# Token cost control (kiểm soát chi phí token) > VI: https://5ac.vn/wiki/ai-token-cost/ · EN: https://5ac.vn/en/wiki/ai-token-cost/ · lang: vi · spec_as_of 2026-10-19 (spec no formal spec) · cluster C8 Đơn giá của một lượt máy suy nghĩ: ba tuyến giá token và những đòn kiểm soát để hóa đơn AI dự đoán được, giải thích được thay vì bất ngờ. --- ## Định nghĩa Token cost là tiền nhà cung cấp tính cho mỗi lượt xử lý của mô hình: phần bạn gửi vào và phần mô hình trả ra đều cắt thành token (đơn vị nhỏ hơn từ) rồi nhân đơn giá. Kiểm soát chi phí token là đưa con số này từ bất ngờ thành dự đoán: biết trước mỗi workflow tốn bao nhiêu, cảnh báo trước khi vượt ngân sách, và giải thích được vì sao tháng này tốn hơn tháng trước. Bài 5ac thêm một tuyến bảng giá hay bị đọc lướt: lượt truy trúng bộ nhớ tạm (cache hit) — lượt máy đọc lại thứ đã đọc. ## Cơ chế Bảng giá thực tế có ba tuyến, đều niêm yết công khai. Dòng Qwen3.8-Flash trên Aliyun: 0,8 RMB đầu vào, 2,7 RMB đầu ra, 0,1 RMB cho lượt truy trúng bộ nhớ tạm — mỗi triệu token; tuyến cache rẻ bằng một phần tám đầu vào chuẩn. | Tuyến giá | Chiếm phần nào trong hóa đơn | Cái gì phải đo | | --- | --- | --- | | Đầu vào | prompt và tài liệu nạp vào | độ dài bối cảnh mỗi lượt gọi | | Đầu ra | câu trả lời và đoạn văn sinh ra | số vòng lặp, độ dài câu trả lời | | Bộ nhớ tạm (cache hit) | lượt máy đọc lại thứ đã đọc | tỉ lệ truy trúng giữ trên 60–70% | Cơ chế trả theo token (pay-per-token) có một chỗ hở: nó tạo động lực để nhà cung cấp báo sai số token, còn người dùng không tự chứng minh được mình bị tính thừa. Khung kiểm toán theo lý thuyết martingale (arXiv:2510.05181) bắt sai lệch sau chưa tới khoảng 70 phản hồi, xác suất báo nhầm nhà cung cấp trung thực dưới 0,05. Về chiều giá, khảo sát 2020–2026 ghi nhận giá token giảm xấp xỉ 600 lần, phân khúc rẻ mất một nửa sau 1,10 năm (arXiv:2603.28576) — biểu giá ký hôm nay khó còn nguyên khi hợp đồng hết hạn. ## Bối cảnh ứng dụng Bài pricing của 5ac chốt bốn đòn: trần chi phí theo từng workflow, đo chi phí theo workflow để biết agent nào, tác vụ nào, phòng ban nào đang tiêu tiền, phê duyệt (approval) trước khi tác vụ nhạy cảm chạy tiếp, và đổi model mà không phá lời hứa về giá. Bối cảnh: tranh cãi billing Copilot lộ mức chênh multiplier x57 và 171 credits cho một prompt phức tạp — chủ doanh nghiệp sợ không phải model yếu, mà là hóa đơn không giải thích được. Ở tầng hạ tầng, câu "token là điện của thời đại AI" (Apsara 2026) giải thích vì sao đơn giá đi xuống nhanh: Ulanqab tiêu 68 TWh điện năm 2023, PUE dưới 1,2, điện cho tính toán nửa đầu năm tăng 89,5%. Việc nên làm ngay: đo tỉ lệ truy trúng bộ nhớ tạm của chính quy trình mình đang chạy. ## Nguồn đã truy xuất - [Token rẻ như điện: điều đáng học từ diễn văn Apsara 2026](/blog/vi-token-re-nhu-dien-apsara-2026/) — bảng giá Qwen3.8-Flash, cache hit 0,1 RMB, ngưỡng 60–70% — truy cập 19/10/2026 - [Pricing AI Agent minh bạch là lợi thế cạnh tranh cho SMB Việt Nam](/blog/pricing-ai-agent-minh-bach-cho-smb-viet-nam/) — trần chi phí, telemetry theo workflow, multiplier x57 và 171 credits — truy cập 19/10/2026 - [Ulanqab: Thành phố nuôi AI giữa thảo nguyên Nội Mông](/blog/ulanqab-thanh-pho-ai-thao-nguyen-noi-mong/) — 68 TWh, PUE dưới 1,2, điện cho tính toán tăng 89,5% — truy cập 19/10/2026 - — Auditing Pay-Per-Token in Large Language Models (v2) — xác minh qua arXiv API ngày 19/10/2026 - — Tiered Super-Moore's Law: price evolution in LLM inference services (v1) — xác minh qua arXiv API ngày 19/10/2026 ## Liên quan - [AI Agent (tác nhân AI)](/wiki/ai-agent/) - [Agent orchestration (điều phối agent)](/wiki/agent-orchestration/) - [One-Person Company (công ty một người + fleet agent)](/wiki/one-person-company/) - [Local LLM deployment (triển khai LLM cục bộ)](/wiki/local-llm-deployment/) - [Business automation (tự động hóa doanh nghiệp)](/wiki/business-automation/)