# Prompt caching: đọc lại cùng tài liệu rẻ hơn 95%

> Đọc lại cùng một tài liệu rẻ hơn 95%: GPT 6.1 SOL tính 0,12 CUBE thay vì 2,4 CUBE. Cách dùng cache, điểm hoà vốn và bẫy bậc giá 272.000 token.

- URL: https://wisa.vn/blog/prompt-caching-giam-chi-phi
- Markdown: https://wisa.vn/blog/prompt-caching-giam-chi-phi.md
- Ngôn ngữ: vi
- Loại: post
- Xuất bản: 2026-10-27T16:00:00.000Z
- Cập nhật: 2026-10-27T13:35:38Z
- Tác giả: Đội ngũ WinSell (Product)
- Thời gian đọc: ~6 phút
- Từ khoá: prompt caching là gì, cache token, giảm chi phí token, đọc lại tài liệu rẻ hơn, cache read giá bao nhiêu

---

Một tài liệu 250.000 token dán vào năm câu hỏi khác nhau bị tính tiền năm lần. Prompt caching là cơ chế để lần thứ hai đến lần thứ năm chỉ trả 5% đến 10% giá thường, và đây là khoản tiết kiệm lớn nhất mà một người dùng bình thường có thể tự bật, không cần đổi quy trình.

## Cơ chế trong một đoạn

Khi bạn gửi một prompt dài, nhà cung cấp phải chuyển toàn bộ văn bản thành token và tính toán trạng thái bên trong cho từng token. Bước đó tốn thời gian và tính toán, và kết quả giống nhau mỗi lần nếu prompt giống nhau.

Cache lưu trạng thái đó lại. Lần gọi sau, nếu phần đầu của prompt trùng khớp, hệ thống đọc lại trạng thái đã lưu thay vì tính lại. Bạn trả một khoản nhỏ cho việc đọc, thay vì trả đủ cho việc tính.

Ba điều kiện để cache có tác dụng:

- Phần đầu prompt phải trùng khớp từng ký tự. Thêm một dòng ở đầu là mất cache.
- Prompt phải đủ dài. Với câu hỏi 500 token, cache không đáng bận tâm.
- Phải dùng lại trong thời hạn cache còn sống, thường 5 phút hoặc 1 giờ tuỳ mức bạn chọn.

## Giá đọc lại của từng model

| Model | Giá vào | Giá đọc cache | Rẻ hơn |
| --- | --- | --- | --- |
| Claude Fable 5.1 | 24 | 0,6 | 97,5% |
| Claude Opus 5.5 | 4,8 | 0,24 | 95% |
| GPT 6.1 SOL | 2,4 | 0,12 | 95% |
| Claude Sonnet 5.5 | 2,4 | 0,24 | 90% |
| GPT 5.6 SOL | 4,8 | 0,48 | 90% |
| GPT 6 Astra | 12 | 1,2 | 90% |
| Gemini 3 Flash | 0,6 | 0,06 | 90% |
| DeepSeek V4.1 Flash | 0,54 | 0,054 | 90% |
| Claude Haiku 4.5 | 1,2 | 0,12 | 90% |
| MiniMax M3.1 Flash | 0,36 | 0,036 | 90% |
| Step 5 Preview | 2,4 | 0,24 | 90% |
| Gemini 3.8 Flash | 0,9 | 0,18 | 80% |
| Kimi K3 | 3,6 | 0,72 | 80% |
| Grok 4.7 | 2,4 | 0,6 | 75% |
| GLM 5.3 | 3,36 | 1,248 | 63% |
| MiniMax M3 | 1,44 | 0,576 | 60% |
| GPT 6 Luna | 0,24 | 0,12 | 50% |
| GPT OSS 20B | 0,06 | không có | 0% |
| GPT OSS 120B | 1,2 | không có | 0% |

Hai dòng cuối là hai dòng dễ gây hiểu lầm. GPT OSS 20B và GPT OSS 120B không có giá đọc cache trong hệ thống Wisa, nên mỗi lần dán tài liệu là mỗi lần trả đủ. Với hai model này, cách tiết kiệm duy nhất là gửi ít token hơn.

Bảng đầy đủ 42 model ở [bảng quy đổi token](/bang-gia-token).

## Ghi tốn thêm 25%, đọc rẻ 90%

Cache không miễn phí ở bước đầu. Ghi cache 5 phút tính 1,25 lần giá token vào; ghi cache 1 giờ tính gấp đôi. Với GPT 6.1 SOL, ghi cache là 3 CUBE một triệu token so với 2,4 CUBE giá thường.

Bài toán hoà vốn, tính theo một đơn vị tài liệu:

- Không cache, n lần dùng: n lần giá đầy đủ.
- Có cache: 1,25 lần cho lần ghi, cộng 0,1 lần cho mỗi lần đọc, tức 1,25 + 0,1n.

Cho hai vế bằng nhau: n = 1,39. Nghĩa là từ lần đọc thứ hai, cache đã có lợi. Không cần mười lần, không cần năm lần. Một lần hỏi thêm là đủ.

Với Gemini 3 Flash, phép tính còn dễ hơn: giá ghi cache bằng 0 trong bảng giá hiện tại, nên mọi lần đọc lại đều rẻ hơn 90% mà không có chi phí ban đầu.

## Ví dụ thật: hợp đồng 250.000 token, năm câu hỏi

Chọn GPT 6.1 SOL vì đây là model có mức giá cache rõ nhất. Tài liệu 250.000 token, dưới ngưỡng 272.000 nên vẫn ở bậc một.

**Không cache.** Năm lần gửi đầy đủ: 5 × 250.000 ÷ 1.000.000 × 2,4 = 3 CUBE, tức 3.000đ.

**Có cache.** Ghi một lần: 250.000 ÷ 1.000.000 × 3 = 0,75 CUBE. Bốn lần đọc: 4 × 250.000 ÷ 1.000.000 × 0,12 = 0,12 CUBE. Tổng 0,87 CUBE, tức 870đ.

Tiết kiệm 71% cho cùng năm câu trả lời. Nếu hỏi hai mươi câu, chênh lệch thành 12 CUBE so với 1,35 CUBE, tức gần 9 lần.

Cùng phép tính với Gemini 3 Flash: không cache 5 × 0,15 = 0,75 CUBE; có cache 0 + 4 × 250.000 ÷ 1.000.000 × 0,06 = 0,06 CUBE. Từ 750đ xuống 60đ.

## Cache không cứu bạn khỏi bậc giá thứ hai

Đây là điểm mà hầu hết bài viết về cache bỏ qua, và nó có thật trong cách hệ thống tính tiền của Wisa: kích thước ngữ cảnh dùng để chọn bậc giá bằng tổng token đầu vào, token đọc cache và token ghi cache.

Nghĩa là nếu cuộc hội thoại của bạn dài 280.000 token, bạn vẫn ở bậc hai dù 250.000 token trong đó được đọc từ cache. Cache giảm đơn giá của phần đọc lại, không làm ngữ cảnh nhỏ đi.

Hệ quả thực tế: khi tài liệu của bạn ở sát ngưỡng 272.000 token, đừng thêm lịch sử hội thoại dài vào cùng cuộc trò chuyện. Một cuộc hội thoại 250.000 token cộng 30.000 token lịch sử sẽ đẩy toàn bộ sang bậc hai: giá token vào từ 2,4 lên 4, giá đọc cache từ 0,12 lên 0,2. Toàn bộ hoá đơn tăng 67%, và cache chỉ giúp phần đọc.

Cách xử lý: mở cuộc hội thoại mới cho mỗi tài liệu, giữ lịch sử ngắn, hoặc chọn model không có bậc hai như Gemini, Claude, DeepSeek hay Kimi K3.

## Khi nào cache không có lợi

**Tài liệu dùng một lần.** Ghi cache tốn thêm 25% và bạn không quay lại. Với một hợp đồng đọc một lần rồi bỏ, không dùng cache.

**Model không có giá cache.** GPT OSS 20B và GPT OSS 120B. Với hai model này, câu hỏi đúng là "có cần gửi cả tài liệu không", chứ không phải "có nên cache không".

**Câu hỏi ngắn.** Với prompt 1.000 token, tiết kiệm 90% của 0,0024 CUBE là 0,00216 CUBE. Không đáng để nghĩ, và cũng không đủ dài để cache hoạt động.

**Khi bạn cần thay đổi phần đầu prompt liên tục.** Nếu mỗi lần gọi bạn sửa system prompt hoặc thêm ngày giờ vào đầu, cache mất hiệu lực hoàn toàn. Đặt phần cố định ở đầu, phần thay đổi ở cuối.

## Năm quy tắc dùng cache đúng

1. **Giữ tài liệu ở đầu prompt, câu hỏi ở cuối.** Cache khớp theo phần đầu; đặt câu hỏi lên trước là mất cache.
2. **Một tài liệu, một cuộc hội thoại.** Hỏi năm câu trong cùng cuộc trò chuyện, không mở năm cuộc mới.
3. **Đừng sửa system prompt giữa chừng.** Mỗi lần sửa là mỗi lần ghi cache mới.
4. **Kiểm tra ngưỡng bậc hai trước khi thêm lịch sử.** Nếu tài liệu ở sát ngưỡng, mở cuộc mới.
5. **Đo lại sau một tuần.** Đọc số CUBE của những lượt có tài liệu và so với ước tính. Nếu chênh nhiều, cache đang không hoạt động như bạn tưởng.

## Kết luận

Prompt caching là khoản tiết kiệm rẻ nhất để bật: hoà vốn từ lần đọc thứ hai, giảm 71% đến 92% chi phí đọc lại cùng một tài liệu, không cần đổi quy trình làm việc. Giới hạn của nó là nó không làm ngữ cảnh nhỏ đi, nên không cứu được trường hợp tài liệu vượt ngưỡng bậc hai.

Xem thêm [đọc hợp đồng 300 trang tốn bao nhiêu token](/blog/doc-hop-dong-300-trang-ton-bao-nhieu-token), [cách quy đổi token sang tiền](/blog/1-token-bang-bao-nhieu-tien) và [chọn model theo chi phí](/blog/chon-model-ai-theo-chi-phi).

## Câu hỏi thường gặp
### Prompt caching là gì?

Là cơ chế giữ lại phần đã xử lý của một prompt dài ở phía nhà cung cấp, để lần gọi sau không phải xử lý lại từ đầu. Bạn trả giá ghi cache một lần, sau đó trả giá đọc cache cho mỗi lần dùng lại, thường bằng 5% đến 10% giá thường.

### Cache đọc rẻ hơn bao nhiêu lần?

Từ 1,3 lần đến 20 lần tuỳ model. GPT 6.1 SOL đọc cache 0,12 CUBE so với 2,4 CUBE giá thường, tức rẻ hơn 95%. Claude Opus 5.5 cũng 0,24 so với 4,8. Ở đầu kém lợi nhất, GLM 5.3 chỉ rẻ hơn 63%, vì giá cache của model này cao.

### Ghi cache có tốn thêm tiền không?

Có. Ghi cache 5 phút tính 1,25 lần giá token vào, ghi cache 1 giờ tính gấp đôi. Với GPT 6.1 SOL, ghi cache là 3 CUBE so với 2,4 CUBE giá thường. Gemini và DeepSeek không tính phí ghi cache trong bảng giá hiện tại của Wisa.

### Bao nhiêu lần dùng lại thì cache có lợi?

Từ lần đọc thứ hai. Ghi cache tốn thêm 25% một lần, đọc cache rẻ hơn 90% mỗi lần sau, nên chỉ cần một lần dùng lại là đã hoà vốn. Với tài liệu chỉ dùng một lần, ghi cache làm bạn tốn thêm 25% mà không thu được gì.

### Cache có giúp tránh bậc giá ngữ cảnh dài không?

Không. Ngữ cảnh tính cho bậc giá gồm cả token đọc từ cache, nên một cuộc hội thoại 280.000 token vẫn nằm ở bậc hai dù phần lớn token được đọc từ cache. Cache giảm đơn giá của phần đọc lại, không làm giảm kích thước ngữ cảnh.

---

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