Tóm tắt: Mỗi lượt hỏi, cả cuộc hội thoại được gửi lại từ đầu. Vì vậy hai việc tiết kiệm nhiều nhất là giữ hội thoại ngắn (mỗi việc một hội thoại, thu gọn khi đã dài) và chọn mô hình vừa đủ cho từng việc. Sau đó là tận dụng bộ nhớ đệm, bớt ảnh và tệp thừa, và đặt hạn mức cho từng key.
Vì sao tiền API hay vượt dự kiến?
Mô hình AI không "nhớ" cuộc trò chuyện. Ở mỗi lượt, công cụ bạn dùng (Claude Code, Cline, Cursor, OpenCode, ứng dụng tự viết…) gửi lại toàn bộ hội thoại: câu lệnh hệ thống, các câu hỏi và trả lời trước đó, nội dung tệp đã đọc, ảnh đã dán. Hội thoại càng dài, mỗi câu hỏi mới càng tốn.
Ví dụ với Claude Opus 5.5, kể cả khi phần lặp lại đã được đọc từ bộ nhớ đệm (giá rẻ), riêng phần đọc lại hội thoại đã tốn:
| Độ dài hội thoại | Đọc lại mỗi lượt (có đệm) | Nếu trượt đệm (ghi lại từ đầu) |
|---|---|---|
| 50 nghìn token | ≈ 83 ₫ | ≈ 688 ₫ |
| 200 nghìn token | ≈ 330 ₫ | ≈ 2.750 ₫ |
| 800 nghìn token | ≈ 1.320 ₫ | ≈ 11.000 ₫ |
Số trên chưa tính phần trả lời. Cùng một câu hỏi, hội thoại 800 nghìn token tốn gấp khoảng 16 lần hội thoại 50 nghìn token, và mỗi lượt cũng chờ lâu hơn hẳn (giá ngày 21/10/2026).
1. Mỗi việc một hội thoại, thu gọn khi đã dài
Đây là mẹo tiết kiệm nhiều nhất.
- Xong một việc thì mở hội thoại mới, chỉ đưa vào những tệp và thông tin cần cho việc tiếp theo. Đừng dồn cả ngày làm việc vào một hội thoại.
- Trong Claude Code: gõ /context để xem hội thoại đang chiếm bao nhiêu token; gõ /compact để Claude tóm tắt hội thoại rồi làm tiếp (giữ ý chính, bỏ chi tiết thừa); gõ /clear khi chuyển sang việc không liên quan.
- Trong công cụ khác (Cline, Roo Code, Kilo Code, Cursor, OpenCode…): bấm tạo hội thoại/nhiệm vụ mới, hoặc dùng chức năng thu gọn ngữ cảnh nếu công cụ có.
- Mốc nên nhớ: giữ hội thoại dưới khoảng 100–200 nghìn token. Vượt mức này, mỗi lượt vừa đắt vừa chậm (có thể mất vài phút) và dễ gặp lỗi hết thời gian chờ.
2. Chọn mô hình vừa đủ cho từng việc
Không phải việc nào cũng cần mô hình mạnh nhất. Ví dụ một lượt điển hình khi lập trình: đọc lại 50 nghìn token từ đệm, thêm 2 nghìn token mới, trả lời 1 nghìn token:
| Mô hình | Một lượt như trên | Hợp với |
|---|---|---|
| Claude Opus 5.5 | ≈ 160 ₫ | Việc khó, suy luận sâu, sửa lỗi rắc rối, thiết kế lớn |
| Claude Sonnet 5.5 | ≈ 131 ₫ | Lập trình và sửa lỗi hằng ngày |
| Claude Haiku 5.5 | ≈ 18 ₫ | Việc đơn giản: đổi tên, viết chú thích, tóm tắt, tra cứu nhanh |
| GPT 6.1 Sol | ≈ 52 ₫ | Lập trình, Codex, việc tổng quát |
| DeepSeek V4.1 Flash | ≈ 12 ₫ | Việc khối lượng lớn, cần rẻ |
- Trong Claude Code, gõ /model để đổi mô hình ngay trong phiên, không cần sửa cấu hình.
- Cách làm hay: để Sonnet làm việc thường ngày, chỉ chuyển sang Opus khi gặp việc khó; giao các việc vặt cho Haiku.
3. Tận dụng bộ nhớ đệm (cache)
Phần nội dung lặp lại giữa các lượt (câu lệnh hệ thống, lịch sử hội thoại) được đọc từ bộ nhớ đệm với giá rất thấp. Với Claude Sonnet 5.5, đọc đệm chỉ 1.350 ₫/1 triệu token, so với 9.000 ₫ của đầu vào thường. Để đệm làm việc tốt:
- Làm liền mạch. Bộ nhớ đệm chỉ được giữ trong một khoảng thời gian ngắn (tuỳ công cụ, thường từ 5 phút đến 1 giờ). Nghỉ lâu rồi quay lại một hội thoại dài thì lượt đầu tiên phải ghi đệm lại từ đầu, đắt hơn nhiều lần.
- Đừng sửa phần đầu hội thoại giữa chừng (đổi câu lệnh hệ thống, sửa tin nhắn cũ, bật/tắt công cụ MCP). Mỗi lần như vậy phần phía sau phải ghi đệm lại.
- Dùng Claude trong Cline, Roo Code, Kilo Code: chọn kiểu kết nối Anthropic thay vì kiểu tương thích OpenAI để dùng được bộ nhớ đệm (xem hướng dẫn kết nối).
- Với GPT và DeepSeek, bộ nhớ đệm hoạt động tự động, bạn không cần cài gì thêm.
- Mở mục Nhật ký trên APIZ: mỗi lượt ghi rõ số token đọc đệm. Nếu hội thoại dài mà lượt nào cũng đọc đệm gần bằng 0, hãy kiểm tra lại cách kết nối.
4. Bớt ảnh, tệp và công cụ thừa
- Ảnh rất tốn token: một ảnh chụp màn hình có thể tốn vài nghìn token, và ảnh đã dán sẽ bị gửi lại ở mọi lượt sau trong hội thoại đó. Chỉ dán ảnh khi cần, cắt bớt vùng không liên quan, và mở hội thoại mới sau khi đã xử lý xong phần cần ảnh.
- Chỉ đưa đúng tệp hoặc đoạn mã liên quan, không dán cả thư mục, tệp nhật ký dài hay dữ liệu lớn khi chỉ cần một phần.
- Loại trừ thư mục không cần đọc (node_modules, thư mục build, tệp nhị phân) bằng cấu hình bỏ qua của công cụ, để AI không vô tình đọc cả dự án.
- Tắt công cụ MCP không dùng: mô tả của mỗi công cụ cũng được gửi kèm ở mọi lượt.
5. Đừng để mức suy nghĩ cao cho việc đơn giản
Các mô hình mới có chế độ suy nghĩ trước khi trả lời (thinking / reasoning effort). Phần suy nghĩ được tính như token đầu ra, loại token đắt nhất, kể cả khi bạn không nhìn thấy. Việc đơn giản thì đặt mức suy nghĩ thấp hoặc trung bình; chỉ bật mức cao cho bài toán thật sự khó.
6. Hỏi gọn, giao việc rõ
- Nói rõ cần gì và cần câu trả lời ngắn hay dài; một yêu cầu rõ ràng giúp AI làm đúng ngay, đỡ phải hỏi đi hỏi lại nhiều lượt.
- Với việc lặp lại (review code, viết tài liệu theo mẫu), viết sẵn một câu lệnh mẫu ngắn gọn để dùng lại.
7. Đặt hạn mức cho từng API key
Trên APIZ, mỗi key có thể đặt riêng hạn mức chi tiêu, thời hạn và danh sách mô hình được dùng (xem tài liệu). Rất hữu ích khi:
- Chia key cho từng người trong nhóm, mỗi người một hạn mức.
- Gắn key vào script hoặc agent chạy tự động, tránh vòng lặp lỗi gọi liên tục làm hết số dư.
- Giới hạn một key chỉ dùng mô hình rẻ, tránh công cụ tự chuyển sang mô hình đắt.
8. Theo dõi Nhật ký để biết tiền đi đâu
Mục Nhật ký ghi từng lượt gọi: mô hình, số token vào, ra, đọc đệm và số tiền. Thỉnh thoảng xem qua để phát hiện lượt đắt bất thường (thường do hội thoại quá dài, ảnh nhiều hoặc trượt đệm), rồi áp dụng các mẹo ở trên.
Tóm lại: nên và không nên
| Nên | Không nên |
|---|---|
| Mỗi việc một hội thoại; thu gọn khi đã dài | Dồn nhiều việc vào một hội thoại hàng trăm nghìn token |
| Sonnet / Haiku cho việc thường, Opus cho việc khó | Luôn dùng mô hình mạnh nhất cho mọi việc |
| Làm liền mạch để đọc đệm giá rẻ | Nghỉ lâu rồi quay lại hội thoại rất dài |
| Chỉ dán ảnh, tệp cần thiết | Dán hàng chục ảnh chụp màn hình vào một hội thoại |
| Đặt hạn mức cho key, xem Nhật ký | Để script tự động chạy không giới hạn |
Cần hỗ trợ cài đặt hoặc muốn APIZ xem giúp vì sao chi phí cao, nhắn Telegram @apiz_vn hoặc gọi 0966.68.68.66. Xem thêm: Token AI là gì, tối ưu chi phí Claude API.