Model nào rẻ mà tốt: mười bốn model dưới 5đ một lượt và ba model có số đo

14 trong 41 model chat có giá vào lớn hơn 0 nằm dưới 5 đồng một lượt chuẩn, rẻ nhất là 0,27 đồng và đắt nhất trong nhóm là 4,95 đồng. Nhưng chỉ 3 trong 14 model đó có số đo độ trễ và thông lượng, nên câu hỏi rẻ mà tốt chỉ trả lời được một phần.

Mười bốn model dưới 5 đồng một lượt, từ 0,27 đồng đến 4,95 đồng

Giá một lượt chuẩn ở đây là 2.000 token vào cộng 700 token ra, nhân với giá niêm yết mỗi triệu token. Trong 41 model chat có giá vào lớn hơn 0, có 14 model nằm dưới 5 đồng. Con số 41 loại những model không niêm yết giá vào, vì thiếu giá vào thì không dựng được một lượt chuẩn. Danh sách đầy đủ theo giá nằm ở model AI rẻ nhất 2026.

Model	Một lượt chuẩn	Có số đo?	Ghi chú
GPT OSS 20B	0,27 đồng	Không	Rẻ nhất nhóm
GPT 6 Luna	1,32 đồng	Không	Dưới 1,5 đồng
MiniMax M3.1 Flash	1,73 đồng	Không
Gemini 3.1 Flash Lite	1,86 đồng	Không	Trùng giá bản Preview
Gemini 3.1 Flash Lite Preview	1,86 đồng	Không
GLM 5.3 Flash	2,46 đồng	Không
Gemini 3.5 Flash Lite	2,82 đồng	Không
GPT 5.6 Luna	2,98 đồng	Không
DeepSeek V4.1 Flash	3,456 đồng	Có	213 mẫu
DeepSeek V4.1 Flash 1017	3,456 đồng	Có	4.660 mẫu
Gemini 3 Flash	3,72 đồng	Không	Trùng giá bản Preview
Gemini 3 Flash Preview	3,72 đồng	Không
DeepSeek V4 Flash 0731	4,33 đồng	Không
Gemini 3.8 Flash	4,95 đồng	Có	6.051 mẫu

Bốn hàng đầu rẻ hơn 2 đồng một lượt. Nhóm 3,456 đến 4,95 đồng đắt hơn hàng rẻ nhất 12,8 đến 18,3 lần, tính bằng 3,456 ÷ 0,27 và 4,95 ÷ 0,27, nhưng vẫn nằm dưới ngưỡng 5 đồng. Nói cách khác, toàn bộ nhóm này chênh nhau chưa tới 19 lần, một khoảng hẹp hơn nhiều so với khoảng cách giữa nhóm này và các model cao cấp.

Chỉ 3 trong 14 model đó có số đo, và cả 3 nằm ở nửa trên của nhóm

Ba model có số đo là DeepSeek V4.1 Flash, DeepSeek V4.1 Flash 1017 và Gemini 3.8 Flash. Mười một hàng còn lại chỉ có giá niêm yết. Số liệu đo tại gateway của Wisa, cửa sổ 7 ngày kết thúc 27/10/2026, với ngưỡng 20 mẫu cho mỗi hàng.

Đọc ba hàng đó theo thứ tự giá: DeepSeek V4.1 Flash có 213 mẫu, 35,03 token/giây, p50 11.581 ms và 0 phần trăm lượt lỗi. DeepSeek V4.1 Flash 1017 có 4.660 mẫu, 71,23 token/giây, p50 7.998 ms và 0,67 phần trăm lượt lỗi. Gemini 3.8 Flash có 6.051 mẫu, 42,57 token/giây, p50 10.181 ms và 0,48 phần trăm lượt lỗi.

Vì sao mười một hàng kia trống? Cột số đo cần lưu lượng thật chứ không cần giá. Model mới ra, model ít người gọi, hay model chỉ chạy vài giờ trong tuần đều có thể trượt ngưỡng 20 mẫu, dù chúng vẫn dùng được cho công việc. Ô trống ở cột số đo không phải lời cảnh báo về chất lượng, nó chỉ là thiếu mẫu.

Cùng 3,456 đồng, bản 1017 phát 71,23 token/giây so với 35,03 token/giây

Đây là cặp đáng so nhất trong nhóm vì hai bản dùng chung một bảng giá: 720đ mỗi triệu token vào và 2.880đ mỗi triệu token ra. Một lượt chuẩn tốn 3,456 đồng ở cả hai bản. Thứ lệch là tốc độ phát token, 71,23 so với 35,03 token/giây, tức 2,03 lần trên 4.660 và 213 mẫu.

Độ trễ trung vị lệch ít hơn tốc độ: p50 là 7.998 ms ở bản 1017 và 11.581 ms ở bản gốc. Nhưng số token ra trung vị cũng khác, 688 so với 396, nên bản 1017 vừa viết dài hơn vừa xong sớm hơn. Nếu chỉ đọc p50, bạn sẽ không thấy hết phần chênh.

Cùng giá mà tốc độ khác, kết luận phải có điều kiện. Nếu việc của bạn là sinh nội dung dài và có người ngồi chờ đọc, bản 1017 nên được thử trước. Nếu bạn đã có một tập kết quả chạy trên bản gốc và cần so với chính tập đó, đổi model sẽ làm lệch phép so, nên chốt tập đánh giá trước khi đổi. Định nghĩa họ DeepSeek nằm ở DeepSeek là gì.

Cách tự kiểm tra giá một lượt bằng phép chia

Phép kiểm rẻ nhất là dựng lại con số 3,456 đồng từ giá niêm yết. Phần vào: 2.000 token × 720đ ÷ 1.000.000 = 1,44 đồng. Phần ra: 700 token × 2.880đ ÷ 1.000.000 = 2,016 đồng. Cộng lại: 1,44 + 2,016 = 3,456 đồng. Nếu con số bạn tính ra khác, hãy kiểm lại đơn vị, vì bảng giá niêm yết theo triệu token còn một lượt thì tính theo token.

Phép kiểm thứ hai là mức chênh tốc độ: 71,23 ÷ 35,03 = 2,03 lần. Muốn so chi phí một kết quả dùng được thay vì chi phí một lượt, chia thêm cho (1 trừ tỉ lệ lỗi): 3,456 ÷ 0,9933 = 3,48 đồng cho bản 1017, và 4,95 ÷ 0,9952 = 4,97 đồng cho Gemini 3.8 Flash. Cách dựng công thức đó ở chi phí trên mỗi kết quả.

Rẻ hơn có kèm ít lỗi hơn không, và nên chọn gì khi viết tiếng Việt?

Không có quan hệ nào như vậy trong dữ liệu. Hàng rẻ nhất nhóm, GPT OSS 20B ở 0,27 đồng, chưa có số đo nên chưa nói được gì về tỉ lệ lỗi. Ba hàng có số đo lại nằm ở nửa trên của nhóm giá, và tỉ lệ lỗi của chúng chạy từ 0 đến 0,67 phần trăm, thấp nhưng không bằng nhau: bản 1017 cao hơn bản gốc dù cùng giá.

Với việc viết tiếng Việt, tiêu chí nên là ba cột cùng lúc: giá một lượt, tỉ lệ lỗi, và việc model giữ được văn phong bạn cần hay không. Cột thứ ba không có trong bất kỳ bảng nào ở đây, nên hãy dựng một tập 30 đến 50 câu hỏi tiếng Việt của chính bạn, chạy trên hai hoặc ba model rồi đọc kết quả. Nếu bạn cần một mốc so sánh ban đầu, model AI nào tốt nhất hiện nay có bảng xếp hạng theo nhóm việc. Bài model AI rẻ mà tốt xếp riêng nhóm dưới 5 đồng một lượt và giải thích cách đọc cột số đo.

Đoạn giới hạn: lời khuyên này hết đúng khi lưu lượng của bạn khác lưu lượng đã đo. Một lượt 20.000 token vào làm phần vào chiếm tỉ trọng lớn và có thể đảo thứ tự giá; một model rẻ có thể thành đắt hơn khi đầu ra dài. Con số 0,27 đồng chỉ đúng với lượt chuẩn 2.000 vào và 700 ra, không phải mức giá cố định cho mọi cách dùng. Hãy tính lại trên ba mẫu prompt thật của bạn trước khi chốt.

Để so tiếp, chuyên mục chọn và so sánh model gom các bài cùng cluster theo tiêu chí giá, độ trễ và chất lượng.