Thay đổi model: đổi họ model làm đổi một dòng chi phí trước khi đổi câu trả lời

Một tài liệu 20.000 token gửi lại mỗi ngày tốn 60 đồng để ghi cache ở Claude Sonnet 5.5 và 0 đồng ở Gemini 3.8 Flash. Dòng chi phí đó không do chất lượng câu trả lời quyết định mà do họ model. Đổi họ model vì thế làm đổi hoá đơn trước khi đổi câu trả lời.

21 trong 43 model chat tính phí ghi cache

Danh mục của Wisa có 46 model, gồm 43 model chat và 3 model ảnh. Trong 43 model chat, 21 model tính tiền khi bạn ghi cache và 22 model tính 0đ. Con số 21 đó không rải đều: 12 model thuộc họ Claude, 8 model thuộc họ GPT và Grok 4.6 đứng một mình.

Mức phí cũng khác nhau trong nhóm thu phí. 18 model tính đúng 1,25 lần giá token vào, hai model tính 2 lần là Claude Sonnet 4.6 và Claude Sonnet 5, còn Grok 4.6 tính 1 lần. Nói cách khác, ghi cache là một khoản nhân thêm vào giá vào, không phải một biểu giá riêng.

Lý do có khoản này: cache là bản sao trạng thái model giữ lại sau khi đọc phần đầu prompt. Mỗi lần ghi, model phải xử lý và lưu phần đó, nên một số nhà cung cấp tính phí cho công đoạn lưu. Cách dùng cache để cắt chi phí đã bàn ở prompt caching giảm chi phí.

Ghi 20.000 token: 60 đồng so với 0 đồng

Lấy một tài liệu 20.000 token làm ví dụ, cỡ một hợp đồng hoặc một bộ tài liệu kỹ thuật vừa. Claude Sonnet 5.5 tính 3.000đ cho mỗi triệu token ghi cache, nên 20.000 × 3.000 ÷ 1.000.000 = 60 đồng. Gemini 3.8 Flash tính 0đ, nên 20.000 × 0 ÷ 1.000.000 = 0 đồng.

Mức 3.000đ của Claude Sonnet 5.5 đúng bằng 1,25 lần giá vào 2.400đ, kiểm bằng 3.000 ÷ 2.400 = 1,25 lần. Context window càng lớn thì phần ghi càng dài, và khoản 60 đồng đó lặp lại mỗi lần bạn mở phiên mới trên cùng tài liệu.

60 đồng nghe nhỏ, nhưng đây là khoản cố định cho mỗi lần ghi, không phụ thuộc câu trả lời dài hay ngắn. Một trợ lý nội bộ mở 300 phiên mỗi ngày trên đúng tài liệu đó tốn 300 × 60 = 18.000 đồng một ngày, tức 540.000 đồng cho 30 ngày. Quy theo 1 CUBE = 1.000đ thì khoản đó là 540 CUBE, hơn nửa gói Developer 940 CUBE.

Đọc lại 20.000 token: 4,8 đồng so với 3,6 đồng

Ghi xong thì đọc. Claude Sonnet 5.5 tính 240đ cho mỗi triệu token đọc cache: 20.000 × 240 ÷ 1.000.000 = 4,8 đồng. Gemini 3.8 Flash tính 180đ: 20.000 × 180 ÷ 1.000.000 = 3,6 đồng. Chênh 4,8 ÷ 3,6 = 1,33 lần, và cả hai đều thấp hơn nhiều so với đọc lại toàn bộ prompt ở giá vào.

Ở khoản đọc, họ Claude không đắt. Ở khoản ghi, nó đắt 60 đồng. Vì vậy câu "họ nào rẻ hơn" chỉ có nghĩa khi bạn biết mình ghi nhiều hay đọc nhiều: một tác vụ đọc lại cùng tài liệu 50 lần thì khoản ghi chỉ trả một lần, còn một tác vụ đổi tài liệu mỗi lần gọi thì khoản ghi lặp 50 lần.

Trên toàn danh mục, giá đọc cache chạy từ 2,5 phần trăm đến 60 phần trăm giá vào, tính trên 40 trong 46 model có thu phí đọc cache. Sáu model còn lại đọc cache ở mức 0đ nên không có phần trăm nào để xếp, trong đó ba model có giá vào lớn hơn 0 là GPT OSS 20B, GPT OSS 120B và Gemini 3.1 Flash Image, ba model còn lại là GPT Image 2.5, GPT Image 2.5 Flare và GPT Image 2.5 Sunburst với giá 0 cả vào lẫn ra.

Họ model	Số model chat	Ghi cache	Ví dụ một model	Ghi 20.000 token
Claude	12	12 model có, 1,25 đến 2 lần giá vào	Claude Sonnet 5.5	60 đồng
GPT	12	8 model có, 1,25 lần giá vào; 4 model 0đ gồm hai model OSS và hai biến thể GPT Image 2.5	GPT-6.1 Sol	60 đồng
Gemini	6	0đ	Gemini 3.8 Flash	0 đồng
DeepSeek	3	0đ	DeepSeek V4.1 Flash 1017	0 đồng
Grok	3	1 model có, 2 model 0đ	Grok 4.6	48 đồng

Cột thứ hai cộng lại ra 36 model, và bảy model còn lại thuộc bốn họ GLM, Kimi, MiniMax và Step, tất cả đều ghi 0đ. Hai ô 60 đồng ở bảng trên không phải trùng ngẫu nhiên: Claude Sonnet 5.5 và GPT-6.1 Sol cùng có giá vào 2.400đ và cùng ghi cache ở 1,25 lần giá vào, nên 20.000 × 3.000 ÷ 1.000.000 ra 60 đồng ở cả hai. Grok 4.6 ghi cache đúng 1 lần giá vào 2.400đ, nên 20.000 × 2.400 ÷ 1.000.000 = 48 đồng.

Họ model nào ghi cache miễn phí trong 43 model chat?

Nhóm 22 model ghi cache 0đ phủ toàn bộ họ Gemini, DeepSeek, GLM, Kimi, MiniMax và Step, cộng thêm bốn model họ GPT (hai model OSS và hai biến thể GPT Image 2.5) cùng hai model Grok còn lại. Đây là các họ mà công đoạn lưu trạng thái không hiện thành một dòng riêng, nên bạn chỉ trả cho token vào và token ra.

Cách đọc bảng trên: cột cuối là số tiền cho cùng một tài liệu 20.000 token, nên so trực tiếp giữa các hàng được. Ba mức trong năm hàng là 60 đồng, 48 đồng và 0 đồng, và khoảng cách giữa hàng 60 đồng với hàng 0 đồng không có tỉ số nào để tính. Đó là kiểu chênh không thể san bằng cách tối ưu prompt.

Một cặp so sánh hay dùng là Claude hay ChatGPT hay Gemini, vì cả ba họ đều nằm trong bảng này với ba mức ghi khác nhau. Chọn theo họ là chọn theo cách hoá đơn được chia dòng, chứ không riêng theo chất lượng câu trả lời.

Đổi họ model để cắt dòng cache thì mất gì?

Thứ nhất, cache chỉ có tác dụng khi phần đầu prompt giống hệt từng byte. Đổi họ model thường kéo theo đổi cách đánh dấu vai, đổi thứ tự system prompt, nên phần tiền tiết kiệm chỉ xuất hiện khi bạn dựng lại prefix theo đúng tài liệu của họ mới.

Thứ hai, đọc cache vẫn là tiền. Gemini 3.8 Flash đọc 20.000 token ở 3,6 đồng, không phải 0 đồng, nên tác vụ đọc nhiều lần vẫn có chi phí biến đổi theo số lần đọc.

Thứ ba, đổi họ đổi cả giọng văn và cách trình bày. Cùng một prompt, hai họ model có thể cho hai kiểu xuống dòng, hai kiểu đánh số, hai độ dài khác nhau, và nếu bạn đang parse đầu ra thì phần sửa parser có thể tốn hơn 60 đồng rất nhiều.

Giới hạn của cách đọc này

Ghi cache 0đ không làm một họ rẻ hơn ở mọi việc. Giá vào và giá ra vẫn chiếm phần lớn hoá đơn trong đa số tác vụ, và một model ghi miễn phí mà giá ra cao vẫn có thể đắt hơn trên văn bản dài.

Cache chỉ trúng khi prefix giống hệt, kể cả khoảng trắng và thứ tự trường. Đổi một dấu phẩy trong system prompt là mất lần trúng đó, và khoản ghi lại tính từ đầu.

Toàn bộ số trong bài là giá niêm yết theo bảng của Wisa, không phải báo giá. Hợp đồng riêng, cam kết dung lượng và chính sách của từng nhà cung cấp có thể khác, nên hãy đối chiếu với trang giá chính thức trước khi chốt ngân sách. Nếu bạn đang cân nhắc chuyển vì lý do chất lượng chứ không phải chi phí, hãy đọc đổi model trước, rồi mở chuyên mục chọn và so sánh model để so cả ba khoản cùng lúc.