Tiết kiệm chi phí vận hành: tính tiền AI trên mỗi việc hoàn thành

Chi phí token trên mỗi việc hoàn thành là thước đo duy nhất cho biết tự động hoá có lãi hay không. Một hợp đồng 3.000 token vào và 2.000 token ra tốn 11,7 đồng với Gemini 3.8 Flash và 31,2 đồng với Claude Sonnet 5.5. Nhưng model rẻ chỉ thắng nếu nó cần dưới 2,67 lần gọi để xong việc.

Vì sao phải đo trên mỗi việc hoàn thành

Hoá đơn tính theo token đã gửi, không theo việc đã xong. Hai model có thể có cùng chi phí một lần gọi nhưng khác nhau ở số lần phải gọi lại, và chênh lệch đó lớn hơn chênh lệch giá.

Cách tính đúng là: chi phí một việc hoàn thành = chi phí một lần gọi × số lần gọi trung bình. Số lần gọi trung bình đo được bằng cách đếm, không ước lượng bằng cảm giác.

Phép tính chi phí thật khi phải làm lại

Một lần gọi soạn hợp đồng với 3.000 token vào và 2.000 token ra. Với Gemini 3.8 Flash: (3.000 × 0,9 + 2.000 × 4,5) ÷ 1.000.000 = 0,0117 CUBE, tức 11,7 đồng. Với Claude Sonnet 5.5: (3.000 × 2,4 + 2.000 × 12) ÷ 1.000.000 = 0,0312 CUBE, tức 31,2 đồng.

Nhân theo số lần gọi: Gemini hai lần là 23,4 đồng, ba lần là 35,1 đồng. Sonnet một lần là 31,2 đồng. Ngưỡng hoà vốn là 31,2 ÷ 11,7 = 2,67 lần.

Nghĩa là model rẻ còn lãi khi nó xong trong hai lần, và bắt đầu lỗ từ lần thứ ba. Con số 2,67 quan trọng hơn mọi so sánh giá niêm yết, vì nó là ranh giới bạn phải đo.

Nếu tỉ lệ làm lại của Gemini là 20 phần trăm và của Sonnet là 5 phần trăm, chi phí một việc hoàn thành là 11,7 × 1,2 = 14,04 đồng so với 31,2 × 1,05 = 32,76 đồng. Hai tỉ lệ đó là giả định để minh hoạ phép tính, không phải số đo.

Bảng so sánh hai model cho cùng một việc soạn hợp đồng

Model	Giá vào mỗi triệu	Giá ra mỗi triệu	Một lần	Hai lần	Ba lần	p50	p99
Gemini 3.8 Flash	900đ	4.500đ	11,7 đồng	23,4 đồng	35,1 đồng	10.181 ms	59.922 ms
Claude Sonnet 5.5	2.400đ	12.000đ	31,2 đồng	62,4 đồng	93,6 đồng	10.029 ms	142.126 ms
GPT-6.1 Sol	2.400đ	12.000đ	31,2 đồng	62,4 đồng	93,6 đồng	26.226 ms	244.824 ms

Hai dòng cuối có cùng giá và cùng chi phí một lần, nhưng đuôi chậm khác nhau: p99 của GPT-6.1 Sol là 244.824 ms so với 142.126 ms của Claude Sonnet 5.5, tức 1,7 lần. Cùng một số tiền, bạn chọn model theo thời gian chờ chứ không theo giá.

Số liệu đo tại gateway của Wisa trong cửa sổ 7 ngày kết thúc ngày 27/10/2026. Claude Sonnet 5.5 chỉ có 48 mẫu, nên p99 của nó là con số yếu hơn p99 của Gemini 3.8 Flash với 6.051 mẫu.

Ảnh hưởng của p95 và p99 tới chi phí chờ

Độ trễ không nằm trên hoá đơn, nhưng nó nằm trong chi phí vận hành: người ngồi chờ, hoặc quy trình dừng chờ. Với 200 việc một tháng, chênh lệch p50 giữa Gemini 3.8 Flash và GPT-6.1 Sol là 26.226 − 10.181 = 16.045 ms mỗi việc, tức 3.209.000 ms, khoảng 53 phút một tháng.

Ở đuôi, chênh lệch lớn hơn nhiều. Gemini 3.8 Flash có p50 10.181 ms và p99 59.922 ms, còn GPT-6.1 Sol có p50 26.226 ms và p99 244.824 ms. Việc chậm nhất trong một trăm việc chênh nhau hơn ba phút.

Nếu quy trình của bạn chạy theo lô và có người chờ ở cuối lô, p99 là con số phải dùng để đặt kích thước lô. Nếu quy trình chạy nền và không ai chờ, p50 mới là con số đáng quan tâm.

Cách dựng bảng đo trong một tuần

Bước một: chọn một loại việc lặp lại, ví dụ soạn hợp đồng từ bản nháp. Bước hai: chạy cùng một bộ 100 đầu vào qua hai model, ghi số lần gọi cho tới khi kết quả được chấp nhận. Bước ba: tính chi phí một việc hoàn thành cho từng model bằng chi phí một lần nhân số lần gọi trung bình.

Bước bốn: cộng chi phí chờ. Lấy số việc một tháng nhân chênh lệch độ trễ, đổi ra giờ, rồi nhân với đơn giá giờ của người làm việc đó. Bước năm: so tổng hai bên. Bảng này đủ để quyết định, và nó chỉ mất một tuần.

Bài chi phí token AI giải thích đơn vị token; bài rate limit và độ trễ đi vào trần gọi và đuôi chậm. Nếu việc bạn muốn đo là soạn hợp đồng, bài soạn thảo hợp đồng bằng AI mô tả quy trình trước khi tính. Bảng giá đầy đủ ở bảng giá token.

Giới hạn của bài này

Hai tỉ lệ làm lại trong bài là giả định để minh hoạ phép nhân, không phải số đo của Wisa. Muốn có số thật, bạn phải tự chạy bộ 100 đầu vào như mô tả ở trên.

Bài cũng bỏ qua chi phí sửa hậu quả khi một hợp đồng sai được ký. Với loại việc đó, ngưỡng hoà vốn 2,67 lần không còn quan trọng, vì một lần sai tốn hơn nhiều lần gọi.

Cuối cùng, chi phí chờ phụ thuộc vào đơn giá giờ của bạn. Bài này đưa ra số phút, không đưa ra số tiền, vì tiền phụ thuộc vào người ngồi chờ.