# Chi phí API AI gồm những gì: bốn khoản và mức giá thị trường

> Giá API trong 41 model chat có giá token trải từ 60đ đến 24.000đ một triệu token vào, tức 400 lần. Bốn khoản bị tính tiền, ba mức sử dụng và cách cắt chi phí.

- URL: https://wisa.vn/blog/chi-phi-api
- Markdown: https://wisa.vn/blog/chi-phi-api.md
- Ngôn ngữ: vi
- Loại: post
- Xuất bản: 2026-10-29T09:40:00.000Z
- Cập nhật: 2026-10-31T06:51:59Z
- Tác giả: Đội ngũ WinSell (Product)
- Thời gian đọc: ~6 phút
- Từ khoá: chi phí api, chi phí api ai, giá api rẻ nhất, bốn khoản chi phí api
- cluster: chi-phi-va-gia
- targetQuery: chi phí api
- citations: Wisa — bảng giá token (https://wisa.vn/bang-gia-token); AWS — bảng giá Bedrock (https://aws.amazon.com/bedrock/pricing/); Microsoft — danh mục model Azure OpenAI (https://learn.microsoft.com/en-us/azure/foundry/foundry-models/concepts/models-sold-directly-by-azure); Google — bảng giá Gemini API (https://ai.google.dev/gemini-api/docs/pricing)

---

Chi phí API AI gồm bốn khoản: token vào, token ra, đọc cache và ghi cache. Trong 41 model chat có giá token của Wisa, giá vào trải từ 60đ đến 24.000đ một triệu token, tức 400 lần. Nhưng khoản chi lớn nhất của phần lớn đội không nằm ở đơn giá mà ở việc gửi lại toàn bộ ngữ cảnh trong mỗi lần gọi.

## Bốn khoản cấu thành chi phí API

Token vào là phần bạn gửi lên: câu hỏi, tài liệu, chỉ dẫn hệ thống, lịch sử hội thoại. Đây là khoản lớn nhất ở các ứng dụng có ngữ cảnh dài.

Token ra là phần model sinh về. Giá ra cao hơn giá vào 5 lần ở 20 trong 43 model chat, nên một câu trả lời dài tốn kém hơn nhiều so với một tài liệu đầu vào cùng độ dài.

Đọc cache là phần ngữ cảnh đã nằm trong bộ nhớ đệm. Khoản này rẻ hơn đầu vào: mức thấp nhất trong 40 model có thu phí đọc cache là 2,5 phần trăm ở Claude Fable 5.1, còn GPT OSS 20B, GPT OSS 120B và Gemini 3.1 Flash Image thu 0 phần trăm.

Ghi cache là lần đầu đưa ngữ cảnh vào bộ nhớ đệm. Claude và GPT thu 1,25 đến 2 lần giá đầu vào; Gemini, DeepSeek, GLM, Kimi, Step, MiniMax và hai bản OSS thu 0 đồng.

## Dải giá thị trường trong 41 model chat có giá token: từ 60đ đến 24.000đ một triệu token

| Model | Vào | Ra | Tỉ lệ so với model rẻ nhất |
| --- | --- | --- | --- |
| GPT OSS 20B | 60đ | 216đ | 1 lần |
| Gemini 3.8 Flash | 900đ | 4.500đ | 15 lần |
| Claude Haiku 4.5 | 1.200đ | 6.000đ | 20 lần |
| GPT-6.1 Sol | 2.400đ | 12.000đ | 40 lần |
| Claude Opus 5.5 | 4.800đ | 24.000đ | 80 lần |
| Claude Fable 5.1 | 24.000đ | 120.000đ | 400 lần |

Cột cuối là phép chia giá vào cho 60. Khoảng cách 400 lần ở giá vào và 555,6 lần ở giá ra là con số lớn nhất trong bảng, và nó giải thích vì sao chọn model là quyết định chi phí lớn hơn chọn gói.

Nhưng đơn giá chỉ là một nửa câu chuyện. Một đội chạy Gemini 3.8 Flash với tài liệu 150.000 token mỗi lượt có thể tốn hơn một đội chạy Claude Opus 5.5 với câu hỏi 2.000 token, vì khối lượng token chênh 75 lần.

## Vì sao gửi lại ngữ cảnh là khoản chi lớn nhất

Mỗi lần gọi API là một lần gửi lại toàn bộ những gì model cần để trả lời. Nếu ứng dụng giữ ngữ cảnh, phần đó bao gồm chỉ dẫn hệ thống và toàn bộ lịch sử hội thoại.

Một chuỗi 20 lượt, mỗi lượt 300 token, có tổng token lịch sử gửi lại khoảng 60.000 token. Nếu chỉ tính câu hỏi cuối cùng 300 token, bạn đã bỏ sót 99,5 phần trăm khối lượng.

Chỉ dẫn hệ thống cũng cộng dồn theo cách đó. Một chỉ dẫn 500 token, gửi kèm 10.000 lượt một tháng, là 5.000.000 token đầu vào, tức 4.500 đồng với Gemini 3.8 Flash.

## Bảng chi phí tháng theo ba mức sử dụng

Giả định mỗi lượt 2.000 token vào và 700 token ra.

| Số lượt một tháng | Gemini 3.8 Flash | Claude Opus 5.5 |
| --- | --- | --- |
| 1.000 | 4.950 đồng | 26.400 đồng |
| 10.000 | 49.500 đồng | 264.000 đồng |
| 100.000 | 495.000 đồng | 2.640.000 đồng |

Phép tính: chi phí một lượt Gemini 3.8 Flash là 4,95 đồng, nhân với số lượt. Cùng cách đó với Claude Opus 5.5 ở 26,4 đồng một lượt.

Đội 5 người, mỗi người 440 lượt một tháng, là 2.200 lượt: 10.890 đồng với Gemini 3.8 Flash và 58.080 đồng với Claude Opus 5.5. Ở mức này, tiền token vẫn nhỏ hơn một bữa ăn của cả đội, nên câu hỏi đáng quan tâm là hạn mức chứ không phải hoá đơn.

## Độ trễ đi kèm mức giá

Số liệu đo tại gateway của Wisa trong cửa sổ 7 ngày kết thúc ngày 27/10/2026: Gemini 3.8 Flash có p50 10.181 ms trên 6.051 mẫu và 42,57 token/giây; GPT-6.1 Sol có p50 26.226 ms trên 214 mẫu và 35,54 token/giây. Độ trễ là thời gian hoàn tất toàn bộ yêu cầu.

Hai con số đó nói lên một điều: model đắt hơn chưa chắc nhanh hơn. GPT-6.1 Sol có p50 dài gấp 2,58 lần Gemini 3.8 Flash, nên chi phí thật của nó gồm cả thời gian chờ. Nếu bạn trả lương cho người ngồi chờ, phần đó có thể lớn hơn tiền token.

## Ba cách cắt chi phí mà không đổi nhà cung cấp

Cách một: bật cache cho tài liệu đọc lại. Với Claude Opus 5.5, đọc lại một tài liệu 150.000 token tốn 36 đồng thay vì 720 đồng. Điều kiện là tài liệu phải được đọc ít nhất hai lần.

Cách hai: cắt lịch sử hội thoại. Bắt đầu chuỗi mới khi chủ đề đổi, hoặc chỉ gửi lại vài lượt gần nhất thay vì toàn bộ. Khoản tiết kiệm thường lớn hơn mọi thay đổi model.

Cách ba: yêu cầu câu trả lời ngắn kèm giới hạn cụ thể. Vì giá ra gấp 5 lần giá vào, cắt một nửa độ dài đầu ra tiết kiệm tương đương cắt 2,5 lần khối lượng đầu vào.

Bài [bốn khoản bị tính tiền khi gọi API](/blog/api-ai-llm) đi vào từng dòng tiền; bài [cách tính chi phí API](/blog/cach-tinh-chi-phi-api) dựng công thức với số thay vào; bài [prompt caching giảm chi phí](/blog/prompt-caching-giam-chi-phi) so sánh mức chiết khấu cache giữa các họ model. Nếu bạn muốn bắt đầu từ mức giá thấp nhất, [API AI giá rẻ và cách tính chi phí](/blog/api-ai-gia-re-cach-tinh-chi-phi) làm phép tính đó. Hai bài [chi phí dùng AI](/blog/chi-phi-dung-ai) và [chi phí dùng Claude AI](/blog/chi-phi-dung-claude-ai) áp bức tranh này cho khối lượng của một người và của một quy trình đọc tài liệu.

## Giới hạn của bức tranh chi phí này

Bài này tính theo giá niêm yết 1.000đ một CUBE. Nếu bạn trả qua gói, đơn giá CUBE thấp hơn, nên hoá đơn thật thấp hơn bảng trên; mức thấp nhất là 666,53 đồng một CUBE ở gói Scale.

Bài này cũng bỏ qua ngưỡng giá mở rộng. Khi một yêu cầu vượt ngưỡng token của model, toàn bộ yêu cầu bị tính lại ở mức cao hơn, và một tài liệu rất lớn có thể làm hoá đơn nhảy bậc.

Cuối cùng, giá đọc từ bảng giá ngày 30/10/2026. Chi phí thật của một đội còn phụ thuộc vào cách họ viết prompt và cách ứng dụng giữ ngữ cảnh, hai thứ không nằm trong bảng giá. Bảng đầy đủ ở [bảng giá token](/bang-gia-token).

## Câu hỏi thường gặp
### Chi phí API AI gồm những khoản nào?

Bốn khoản: token đầu vào, token đầu ra, token đọc từ cache và token ghi vào cache. Model văn bản không có phí yêu cầu; model tạo ảnh có thêm phí cho mỗi lần gọi. Ngoài ra còn hạn mức và trần cuộn của gói.

### Giá API rẻ nhất và đắt nhất là bao nhiêu?

Trong 41 model chat có giá token của danh mục Wisa, GPT OSS 20B là 60đ một triệu token vào và 216đ đầu ra; Claude Fable 5.1 là 24.000đ đầu vào và 120.000đ đầu ra. Khoảng cách là 400 lần ở giá vào và 555,6 lần ở giá ra. Ba model tạo ảnh có bảng giá riêng theo lần gọi.

### Vì sao chi phí API tăng nhanh hơn số người dùng?

Vì mỗi lượt gửi lại toàn bộ ngữ cảnh, gồm chỉ dẫn hệ thống và lịch sử hội thoại. Số người dùng tăng tuyến tính, còn token mỗi lượt tăng theo độ dài chuỗi hội thoại, nên tổng chi phí tăng nhanh hơn.

### Chi phí API một tháng cho một đội 5 người là bao nhiêu?

Với 440 lượt mỗi người một tháng, tổng 2.200 lượt chuẩn 2.000 vào 700 ra: 10.890 đồng với Gemini 3.8 Flash và 58.080 đồng với Claude Opus 5.5. Đó là tiền token theo giá niêm yết, chưa tính gói.

### Có cách nào giảm chi phí API ngay không?

Ba cách không cần đổi model: bật cache cho tài liệu đọc lại, cắt lịch sử hội thoại ở mỗi lượt, và yêu cầu câu trả lời ngắn. Cả ba đều tác động vào token chứ không vào đơn giá, nên hiệu quả tức thì.

---

## Đường dẫn cho agent
- Bản HTML: https://wisa.vn/blog/chi-phi-api
- 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