Vì sao chi phí hay vượt dự kiến?
Theo tài liệu tính phí của APIZ (Nạp tiền & chi phí): "Token đầu vào gồm cả system prompt, lịch sử hội thoại và nội dung tệp. Các coding agent đọc nhiều tệp trong dự án nên lượng token đầu vào có thể lớn." Vì token đầu vào tích luỹ rất nhanh — và thường chiếm phần lớn chi phí ở các tác vụ coding — phần lớn mẹo tối ưu bên dưới tập trung vào việc giảm số token đầu vào thực sự cần thiết, thay vì chỉ nhìn vào giá mô hình.
1. Chọn đúng mô hình cho đúng việc
Không phải việc nào cũng cần mô hình mạnh nhất. Chênh lệch giá giữa các mô hình Claude rất lớn (đơn giá / 1 triệu token, tại APIZ, cập nhật 20/10/2026):
| Mô hình | Input | Output | Phù hợp |
|---|---|---|---|
| Claude Haiku 4.5 | 2.000 ₫ | 10.000 ₫ | Việc nhanh, đơn giản: phân loại, tóm tắt ngắn, trả lời FAQ |
| Claude Sonnet 5 | 9.000 ₫ | 45.000 ₫ | Coding hằng ngày, hội thoại, việc tổng quát |
| Claude Opus 5 / 5.5 | 13.750–11.000 ₫ | 68.750–55.000 ₫ | Suy luận sâu, refactor lớn, việc nhiều bước phức tạp |
Opus đắt hơn Sonnet 5 khoảng 2–3 lần và đắt hơn Haiku khoảng 7–6 lần ở cả input lẫn output. Nếu agent của bạn luôn mặc định dùng mô hình mạnh nhất cho mọi yêu cầu — kể cả việc đơn giản như đổi tên biến hay viết commit message — phần lớn chi phí đó là lãng phí. Với OpenCode, bạn đổi mô hình ngay trong phiên bằng lệnh /models mà không cần sửa cấu hình, nên có thể chủ động hạ xuống Sonnet hoặc Haiku cho việc nhẹ và chỉ bật Opus khi thật sự cần.
2. Tận dụng bộ nhớ đệm (prompt caching)
Khi một phần nội dung đầu vào — ví dụ system prompt dài, tài liệu tham chiếu, định nghĩa tool — được gửi lặp lại giữa các lượt gọi, phần trùng đó có thể được tính theo đơn giá cache thay vì đơn giá input gốc. Với Claude Sonnet 5, đơn giá cache là 1.350 ₫/1 triệu token so với 9.000 ₫ của input thường — chỉ bằng khoảng 15%. Nếu dự án của bạn có một đoạn ngữ cảnh lớn lặp lại ở hầu hết các lượt gọi (ví dụ toàn bộ cấu trúc dự án mà agent đọc lại mỗi lần), phần đó nên được giữ ổn định về vị trí và nội dung để được tính cache thay vì bị tính lại như input mới mỗi lần.
Lưu ý từ tài liệu tích hợp VS Code của APIZ: khi dùng Cline với key nhóm Claude, nên chọn API Provider kiểu Anthropic thay vì kiểu tương thích OpenAI, vì "dùng bộ nhớ đệm, rẻ hơn khi dự án lớn" (xem tài liệu Claude Code) — chọn sai kiểu kết nối có thể khiến bạn mất luôn lợi ích của cache dù mô hình vẫn là Claude.
3. Rút gọn ngữ cảnh gửi lên
- Chỉ dán đúng đoạn mã hoặc đoạn tài liệu liên quan, thay vì dán nguyên cả tệp dài nếu không cần thiết.
- Dọn bớt lịch sử hội thoại dài, hoặc bắt đầu phiên mới khi đổi sang việc không liên quan — lịch sử cũ vẫn được tính vào token đầu vào ở mỗi lượt.
- Loại trừ thư mục không cần agent đọc (ví dụ node_modules, build output, file nhị phân) bằng cấu hình ignore của công cụ bạn dùng, để agent không vô tình quét toàn bộ dự án.
- Với việc lặp lại thường xuyên (ví dụ review code theo một khuôn mẫu cố định), viết sẵn prompt ngắn gọn, rõ yêu cầu thay vì để agent tự dò hỏi qua nhiều lượt.
4. Đặt hạn mức cho từng API key
Theo tài liệu API key & hạn mức, mỗi key có thể được đặt riêng: hạn mức chi tiêu tối đa, thời hạn hiệu lực, giới hạn chỉ cho phép một số mô hình nhất định, và giới hạn theo địa chỉ IP. Đây là cách kiểm soát chi phí hiệu quả khi:
- Chia key cho từng thành viên trong nhóm, mỗi người một hạn mức riêng.
- Gắn key vào script hoặc agent tự động — tránh trường hợp vòng lặp lỗi gọi API liên tục làm hết số dư ngoài ý muốn.
- Giới hạn một key chỉ được gọi các mô hình rẻ đã duyệt, tránh agent tự ý chuyển sang mô hình đắt hơn.
Khi key hết hạn mức, chỉ riêng key đó ngừng hoạt động — số dư tài khoản và các key khác không bị ảnh hưởng, nên đây là cách an toàn để thử nghiệm mà không sợ "cháy" toàn bộ số dư.
5. Ví dụ minh hoạ bằng số
Giả định một coding agent chạy 20 lượt gọi mỗi ngày, mỗi lượt trung bình 50.000 token đầu vào (đọc nhiều tệp) và 3.000 token đầu ra:
| Cách làm | Chi phí mỗi lượt | Chi phí 20 lượt/ngày |
|---|---|---|
| Luôn dùng Opus 5 cho mọi việc, không cache | ≈ 894 ₫ | ≈ 17.880 ₫ |
| Đổi mô hình: 80% việc thường dùng Sonnet 5, 20% việc khó mới dùng Opus 5 | ≈ 647 ₫ (bình quân) | ≈ 12.940 ₫ (giảm ~28%) |
| Thêm cache: 40.000/50.000 token đầu vào là ngữ cảnh lặp lại được tính giá cache | ≈ 279 ₫ (riêng phần dùng Sonnet 5) | Giảm thêm so với dòng trên |
Đây là ví dụ minh hoạ với số liệu giả định để thấy mức độ chênh lệch, không phải cam kết cho mọi dự án — chi phí thật còn tuỳ vào dự án, cách agent đọc tệp và tỷ lệ ngữ cảnh lặp lại.
Nếu chưa chọn nơi mua, xem mua API Claude giá rẻ: rẻ so với cái gì và chọn nơi mua thế nào.
Tóm lại
Bốn việc dễ làm nhất để giảm chi phí: chọn đúng mô hình theo độ khó của việc, tận dụng cache cho phần ngữ cảnh lặp lại, cắt bớt những gì không cần gửi lên, và đặt hạn mức cho API key để kiểm soát rủi ro. Muốn thử trực tiếp với số liệu thật của bạn, xem công thức tính phí và bảng giá tại Bảng giá token AI, bắt đầu theo Bắt đầu 5 phút, hoặc xem toàn bộ mô hình tại trang Bảng giá.