API LLM rẻ nhất: So sánh giá token và chi phí theo khối lượng công việc

GLM-5.3-Flash có chi phí token tính toán thấp nhất trong bảng so sánh năm mô hình của CheapAIModel dưới đây. Điều đó khiến mô hình này thành lựa chọn hợp lý để đánh giá tiết kiệm chi phí, chứ không phải là người thắng tự động cho mọi ứng dụng.

Câu hỏi hữu ích là khối lượng công việc của bạn tốn bao nhiêu sau khi tính cả input, output, cache và các lần thử không thành công. Mức giá input thấp ít quan trọng hơn khi ứng dụng của bạn tạo ra câu trả lời dài. Mức giá đọc cache thấp chỉ có ích khi các yêu cầu thực sự trúng cache.

Hướng dẫn này dùng giá niêm yết được kiểm tra ngày 26 tháng 10 năm 2026 và các giả định token rõ ràng. Đây là các phép tính, không phải benchmark hiệu năng đo được hay lời hứa về hóa đơn của bạn. Bảng so sánh gồm năm mô hình được liệt kê trên CheapAIModel tại thời điểm kiểm tra, không phải mọi API trên thị trường.

Bắt đầu với ba mức giá token

Bảng dùng giá USD hiển thị trên CheapAIModel cho mỗi triệu token. “Input” nghĩa là input chưa qua cache; đọc cache được tính riêng. Giá được ghi lại đúng độ chính xác hiển thị để bạn có thể tính lại các ví dụ. Kiểm tra trang bảng giá trực tiếp trước khi mua hoặc thay đổi lưu lượng production.

Mô hình	Input chưa qua cache / 1M	Output / 1M	Đọc cache / 1M
GLM-5.3-Flash	$0.104676	$0.348919	$0.020935
Grok 4.7	$0.198958	$0.596874	$0.049740
DeepSeek-V4.1-Flash	$0.209351	$0.837404	$0.004187
GLM-5.3	$0.976972	$3.070483	$0.181438
Kimi K3	$2.093511	$10.467555	$0.209351

Đừng coi mức giá của một gateway là giá chung của nhà phát triển mô hình. Cùng một mô hình có thể có điều khoản thanh toán khác nhau tùy vào nơi và cách bạn truy cập.

Ước tính khối lượng công việc trước khi chọn mô hình

Với một yêu cầu không trúng cache, cách tính là:

Chi phí token = số token input / 1,000,000 × giá input + số token output / 1,000,000 × giá output.

Hai tình huống dưới đây cố ý giữ nguyên số token. Chúng cho thấy tác động của chỉ riêng giá. Chúng không ngụ ý rằng token hóa, độ dài câu trả lời hay chất lượng giống nhau giữa các mô hình.

Mô hình	Mức sử dụng kiểu hỗ trợ: 15M input + 4M output	Tóm tắt tài liệu: 200M input + 20M output
GLM-5.3-Flash	$2.97	$27.91
Grok 4.7	$5.37	$51.73
DeepSeek-V4.1-Flash	$6.49	$58.62
GLM-5.3	$26.94	$256.80
Kimi K3	$73.27	$628.05

Đây là các tổng phụ input/output, được làm tròn sau khi tính. Chúng chưa gồm thuế và mọi dịch vụ cache, công cụ, lưu trữ hay dịch vụ khác được tính phí riêng. Chúng cũng chưa gồm token từ các lần thử lại vượt quá tổng đã nêu.

Ví dụ, tình huống hỗ trợ của GLM-5.3-Flash là 15 × $0.104676 + 4 × $0.348919 = $2.965816. Không có gì trong phép tính đó chứng minh được mô hình xử lý được bao nhiêu cuộc trò chuyện với khách hàng. Muốn lập ngân sách cho một dịch vụ thật, hãy đo số token mỗi cuộc trò chuyện và tỷ lệ đạt tiêu chí chấp nhận của bạn.

Cache có thể thay đổi thứ hạng

Với các yêu cầu có cache, hãy tách input thành phần trượt cache và phần trúng cache. Đừng tính phí hai lần cho cùng một input đã cache:

Tổng phụ token = input chưa cache × đơn giá input + input đã cache × đơn giá đọc cache + output × đơn giá output, với mọi số lượng token tính theo đơn vị triệu.

Giả sử tổng input là 225M token và output là 22,5M token. Tỷ lệ cache hit giả định 80% nghĩa là 45M input chưa cache và 180M input đã cache. Áp dụng các mức giá niêm yết ở trên, tổng phụ token là $29.02 cho DeepSeek-V4.1-Flash và $31.34 cho Grok 4.7.

Kết quả này đảo ngược thứ tự của hai mô hình trong các ví dụ chưa cache. Con số 80% chỉ là giả định cho tình huống, không phải tỷ lệ cache hit thực tế hay được đảm bảo. Trước khi lập ngân sách dựa vào con số này, hãy xem lại nhật ký mức sử dụng thực tế và kiểm tra xem những prefix nào đủ điều kiện, chúng được cache trong bao lâu và việc ghi cache hay lưu trữ có phát sinh phí riêng không.

Quy định riêng của từng nhà cung cấp rất quan trọng ở đây. Tài liệu thanh toán của Kimi mô tả phí ghi cache riêng cho các mô hình K3. Điều đó không xác nhận cách một gateway bên thứ ba tính phí những mô hình này. Hãy kiểm tra cách tính phí của chính gateway thay vì áp giả định từ nhà cung cấp trực tiếp vào ước tính qua gateway.

So sánh trong cùng điều kiện giá

Một mức giảm giá chỉ có ý nghĩa khi so với một mốc chuẩn được nêu rõ. Ba bước kiểm tra có thể giúp bạn tránh so sánh sai lệch:

1. Thời điểm sử dụng. API trực tiếp của DeepSeek niêm yết cả giá giờ cao điểm và thấp điểm. Giá thấp điểm của Flash là $0.15 cho input chưa cache, $0.003 cho input đã cache và $0.60 cho output mỗi triệu token. Những mức giá này thấp hơn giá Flash của CheapAIModel nêu ở trên. Hãy kiểm tra lịch giá chính thức nếu workload của bạn có thể chạy vào khung giờ linh hoạt.
2. Kích thước yêu cầu và dịch vụ. Trang chính thức của Grok 4.7 lưu ý mức giá khác cho ngữ cảnh trên 200K và dẫn link tới các công cụ tính phí riêng. So sánh theo giá cơ bản không nên ngầm đại diện cho mọi kích thước yêu cầu hay quy trình có bật công cụ.
3. Loại sản phẩm. Bảng giá API của Z.ai và hướng dẫn thanh toán của Kimi mô tả các khoản phí API cụ thể. Hãy so sánh workload API với điều khoản API, không so với gói chat hay gói coding không liên quan.

Chọn theo kết quả được chấp nhận, rồi tối ưu chi tiêu

Tạo một bộ đánh giá nhỏ từ những tác vụ mà ứng dụng của bạn phải xử lý. Xác định tiêu chí thành công trước khi chạy: một phân loại hợp lệ, một câu trả lời có căn cứ, một bài test đạt hay một kết quả quan sát được khác. Dùng cùng bộ tác vụ cho mọi ứng viên và ghi lại các khác biệt về cấu hình.

Với mỗi ứng viên, theo dõi tổng chi tiêu, số tác vụ thành công, số lần thử lại, độ trễ và số lần chỉnh sửa thủ công. Một chỉ số kinh doanh hữu ích là tổng chi tiêu đánh giá chia cho số kết quả được chấp nhận. Tính cả các lần thử thất bại vào tử số. Nếu không, một mô hình thường phải thử lại có thể trông rẻ hơn thực tế.

Bắt đầu với mô hình có giá thấp nhất có thể đáp ứng yêu cầu của bạn. Chuyển sang ứng viên khác khi chi phí lỗi hoặc chi phí chỉnh sửa đo được đủ để biện minh. Giá cao hơn không chứng minh chất lượng cao hơn, và so sánh giá này không xếp hạng khả năng viết code, độ tin cậy hay tốc độ phản hồi.

Khi chất lượng đã ổn, hãy giảm bớt ngữ cảnh không cần thiết, giới hạn độ dài câu trả lời ở mức hợp lý và thử cấu trúc prompt thân thiện với cache. Mỗi lần chỉ đổi một biến để bạn biết khoản tiết kiệm đến từ mô hình, prompt hay việc giảm output.

Bước tiếp theo thiết thực

Dùng danh mục mô hình để chọn ra các ứng viên được hỗ trợ, rồi kiểm tra mức giá hiện tại và các khả năng bạn cần. Muốn biết chi tiết thanh toán theo từng mô hình, xem tiếp hướng dẫn bảng giá DeepSeek hoặc hướng dẫn API Kimi.

Khi sẵn sàng thử nghiệm, làm theo tài liệu dành cho nhà phát triển, chạy một khối lượng công việc nhỏ mang tính đại diện rồi so sánh mức sử dụng thu được với ước tính của bạn trước khi tăng lưu lượng.