Cách tính chi phí API AI: công thức bốn dòng và ba ví dụ thật

Chi phí một lần gọi API bằng bốn phép nhân cộng lại: token vào, token ra, token đọc cache và token ghi cache, mỗi dòng chia một triệu rồi nhân đơn giá. Một email 600 token vào và 300 token ra bằng Gemini 3.8 Flash tốn 1,89 đồng. Viết đúng công thức này thì dự toán cả tháng chỉ còn là một phép nhân.

Công thức bốn dòng và ý nghĩa từng dòng

Dòng một: token vào ÷ 1.000.000 × giá vào. Đây là phần bạn gửi lên, gồm câu hỏi, tài liệu, chỉ dẫn hệ thống và lịch sử hội thoại.

Dòng hai: token ra ÷ 1.000.000 × giá ra. Đây là phần model sinh về. Ở mọi model văn bản trong danh mục, giá ra cao hơn giá vào, thường 5 lần.

Dòng ba: token đọc cache ÷ 1.000.000 × giá đọc cache. Phát sinh khi phần ngữ cảnh đã nằm trong bộ nhớ đệm từ lần gửi trước.

Dòng bốn: token ghi cache ÷ 1.000.000 × giá ghi cache. Phát sinh ở lần đầu đưa một khối ngữ cảnh vào bộ nhớ đệm, và chỉ có ở một số họ model.

Cộng bốn dòng ra số CUBE, nhân 1.000 ra số đồng vì mỗi CUBE niêm yết 1.000đ. Không có dòng thứ năm cho model văn bản: phí yêu cầu bằng 0 ở mọi model chat.

Ba ví dụ: một email, một hợp đồng 300 trang, một tháng làm việc

Dòng tiền	Email 600 vào, 300 ra, Gemini 3.8 Flash	Hợp đồng 150.000 vào, 2.000 ra, Claude Opus 5.5	440 lượt, GPT-6.1 Sol
Token vào	0,54 đồng	720 đồng	2.112 đồng
Token ra	1,35 đồng	48 đồng	3.696 đồng
Đọc cache	0 đồng	0 đồng	0 đồng
Ghi cache	0 đồng	0 đồng	0 đồng
Tổng	1,89 đồng	768 đồng	5.808 đồng

Phép tính cột một: 600 × 900 ÷ 1.000.000 = 0,54 đồng; 300 × 4.500 ÷ 1.000.000 = 1,35 đồng. Tổng 1,89 đồng.

Cột hai: 150.000 × 4.800 ÷ 1.000.000 = 720 đồng; 2.000 × 24.000 ÷ 1.000.000 = 48 đồng. Tổng 768 đồng. Một hợp đồng 300 trang đắt gấp 406 lần một email, chủ yếu vì khối lượng đầu vào.

Cột ba: 440 lượt × 2.000 token = 880.000 token vào, nhân 2.400 ÷ 1.000.000 = 2.112 đồng; 440 × 700 = 308.000 token ra, nhân 12.000 ÷ 1.000.000 = 3.696 đồng. Tổng 5.808 đồng.

Cách đọc bảng giá của nhà cung cấp để lấy đơn giá

Bảng giá thường có hai cột chính: input và output, tính trên một triệu token. Đó là hai dòng đầu của công thức. Nếu bảng không có cột cache, mặc định không có cache và hai dòng sau bằng 0.

Nếu bảng có cột cache read và cache write, hãy đọc kỹ đơn vị. Một số bảng ghi tỉ lệ phần trăm so với giá vào thay vì ghi số tuyệt đối. Khi đó phải nhân với giá vào trước rồi mới đưa vào công thức.

Bước cuối là quy tất cả về cùng một đơn vị. Nếu bạn tính bằng CUBE, giữ nguyên đơn giá CUBE. Nếu bạn tính bằng đồng, nhân với 1.000. Không trộn hai đơn vị trong cùng một bảng.

Sai số thường gặp: bỏ token hệ thống và token lịch sử

Đây là nguyên nhân số một làm hoá đơn cao hơn dự toán. Chỉ dẫn hệ thống 500 token, gửi kèm 1.000 lượt một tháng, là 500.000 token đầu vào, tức 450 đồng với Gemini 3.8 Flash. Con số này thường bị bỏ hoàn toàn khi dự toán.

Lịch sử hội thoại lớn hơn nhiều. Một chuỗi 20 lượt, mỗi lượt thêm 300 token, có tổng token gửi lại theo cấp số cộng: lượt cuối gửi gần 6.000 token lịch sử. Cả chuỗi tốn khoảng 60.000 token lịch sử, gấp 200 lần một câu hỏi đơn lẻ.

Cách kiểm tra rất đơn giản: so token vào trong bảng sử dụng với độ dài câu hỏi bạn gõ. Nếu token vào lớn gấp nhiều lần, phần chênh là hệ thống và lịch sử.

Cách kiểm tra lại bằng hoá đơn thật

Chọn một ngày, cộng chi phí của mọi lượt trong ngày đó theo công thức, rồi so với số CUBE bị trừ trong bảng sử dụng. Nếu lệch dưới 5 phần trăm, công thức của bạn đúng và có thể dùng để dự toán tháng.

Nếu lệch nhiều hơn, kiểm ba chỗ theo thứ tự: token vào thực tế so với ước tính, sự có mặt của dòng ghi cache, và việc model có bị tính giá mở rộng do vượt ngưỡng hay không. Ngưỡng mở rộng áp cho cả yêu cầu khi tổng token vượt mức của model, nên một tài liệu lớn có thể bị tính lại toàn bộ ở mức cao hơn.

Bài chi phí token AI áp công thức này cho cả danh mục; bài API AI giá rẻ và cách tính chi phí đi vào các lựa chọn rẻ; bài token là gì trong ChatGPT có bảng ước lượng token cho năm loại văn bản; khái niệm gốc ở token là gì.

Giới hạn của công thức bốn dòng

Công thức này tính tiền, không tính thời gian và chất lượng. Một model rẻ hơn 5 lần có thể chậm hơn 3 lần, và khoản chênh đó không nằm trong bốn dòng.

Công thức cũng giả định bạn đếm đúng token. Nếu bạn ước lượng token bằng số từ, sai số có thể tới vài chục phần trăm với văn bản tiếng Việt, đặc biệt khi có bảng biểu.

Cuối cùng, giá đọc từ bảng giá ngày 30/10/2026. Khi nhà cung cấp đổi giá, chỉ cần thay đơn giá trong công thức; cấu trúc bốn dòng không đổi. Bảng giá đầy đủ ở bảng giá token; bài chi phí API đặt bốn dòng này vào bức tranh toàn bộ hoá đơn.