Giá API DeepSeek: hai mức giá và cache ghi miễn phí

DeepSeek V4.1 Flash có giá 720đ cho một triệu token đầu vào và 2.880đ cho đầu ra. DeepSeek V4 Flash 0731 có giá 1.056đ và 3.168đ. Cả hai đều ghi cache miễn phí, nên lần đọc thứ hai chỉ còn 10 phần trăm chi phí lần đầu.

Hai mức giá, ba model

Model	Vào	Ra	Đọc cache	Ghi cache	Ngữ cảnh
DeepSeek V4.1 Flash	720đ	2.880đ	72đ	0đ	1.000.000 token
DeepSeek V4.1 Flash 1017	720đ	2.880đ	72đ	0đ	1.000.000 token
DeepSeek V4 Flash 0731	1.056đ	3.168đ	105,6 đồng	0đ	1.000.000 token

Bảng đọc theo giá lẻ 1 CUBE = 1.000đ, ảnh chụp ngày 30/10/2026. Trang bảng giá token giữ con số hiện hành.

Hai model đầu bảng khác nhau ở hậu tố 1017, không khác ở giá. Chúng là hai đường phục vụ cho cùng một mức giá, và phần sau của bài cho thấy chúng khác nhau rõ ở tốc độ đo được. Nếu bạn chỉ nhìn bảng giá, hai dòng này trông giống hệt nhau.

Mức 720đ đặt DeepSeek vào nhóm kinh tế. Trên giá vào, nó đứng thứ mười một trong các model chat có giá vào khác 0, sau mười mức 60đ, 240đ, 300đ, 300đ, 360đ, 360đ, 480đ, 600đ, 600đ và 600đ. Mức 1.056đ đưa bản 0731 sang nhóm cân bằng, gần Claude Haiku 4.5 ở 1.200đ.

Một lượt hỏi: 3,456 đồng hoặc 4,33 đồng

DeepSeek V4.1 Flash:

• Đầu vào: 2.000 ÷ 1.000.000 × 720 = 1,44 đồng
• Đầu ra: 700 ÷ 1.000.000 × 2.880 = 2,016 đồng
• Tổng: 3,456 đồng

DeepSeek V4 Flash 0731:

• Đầu vào: 2.000 ÷ 1.000.000 × 1.056 = 2,112 đồng
• Đầu ra: 700 ÷ 1.000.000 × 3.168 = 2,2176 đồng
• Tổng: 4,3296 đồng, làm tròn 4,33 đồng

Chênh lệch 0,87 đồng cho một lượt. Với 10.000 lượt mỗi tháng, khoản chênh là 8.700 đồng. Con số đủ nhỏ để chất lượng quyết định thay vì giá, nếu hai bản thật sự khác nhau về chất lượng.

Cache ghi 0đ đổi bài toán tài liệu

Ghi cache 0đ nghĩa là bạn không trả thêm gì khi hệ thống tạo bản ghi cho phần đầu vào. Khoản tiết kiệm đến hoàn toàn ở lần đọc sau: 72đ thay vì 720đ một triệu, tức 10 phần trăm. Cách bốn khoản này ghép thành một hoá đơn được giải thích ở cấu trúc giá của một LLM API.

Với một tài liệu 20.000 token, lần đầu tốn 14,4 đồng. Mỗi lần đọc lại tốn 1,44 đồng. Không có khoản trả trước, nên không có điểm hoà vốn: lần đọc thứ hai đã rẻ hơn 90 phần trăm so với đọc thẳng.

Đây là khác biệt lớn so với nhóm thu tiền ghi cache. Claude Opus 5.5 ghi 6.000đ một triệu và đọc lại 240đ, cần 1,32 lần đọc lại để hoàn khoản ghi. DeepSeek không cần điều kiện nào. Với quy trình đọc nhiều tài liệu một lần, lợi thế này quan trọng hơn chênh lệch giá niêm yết.

Đọc lặp một tài liệu 50 trang

Số lần đọc	DeepSeek V4.1 Flash, có cache	Không cache	DeepSeek V4 Flash 0731, có cache
1 lần	36 đồng	36 đồng	52,8 đồng
5 lần	50,4 đồng	180 đồng	73,92 đồng
10 lần	68,4 đồng	360 đồng	100,32 đồng

Cách đọc bảng: tài liệu 50 trang ước tính 50.000 token. Lần đọc đầu của DeepSeek V4.1 Flash tốn 36 đồng, mỗi lần sau 3,6 đồng. Năm lần là 36 + 4 × 3,6 = 50,4 đồng. Mười lần là 36 + 9 × 3,6 = 68,4 đồng.

Không dùng cache thì mỗi lần đều 36 đồng, mười lần là 360 đồng. Chênh 291,6 đồng cho một tài liệu, và khoản chênh này không đòi hỏi cấu hình gì thêm: cache tự hoạt động khi phần đầu vào lặp lại trong cửa sổ thời gian của hệ thống.

Với bản 0731, lần đầu 52,8 đồng và mỗi lần sau 5,28 đồng. Mười lần là 100,32 đồng, so với 528 đồng nếu không có cache.

Độ trễ: cùng giá nhưng khác tốc độ

Đây là phần bảng giá không cho biết. Phần độ trễ lấy từ số liệu đo tại gateway của Wisa trong cửa sổ 7 ngày kết thúc ngày 27/10/2026:

Model	Số mẫu	p50	p95	p99	Tốc độ
DeepSeek V4.1 Flash 1017	4.660	7.998 ms	27.807 ms	63.460 ms	71,23 token/giây
DeepSeek V4.1 Flash	213	11.581 ms	74.224 ms	194.521 ms	35,03 token/giây

Hai model cùng giá nhưng p50 của đường 1017 thấp hơn khoảng 3,6 giây và tốc độ chênh hơn hai lần. Số mẫu cũng chênh 22 lần, nên phần lớn lưu lượng thật đi qua đường 1017. Nếu bạn phải chọn một trong hai mà không có lý do khác, chọn đường có nhiều mẫu hơn và p50 thấp hơn.

Tốc độ 71,23 token/giây cũng là mức cao nhất trong sáu model có số liệu của cửa sổ đo. Với một câu trả lời 700 token, thời gian sinh chữ khoảng 9,8 giây, cộng thời gian chờ trước khi token đầu tiên xuất hiện.

Giới hạn: khi nào DeepSeek không đủ

Ba tình huống nên cân nhắc model khác. Thứ nhất, việc cần suy luận nhiều bước với dữ liệu rối: model rẻ thường bỏ qua bước kiểm tra, và một kết luận sai tốn hơn nhiều so với khoản chênh 22,94 đồng giữa Claude Opus 5.5 ở 26,4 đồng và DeepSeek V4.1 Flash ở 3,456 đồng cho cùng một lượt 2.000 token vào và 700 token ra: 26,4 − 3,456 = 22,944 đồng. Thứ hai, việc cần văn phong tiếng Việt chỉn chu cho khách hàng: nhóm premium viết mượt hơn ở các đoạn dài. Thứ ba, việc cần đọc ảnh hoặc bảng biểu phức tạp, nơi model đa phương thức có lợi thế.

Với hai tình huống đầu, cách làm hợp lý là chia bước: DeepSeek làm bước trích xuất và phân loại, model đắt làm bước viết và kiểm tra. Chi phí tổng thường thấp hơn dùng một model đắt cho tất cả.

Bài DeepSeek V4.1 Flash giá API đi riêng vào một model, còn chi phí token Gemini và chi phí token AI đặt DeepSeek cạnh các lựa chọn khác trong cùng phép tính. Giá API key giải thích vì sao không có khoản phí cho bản thân key.

Giới hạn của bài này

Giá và số đo trong bài là ảnh chụp ngày 30/10/2026, cửa sổ 7 ngày. Danh mục 46 model có thể đổi, và một dòng giá đổi sẽ làm lệch mọi phép tính ở đây.

Chúng tôi không có phép đo chất lượng công khai cho DeepSeek, nên mọi nhận định về "đủ năng lực" hay "không đủ" là kinh nghiệm vận hành, không phải kết quả benchmark. Cách kiểm tra đáng tin nhất là chạy 20 câu hỏi thật của bạn trên cả hai bản và đọc kết quả, với chi phí dưới 160 đồng.