóm 40 model có thu phí đọc cache, với 2,5 phần trăm; ba model GPT OSS 20B, GPT OSS 120B và Gemini 3.1 Flash Image đọc cache ở mức 0 phần trăm.

### Vì sao nhà cung cấp tính thêm tiền ghi cache?

Vì lần ghi đầu tiên phải xử lý và lưu phần ngữ cảnh lặp lại. Ở họ Claude và GPT khoản này bằng 1,25 đến 2 lần giá đầu vào. Ở Gemini, DeepSeek, GLM, Kimi, Step, MiniMax và hai bản OSS, khoản này bằng 0.

### Làm sao biết mình đang bị tính khoản nào?

Đọc dòng phân rã của từng lượt trong bảng sử dụng. Một lượt không có cache chỉ có hai khoản: vào và ra. Một lượt có tài liệu lặp lại sẽ có thêm khoản đọc cache, và lần đầu tiên gửi tài liệu đó sẽ có khoản ghi cache.

---

## Đường dẫn cho agent
- Bản HTML: https://wisa.vn/blog/api-ai-llm
- Mục lục Blog: https://wisa.vn/blog (markdown: https://wisa.vn/blog.md)
- Bản đồ site cho LLM: https://wisa.vn/llms.txt
- Toàn văn nội dung: https://wisa.vn/llms-full.txt
- Dữ liệu sản phẩm và bảng giá: https://wisa.vn/facts.json
- Sitemap: https://wisa.vn/sitemap.xml
- Quy tắc crawl: https://wisa.vn/robots.txt