# Phí token gồm những gì: bốn dòng tiền và ba khoản bị bỏ sót

> Bốn dòng tiền trên hoá đơn và ba khoản ẩn trong dòng token vào. Ví dụ bóc hoá đơn 10 triệu token, tỉ lệ vào trên ra và cách đặt cảnh báo.

- URL: https://wisa.vn/blog/phi-token
- Markdown: https://wisa.vn/blog/phi-token.md
- Ngôn ngữ: vi
- Loại: post
- Xuất bản: 2026-10-29T04:30:00.000Z
- Cập nhật: 2026-10-31T06:52:02Z
- Tác giả: Đội ngũ WinSell (Product)
- Thời gian đọc: ~6 phút
- Từ khoá: phí token, bốn dòng phí token, token hệ thống, kiểm tra phí token
- cluster: chi-phi-va-gia
- targetQuery: phí token
- citations: Wisa — bảng giá token (https://wisa.vn/bang-gia-token); Anthropic — prompt caching (https://platform.claude.com/docs/en/build-with-claude/prompt-caching); Google — đếm token (https://ai.google.dev/gemini-api/docs/tokens); OpenAI — prompt caching (https://developers.openai.com/api/docs/guides/prompt-caching)

---

Phí token trên hoá đơn chỉ có bốn dòng: token vào, token ra, đọc cache và ghi cache. Ba khoản làm hoá đơn cao hơn dự toán đều nằm trong dòng token vào: prompt hệ thống gửi lặp, ghi cache mỗi lần tạo mới, và token của lần thử lại. Một hoá đơn 10 triệu token vì vậy chênh 27.000 đồng giữa hai model.

## Bốn dòng tiền của phí token

| Dòng | GPT-6.1 Sol | Claude Opus 5.5 | Gemini 3.8 Flash |
| --- | --- | --- | --- |
| Token vào, một triệu | 2.400đ | 4.800đ | 900đ |
| Token ra, một triệu | 12.000đ | 24.000đ | 4.500đ |
| Đọc cache, một triệu | 120đ | 240đ | 180đ |
| Ghi cache, một triệu | 3.000đ | 6.000đ | 0đ |

Dòng thứ nhất là phần bạn gửi lên. Dòng thứ hai là phần model sinh ra, và ở ba model trong bảng nó đắt đúng 5 lần dòng thứ nhất. Dòng thứ ba áp khi một đoạn prompt đã được ghi cache và được đọc lại. Dòng thứ tư áp khi cache được tạo mới.

Cột Gemini 3.8 Flash có ghi cache bằng 0đ, nghĩa là bạn không trả tiền để tạo cache. Điều đó không có nghĩa là cache miễn phí: bạn vẫn trả giá đọc cache khi dùng lại, và giá đó là 180đ một triệu token, tức 20 phần trăm giá vào.

## Ba khoản bị bỏ sót và cách chúng ẩn vào dòng token vào

Khoản thứ nhất là prompt hệ thống gửi lặp. Một prompt hệ thống 800 token, chạy 4.000 lượt mỗi tháng, tạo ra 800 × 4.000 = 3,2 triệu token vào. Với Claude Opus 5.5, phần này tốn 3,2 × 4.800 = 15.360 đồng. Với Gemini 3.8 Flash, nó tốn 3,2 × 900 = 2.880 đồng.

Khoản thứ hai là ghi cache. Claude Opus 5.5 tính 6.000đ một triệu token ghi cache. Một lần ghi 150.000 token tốn 0,15 × 6.000 = 900 đồng. Nếu bạn sửa prompt mỗi lượt, cache không trúng và lần nào cũng là lần ghi mới: 4.000 lượt × 900 đồng = 3.600.000 đồng, lớn hơn cả tiền token thật.

Khoản thứ ba là thử lại. Mỗi lần thử lại gửi lại toàn bộ prompt và tính lại toàn bộ token của yêu cầu, không chỉ phần bị lỗi. Tỉ lệ thử lại 5 phần trăm làm hoá đơn tăng khoảng 5 phần trăm, và tỉ lệ 20 phần trăm làm tăng 20 phần trăm.

Ba khoản này không hiện trên bảng giá vì bảng giá chỉ có bốn dòng đơn giá. Chúng hiện trên hoá đơn vì hoá đơn tính theo token thật.

## Ví dụ bóc một hoá đơn 10 triệu token

Giả sử hoá đơn ghi 8 triệu token vào và 2 triệu token ra, không có cache. Với GPT-6.1 Sol: 8 × 2.400 = 19.200 đồng, cộng 2 × 12.000 = 24.000 đồng, tổng 43.200 đồng. Với Gemini 3.8 Flash: 8 × 900 = 7.200 đồng, cộng 2 × 4.500 = 9.000 đồng, tổng 16.200 đồng.

Chênh lệch 43.200 − 16.200 = 27.000 đồng cho cùng 10 triệu token. Đó là chênh lệch do chọn model, không do dùng nhiều hơn.

Nếu hoá đơn của bạn ghi 4 triệu vào và 6 triệu ra, cơ cấu đổi hẳn. Với GPT-6.1 Sol: 4 × 2.400 = 9.600 đồng, cộng 6 × 12.000 = 72.000 đồng, tổng 81.600 đồng. Cùng 10 triệu token nhưng đắt gần gấp đôi, vì token ra đắt gấp 5 lần token vào.

## Cách kiểm tra tỉ lệ token vào trên token ra

Tỉ lệ này là công cụ chẩn đoán nhanh nhất. Với việc đọc tài liệu, tỉ lệ 4 trên 1 là bình thường: bạn gửi tài liệu dài và nhận câu trả lời ngắn. Với việc viết, tỉ lệ 1 trên 1 là bình thường: bạn gửi yêu cầu ngắn và nhận bài dài.

Tỉ lệ 10 trên 1 thường là dấu hiệu của một pipeline RAG gửi quá nhiều ngữ cảnh. Nó không sai, nhưng chi phí tăng nhanh và bạn nên kiểm tra xem có đoạn nào bị gửi lặp.

Tỉ lệ dưới 1 trên 1 là dấu hiệu bất thường với hầu hết công việc. Nó có thể do câu trả lời quá dài, do model sinh lặp, hoặc do bạn đang dùng một prompt yêu cầu giải thích rất chi tiết.

Số liệu độ trễ giúp đặt ngưỡng thử lại. Phần chờ lấy từ 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 và p95 27.344 ms với 6.051 mẫu; GPT-6.1 Sol có p50 26.226 ms và p95 125.749 ms với 214 mẫu. Tốc độ sinh token là 42,57 token/giây và 35,54 token/giây.

Nếu bạn đặt timeout thấp hơn p95, khoảng 5 phần trăm yêu cầu sẽ bị cắt và phải thử lại. Mỗi lần thử lại là một lần trả tiền, nên timeout quá chặt lại làm tăng phí.

## Cách đặt cảnh báo trước khi phí vượt dự toán

Cảnh báo thứ nhất là số lượt mỗi ngày. Lấy số lượt trung bình nhân 1,5 làm trần, và báo khi vượt 80 phần trăm trần.

Cảnh báo thứ hai là tỉ lệ token vào trên token ra. Nếu tỉ lệ lệch quá 50 phần trăm so với tháng trước, kiểm tra pipeline trước khi kiểm tra giá.

Cảnh báo thứ ba là số lần ghi cache. Nếu số lần ghi xấp xỉ số lượt, prompt của bạn đang thay đổi mỗi lần và cache không trúng.

Cảnh báo thứ tư là số lần thử lại. Đặt ngưỡng 2 phần trăm, vì trên mức đó chi phí thử lại bắt đầu đáng kể so với tiền token thật.

Bài [chi phí mua token](/blog/chi-phi-mua-token) dựng dòng ngân sách 12 tháng; bài [bốn khoản bị tính tiền khi gọi API](/blog/api-ai-llm) giải thích từng dòng; bài [cách tính chi phí API](/blog/cach-tinh-chi-phi-api) có công thức đầy đủ; bài [hoá đơn dịch vụ AI](/blog/hoa-don-ai) nói về chứng từ; bài [bảng giá AI](/blog/bang-gia-ai) hướng dẫn đọc bốn cột. Bảng giá ở [bảng giá token](/bang-gia-token).

## Giới hạn của bài này

Bài này giả định không có token đọc cache trong ví dụ 10 triệu token. Nếu pipeline của bạn dùng cache nhiều, phần đọc cache thay thế một phần token vào và tổng tiền giảm, nhưng cấu trúc bốn dòng không đổi.

Bài cũng không tính phí theo yêu cầu của model tạo ảnh. GPT Image 2 tính 0,3 CUBE một ảnh, tức 300đ một ảnh, và khoản đó nằm ngoài bốn dòng token.

Cuối cùng, giá và số đo trong bài là ảnh chụp ngày 30/10/2026, cửa sổ benchmark kết thúc ngày 27/10/2026. Cả hai có thể đổi, nên đọc lại trang giá và tệp benchmark trước khi chốt dự toán.

## Câu hỏi thường gặp
### Phí token gồm những khoản nào?

Bốn dòng: token vào, token ra, đọc cache và ghi cache. Model tạo ảnh có thêm phí theo yêu cầu. Mọi khoản khác trên hoá đơn đều là biến thể của bốn dòng này.

### Vì sao hoá đơn cao hơn dự toán?

Ba nguyên nhân thường gặp: prompt hệ thống dài được gửi lại mỗi lượt, ghi cache bị tạo mới liên tục, và các lần thử lại tính lại toàn bộ token. Cả ba đều nằm trong dòng token vào nên không thấy khi đọc bảng giá.

### Token hệ thống có bị tính phí không?

Có. Prompt hệ thống là token vào và bị tính như mọi token khác. Với 800 token hệ thống và 4.000 lượt mỗi tháng, bạn trả cho 3,2 triệu token, tức 15.360 đồng trên Claude Opus 5.5 và 2.880 đồng trên Gemini 3.8 Flash.

### Ghi cache có làm tăng phí không?

Có, nếu model tính tiền ghi cache. Claude Opus 5.5 tính 6.000đ một triệu token ghi cache; ghi 150.000 token tốn 900 đồng mỗi lần tạo mới. Nếu bạn thay đổi prompt mỗi lượt, cache không trúng và khoản này lặp lại.

### Làm sao kiểm tra phí token có bất thường?

So tỉ lệ token vào trên token ra, số lần thử lại và số lần ghi cache với tháng trước. Nếu số lượt không tăng mà tiền tăng, nguyên nhân nằm ở độ dài câu trả lời hoặc cache, không nằm ở giá.

---

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