Tháng 11/2026, giá API của các mô hình ngôn ngữ lớn (LLM) đã phân tầng rõ rệt: tầng flagship có giá khoảng 10 USD cho 1 triệu token đầu vào và 50 USD cho 1 triệu token đầu ra, tầng tầm trung khoảng 2 USD/10 USD, và tầng giá rẻ chỉ 0,10 USD/0,50 USD — chênh lệch tới 100 lần giữa rẻ nhất và đắt nhất. Bài viết này so sánh bảng giá API của OpenAI, Anthropic, Google Gemini, DeepSeek, xAI và Moonshot Kimi, hướng dẫn cách đọc bảng giá, cách tính chi phí thật theo workload, cách dùng prompt caching và batch API để tiết kiệm, và checklist chọn API cho doanh nghiệp Việt Nam. Toàn bộ giá trong bài là giá niêm yết công khai được kiểm chứng ngày 02/11/2026 (nguồn theairankings, cloudquell, binmage); giá API thay đổi thường xuyên và nhiều mức là khuyến mãi có hạn, nên cần xác minh lại với nhà cung cấp trước khi quyết định.
Cách đọc bảng giá API LLM: input, output, cache và batch
Trước khi so sánh giá giữa các nhà cung cấp, cần hiểu đúng 4 thành phần cấu thành chi phí API LLM. Hiểu sai một thành phần có thể khiến dự toán chi phí lệch gấp nhiều lần so với thực tế.
Giá input và giá output: hai mức giá khác nhau
Giá input là số tiền phải trả cho mỗi 1 triệu token đưa vào mô hình — bao gồm prompt hệ thống, lịch sử trò chuyện, tài liệu đính kèm và câu hỏi của người dùng. Giá output là số tiền phải trả cho mỗi 1 triệu token mô hình tạo ra — câu trả lời, bản tóm tắt, đoạn mã, bài viết. Trong hầu hết các bảng giá hiện nay, giá output cao gấp 3–5 lần giá input, vì việc sinh token tốn tài nguyên tính toán hơn việc đọc token đầu vào. Ví dụ, một mô hình có giá 2 USD input và 10 USD output sẽ tốn 2 USD cho mỗi triệu token prompt và 10 USD cho mỗi triệu token trả lời.
Hệ quả thực tế: chi phí thật của một ứng dụng phụ thuộc vào tỷ lệ input/output của nó. Một ứng dụng tóm tắt tài liệu dài (input lớn, output ngắn) sẽ chịu chi phí chủ yếu từ giá input. Một chatbot trò chuyện dài hoặc một hệ thống viết bài (input vừa, output rất lớn) sẽ chịu chi phí chủ yếu từ giá output. Khi so sánh hai mô hình, đừng chỉ nhìn giá input — hãy tính cả hai chiều theo tỷ lệ input/output thực tế của workload của mình.
Prompt caching: giảm giá input cho phần prompt lặp lại
Prompt caching là cơ chế cho phép nhà cung cấp lưu lại phần prompt đã xử lý và tính giá rẻ hơn cho các lần gọi sau dùng lại cùng một phần prompt. Điều này đặc biệt có giá trị khi prompt hệ thống dài (hướng dẫn chi tiết, ví dụ mẫu, tài liệu tham khảo) được gửi lặp lại trong mọi lần gọi. Thay vì trả đủ giá input cho toàn bộ prompt mỗi lần, người dùng chỉ trả giá cache — thường rẻ hơn 75–90% — cho phần prompt đã lưu, và chỉ trả đủ giá cho phần mới thay đổi.
Các nhà cung cấp tính giá cache khác nhau, và đây là một điểm khác biệt đáng kể trong bảng giá tháng 11/2026. Claude Fable 5.1 của Anthropic có giá cache chỉ 0,25 USD cho 1 triệu token, trong khi GPT-6 Astra của OpenAI có giá cache 1 USD cho 1 triệu token — cùng một mức giá niêm yết input/output 10 USD/50 USD, nhưng chi phí thực tế khi dùng cache dài có thể chênh lệch rõ rệt. Với các ứng dụng có prompt hệ thống dài và được gọi hàng nghìn lần mỗi ngày, prompt caching có thể là khoản tiết kiệm lớn nhất, lớn hơn cả việc chọn mô hình rẻ hơn.
Batch API: giảm giá khi không cần trả lời ngay
Batch API là chế độ xử lý hàng loạt các yêu cầu không cần trả lời ngay lập tức — ví dụ phân loại hàng nghìn tài liệu qua đêm, tạo mô tả cho hàng nghìn sản phẩm, hay đánh giá hàng loạt bài viết. Đổi lại việc chấp nhận độ trễ cao hơn (thường là vài giờ thay vì vài giây), nhà cung cấp giảm giá khoảng 50% so với giá gọi trực tiếp. Batch API phù hợp với các công việc có thể chờ: xử lý dữ liệu nền, tạo nội dung hàng loạt, phân tích định kỳ. Nó không phù hợp với chatbot hay bất kỳ ứng dụng nào cần trả lời trong thời gian thực.
Giá theo giờ cao điểm và thấp điểm
Một số nhà cung cấp, tiêu biểu là DeepSeek, áp dụng giá khác nhau theo giờ cao điểm và giờ thấp điểm. Với DeepSeek V4 Pro, giá niêm yết là 1,32 USD input và 3,96 USD output trong giờ cao điểm, và giảm một nửa trong giờ thấp điểm. Với DeepSeek V4.1-Flash, giá giờ thấp điểm chỉ còn 0,15 USD input và 0,60 USD output. Điều này có nghĩa là cùng một workload, chi phí có thể chênh lệch gấp đôi tùy vào thời điểm chạy — và các công việc xử lý hàng loạt nên được lên lịch vào giờ thấp điểm để tiết kiệm chi phí.
Bảng giá API LLM tháng 11/2026: tầng flagship
Tầng flagship là nhóm mô hình mạnh nhất của mỗi nhà cung cấp — dùng cho các nhiệm vụ khó nhất: suy luận phức tạp, lập trình, phân tích chuyên sâu, xử lý nhiệm vụ đa bước. Giá niêm yết dưới đây được kiểm chứng ngày 02/11/2026; một số mức giá là khuyến mãi có thời hạn và sẽ thay đổi sau ngày ghi trong bảng.
| Mô hình | Nhà cung cấp | Input / 1M token | Output / 1M token | Ghi chú |
|---|---|---|---|---|
| GPT-6 Astra | OpenAI | $10 | $50 | Cache $1; flagship của OpenAI |
| Claude Fable 5.1 | Anthropic | $10 | $50 | Cache $0,25; flagship của Anthropic |
| Claude Opus 5.5 | Anthropic | $4 | $20 | Context 1M token; Intelligence Index 58 |
| GPT-6.1 Sol | OpenAI | $2 | $10 | Intelligence Index 52 |
| Claude Sonnet 5.5 | Anthropic | $2 | $10 | Intelligence Index 56 |
| Gemini 4 Argon | $2 | $10 | Đến 30/11/2026; từ 01/12/2026 lên $4/$20 | |
| Grok 4.7 | xAI | $2 | $6 | Context 500K token |
| Kimi K3.1 Pro | Moonshot | $2 | $10 | Mô hình mạnh nhất của Moonshot |
| DeepSeek V4 Pro | DeepSeek | $1,32 | $3,96 | Giờ cao điểm; giảm một nửa giờ thấp điểm |
Nhìn vào bảng, có thể thấy tầng flagship đã chia thành hai nhóm giá rõ rệt. Nhóm đắt nhất — GPT-6 Astra và Claude Fable 5.1 — cùng ở mức 10 USD input và 50 USD output, dành cho các nhiệm vụ khó nhất và các doanh nghiệp sẵn sàng trả cao nhất để lấy chất lượng tối đa. Nhóm tầm trung — từ 2 đến 4 USD input — gồm Claude Opus 5.5, GPT-6.1 Sol, Claude Sonnet 5.5, Gemini 4 Argon, Grok 4.7 và Kimi K3.1 Pro. Nhóm này rẻ hơn nhóm đắt nhất tới 5 lần ở giá input, trong khi chất lượng theo các bảng benchmark độc lập vẫn ở mức rất cao.
Một điểm đáng chú ý là điểm số Artificial Analysis Intelligence Index — một chỉ số tổng hợp từ nhiều bài benchmark độc lập, được đo tại thời điểm các mô hình ra mắt. Claude Opus 5.5 đạt 58 điểm, cao nhất trong các mô hình được đo tại thời điểm ra mắt tháng 9/2026; Claude Sonnet 5.5 đạt 56 điểm; GPT-6.1 Sol đạt 52 điểm. Cần hiểu đúng ý nghĩa của các con số này: chúng phản ánh năng lực tổng hợp trên một bộ benchmark chuẩn, không phải là xếp hạng chất lượng tuyệt đối cho mọi nhiệm vụ cụ thể. Một mô hình có điểm index cao hơn có thể vẫn kém hơn một mô hình khác ở một nhiệm vụ chuyên biệt — ví dụ viết tiếng Việt, lập trình một ngôn ngữ cụ thể, hay xử lý tài liệu dài. Điểm benchmark là điểm khởi đầu để rút gọn danh sách ứng viên, không phải là đáp án cuối cùng; quyết định cuối cùng nên dựa trên việc thử nghiệm với dữ liệu thật của doanh nghiệp.
Gemini 4 Argon và lưu ý về giá khuyến mãi có hạn
Gemini 4 Argon là trường hợp điển hình cho thấy vì sao phải kiểm tra ngày hết hạn của giá niêm yết. Mức giá 2 USD input và 10 USD output của Gemini 4 Argon chỉ áp dụng đến hết ngày 30/11/2026; từ ngày 01/12/2026, giá sẽ tăng gấp đôi lên 4 USD input và 20 USD output. Một doanh nghiệp lập ngân sách cho quý I/2027 dựa trên mức giá tháng 11 sẽ thấy chi phí tăng gấp đôi ngay từ tháng 12 nếu không để ý đến thời hạn này. Đây không phải là trường hợp cá biệt — nhiều mức giá trong thị trường API LLM hiện nay là giá khuyến mãi có hạn nhằm thu hút người dùng thử mô hình mới, và sẽ được điều chỉnh sau một thời gian. Quy tắc vận hành đúng là: ghi rõ ngày kiểm chứng của mọi mức giá trong tài liệu nội bộ, và kiểm tra lại bảng giá trước mỗi kỳ lập ngân sách.
Gemini 4 Carbon: giá niêm yết nhưng chưa mua được qua API
Gemini 4 Carbon, được Google công bố ngày 28/10/2026, có giá niêm yết 4 USD input và 20 USD output — nhưng tại thời điểm kiểm chứng ngày 02/11/2026, mô hình này chưa mua được qua API. Đây là hiện tượng thường gặp khi một nhà cung cấp công bố mô hình mới: giá được công bố trước, quyền truy cập API được mở dần theo từng đợt. Doanh nghiệp không nên lập kế hoạch sản phẩm dựa trên một mô hình chưa có quyền truy cập API thực tế; hãy chờ đến khi có thể gọi thử bằng tài khoản của mình rồi mới đánh giá chất lượng và chi phí thật.
DeepSeek V4 Pro: flagship rẻ nhất, với giá theo giờ
DeepSeek V4 Pro ở mức 1,32 USD input và 3,96 USD output trong giờ cao điểm — rẻ nhất trong nhóm flagship — và giảm một nửa trong giờ thấp điểm, tức khoảng 0,66 USD input và 1,98 USD output. Với các doanh nghiệp có workload linh hoạt về thời gian (xử lý hàng loạt qua đêm, tạo nội dung theo đợt), DeepSeek V4 Pro mang lại tỷ lệ chất lượng trên chi phí rất cao. Điểm cần kiểm tra trước khi dùng là chất lượng đầu ra trên nhiệm vụ cụ thể của doanh nghiệp, đặc biệt với tiếng Việt và các nhiệm vụ đòi hỏi suy luận dài, cũng như các vấn đề về độ trễ và nơi lưu trữ dữ liệu — xem thêm trong checklist ở phần cuối bài.
Bảng giá API LLM tháng 11/2026: tầng giá rẻ và tầng tầm trung
Tầng giá rẻ là nơi phần lớn lưu lượng API thực tế của doanh nghiệp sẽ nằm: các mô hình nhỏ, nhanh, đủ tốt cho các nhiệm vụ thường xuyên — phân loại, trích xuất thông tin, tóm tắt ngắn, trả lời câu hỏi đơn giản, xử lý dữ liệu hàng loạt. Tiết kiệm ở tầng này có tác động lớn nhất đến tổng chi phí, vì đây là tầng có số lượng yêu cầu lớn nhất.
| Mô hình | Nhà cung cấp | Input / 1M token | Output / 1M token | Ghi chú |
|---|---|---|---|---|
| GPT-6 Luna | OpenAI | $0,10 | $0,50 | Tầng giá rẻ của OpenAI |
| Claude Haiku 5.5 | Anthropic | $0,10 | $0,50 | Tầng giá rẻ của Anthropic |
| DeepSeek V4.1-Flash | DeepSeek | $0,15 | $0,60 | Giá giờ thấp điểm |
| Gemini 3.8 Flash | $0,75 | $3,75 | Đến 31/12/2026; sau đó $1,50/$7,50 |
GPT-6 Luna và Claude Haiku 5.5 cùng ở mức 0,10 USD input và 0,50 USD output — rẻ hơn 100 lần so với các flagship đắt nhất ở cả hai chiều. DeepSeek V4.1-Flash ở mức 0,15 USD input và 0,60 USD output trong giờ thấp điểm, cũng thuộc nhóm rẻ nhất. Gemini 3.8 Flash ở mức 0,75 USD input và 3,75 USD output đến hết 31/12/2026, sau đó tăng gấp đôi lên 1,50 USD và 7,50 USD — lại là một mức giá khuyến mãi có hạn cần ghi nhớ ngày hết hạn.
Một lợi thế riêng của Google: Gemini API có free tier cho mọi model Flash. Free tier cho phép doanh nghiệp thử nghiệm và chạy các workload nhỏ không tốn phí, với giới hạn về số lượng yêu cầu. Đây là điểm khởi đầu tốt cho việc thử nghiệm và xây dựng bản mẫu, trước khi chuyển sang gói trả phí khi workload tăng lên.
Nguyên tắc phân tầng chi phí mà các đội kỹ thuật giàu kinh nghiệm áp dụng: dùng mô hình flagship chỉ cho các bước thực sự cần suy luận khó, và dùng mô hình giá rẻ cho mọi bước còn lại. Ví dụ, trong một hệ thống AI Agent xử lý email khách hàng, bước phân loại email và trích xuất thông tin có thể dùng mô hình giá rẻ, chỉ bước soạn thảo trả lời cho các trường hợp phức tạp mới cần mô hình mạnh. Cách phân tầng này thường giảm tổng chi phí 70–90% so với việc dùng flagship cho mọi bước, trong khi chất lượng đầu ra cuối cùng gần như không thay đổi — vì phần lớn các bước trong một quy trình không cần đến năng lực suy luận tối đa.
Thị phần chi tiêu API doanh nghiệp: Anthropic dẫn đầu
Theo dữ liệu của Menlo Ventures về chi tiêu API của doanh nghiệp, thị phần hiện nay là: Anthropic 40%, OpenAI 27% và Google 21%. Ba con số này nói lên nhiều điều về thị trường. Anthropic dẫn đầu với 40% chi tiêu API doanh nghiệp — phản ánh việc các doanh nghiệp đang chọn Claude cho các ứng dụng sản xuất thật, không chỉ thử nghiệm. OpenAI ở mức 27%, vẫn là một trong ba nhà cung cấp lớn nhất nhưng không còn vị thế độc tôn như những năm trước. Google ở mức 21%, với Gemini đang tăng trưởng nhờ hệ sinh thái Google Cloud và giá cạnh tranh. Phần còn lại của thị trường — khoảng 12% — thuộc về các nhà cung cấp khác như DeepSeek, xAI, Moonshot và các nhà cung cấp hạ tầng suy luận.
Thị phần chi tiêu không phải là thước đo chất lượng tuyệt đối, nhưng nó là một tín hiệu hữu ích: các doanh nghiệp lớn đã thử nghiệm, đánh giá và quyết định chi tiền thật vào các nhà cung cấp này. Khi một nhà cung cấp chiếm 40% chi tiêu của doanh nghiệp, điều đó cho thấy hệ sinh thái xung quanh họ — tài liệu, công cụ, cộng đồng, hỗ trợ kỹ thuật — đã đủ trưởng thành cho triển khai sản xuất. Với doanh nghiệp Việt Nam đang chọn API lần đầu, việc ưu tiên các nhà cung cấp có thị phần lớn sẽ giảm rủi ro về hỗ trợ và tính ổn định dài hạn.
Context window: cửa sổ ngữ cảnh và ảnh hưởng đến chi phí thật
Context window (cửa sổ ngữ cảnh) là lượng token tối đa mà mô hình có thể xử lý trong một lần gọi, bao gồm cả input và output. Đây là thông số kỹ thuật có ảnh hưởng trực tiếp đến cả khả năng và chi phí của ứng dụng. Claude Opus 5.5 có context window 1 triệu token; Grok 4.7 có context window 500.000 token. Các mô hình khác trong bảng cũng có context window lớn, nhưng con số cụ thể thay đổi theo từng mô hình và cần kiểm tra trong tài liệu chính thức của nhà cung cấp.
Vì sao context window quan trọng? Thứ nhất, nó quyết định ứng dụng có thể đưa bao nhiêu dữ liệu vào một lần gọi: một tài liệu dài 200.000 token không thể đưa vào mô hình có context 128.000 token mà không chia nhỏ. Thứ hai, chi phí tăng theo lượng token input thực tế đưa vào — đưa cả một tài liệu dài vào mọi lần gọi sẽ tốn kém hơn nhiều so với việc chỉ đưa phần liên quan. Thứ ba, chất lượng suy luận của mô hình có thể giảm khi ngữ cảnh quá dài: nhiều nghiên cứu độc lập cho thấy mô hình dễ “bỏ quên” thông tin nằm ở giữa một ngữ cảnh rất dài.
Chiến lược đúng là kết hợp: dùng kỹ thuật RAG (Retrieval-Augmented Generation) để chỉ đưa những đoạn tài liệu liên quan nhất vào prompt, thay vì đưa toàn bộ tài liệu; dùng prompt caching để giảm giá cho phần ngữ cảnh lặp lại; và chỉ dùng context window lớn cho các nhiệm vụ thực sự cần đọc nhiều tài liệu cùng lúc — ví dụ phân tích một hợp đồng dài hay đối chiếu nhiều báo cáo. Context window lớn là một tính năng có giá trị, nhưng dùng nó bừa bãi là cách nhanh nhất để hóa đơn API tăng vọt.
Gateway, API trực tiếp và unified layer: chọn cách truy cập API
Ngoài việc chọn mô hình, doanh nghiệp còn phải chọn cách truy cập API. Có ba cách phổ biến, mỗi cách có ưu và nhược điểm riêng.
API trực tiếp từ nhà cung cấp
Gọi trực tiếp API của OpenAI, Anthropic, Google, DeepSeek hay xAI là cách đơn giản nhất: đăng ký tài khoản, lấy API key, gọi endpoint của nhà cung cấp. Ưu điểm là được dùng tính năng mới nhất của nhà cung cấp ngay khi ra mắt, giá đúng bảng giá niêm yết, và hỗ trợ kỹ thuật trực tiếp từ nhà cung cấp. Nhược điểm là mỗi nhà cung cấp một API key, một cách tính phí, một dashboard riêng — khi dùng nhiều nhà cung cấp, việc quản lý trở nên phức tạp. API trực tiếp phù hợp khi doanh nghiệp chỉ dùng một hoặc hai nhà cung cấp chính.
Gateway đám mây: AWS Bedrock, Microsoft Foundry, Google Vertex AI
Gateway đám mây là các nền tảng của nhà cung cấp đám mây lớn cho phép gọi nhiều mô hình khác nhau qua một cổng duy nhất: AWS Bedrock, Microsoft Foundry và Google Vertex AI. Ưu điểm lớn nhất là tích hợp với hạ tầng đám mây sẵn có — xác thực, phân quyền, ghi nhật ký, giám sát và kiểm soát chi phí đều nằm trong hệ thống quản trị đám mây mà doanh nghiệp đã dùng. Với doanh nghiệp đã chạy trên AWS, Azure hoặc Google Cloud, gateway là lựa chọn tự nhiên: dữ liệu không phải rời khỏi hạ tầng đám mây, và đội vận hành chỉ cần quản lý một hệ thống. Nhược điểm là một số mô hình hoặc tính năng mới có thể xuất hiện trên gateway chậm hơn so với API trực tiếp của nhà cung cấp, và giá qua gateway đôi khi cao hơn một chút so với giá gốc.
Unified layer: OpenRouter, Together, Fireworks, Groq, Cerebras
Unified layer (lớp hợp nhất) là các dịch vụ cung cấp một API duy nhất để gọi nhiều mô hình từ nhiều nhà cung cấp khác nhau: OpenRouter, Together, Fireworks, Groq và Cerebras là những cái tên phổ biến. Ưu điểm là tính linh hoạt tối đa: đổi mô hình chỉ bằng cách thay tên mô hình trong yêu cầu, không cần viết lại code tích hợp; dễ dàng thử nghiệm và so sánh nhiều mô hình; và có thể dùng tính năng fallback tự động — khi một nhà cung cấp gặp sự cố, hệ thống tự chuyển sang nhà cung cấp khác. Nhược điểm là thêm một lớp trung gian: độ trễ có thể tăng nhẹ, một số tính năng đặc thù của nhà cung cấp gốc có thể không được hỗ trợ đầy đủ, và giá có thể chênh lệch so với giá gốc. Unified layer phù hợp nhất khi doanh nghiệp cần thử nghiệm nhiều mô hình, cần fallback giữa các nhà cung cấp, hoặc muốn một điểm tích hợp duy nhất cho toàn bộ hệ thống AI.
| Cách truy cập | Ưu điểm chính | Nhược điểm chính | Phù hợp nhất khi |
|---|---|---|---|
| API trực tiếp | Tính năng mới nhất, giá niêm yết, hỗ trợ trực tiếp | Quản lý nhiều key và dashboard khi dùng nhiều nhà cung cấp | Chỉ dùng 1–2 nhà cung cấp chính |
| Gateway đám mây (Bedrock, Foundry, Vertex AI) | Tích hợp hạ tầng đám mây, phân quyền và giám sát tập trung | Tính năng mới có thể chậm hơn API gốc | Doanh nghiệp đã chạy trên AWS/Azure/Google Cloud |
| Unified layer (OpenRouter, Together, Fireworks, Groq, Cerebras) | Một API cho nhiều mô hình, dễ đổi mô hình, có fallback | Thêm lớp trung gian, có thể thiếu tính năng đặc thù | Cần thử nhiều mô hình hoặc cần fallback tự động |
Một lưu ý quan trọng: Groq và Cerebras xuất hiện ở cả hai vai trò — vừa là nhà cung cấp hạ tầng suy luận tốc độ cao, vừa là điểm truy cập qua unified layer. Các nhà cung cấp này chạy mô hình mã nguồn mở trên chip suy luận chuyên dụng, cho tốc độ phản hồi rất nhanh. Với các ứng dụng cần độ trễ thấp — chatbot thời gian thực, trợ lý giọng nói, hệ thống gợi ý — tốc độ suy luận có thể quan trọng hơn một chút chênh lệch về chất lượng mô hình.
Ví dụ tính chi phí: workload 100 triệu token input và 20 triệu token output mỗi tháng
Để thấy rõ sự chênh lệch giữa các tầng giá, hãy tính chi phí cho một workload mẫu: 100 triệu token input và 20 triệu token output mỗi tháng. Đây là quy mô điển hình của một doanh nghiệp vừa: ví dụ một chatbot hỗ trợ khách hàng xử lý vài nghìn cuộc trò chuyện mỗi ngày, hoặc một hệ thống tạo nội dung sản xuất vài trăm bài viết mỗi tháng. Cách tính: chi phí = (số token input / 1.000.000) × giá input + (số token output / 1.000.000) × giá output. Theo tính toán tham khảo từ binmage, chi phí của workload này dao động từ khoảng 20 USD ở tầng rẻ nhất đến khoảng 2.000 USD ở tầng flagship đắt nhất.
| Mô hình | Chi phí input (100M token) | Chi phí output (20M token) | Tổng chi phí / tháng |
|---|---|---|---|
| GPT-6 Astra ($10/$50) | $1.000 | $1.000 | $2.000 |
| Claude Fable 5.1 ($10/$50) | $1.000 | $1.000 | $2.000 |
| Claude Opus 5.5 ($4/$20) | $400 | $400 | $800 |
| GPT-6.1 Sol ($2/$10) | $200 | $200 | $400 |
| Claude Sonnet 5.5 ($2/$10) | $200 | $200 | $400 |
| Gemini 4 Argon ($2/$10) | $200 | $200 | $400 |
| Grok 4.7 ($2/$6) | $200 | $120 | $320 |
| Kimi K3.1 Pro ($2/$10) | $200 | $200 | $400 |
| DeepSeek V4 Pro ($1,32/$3,96) | $132 | $79 | $211 |
| GPT-6 Luna ($0,10/$0,50) | $10 | $10 | $20 |
| Claude Haiku 5.5 ($0,10/$0,50) | $10 | $10 | $20 |
| DeepSeek V4.1-Flash ($0,15/$0,60, giờ thấp điểm) | $15 | $12 | $27 |
| Gemini 3.8 Flash ($0,75/$3,75) | $75 | $75 | $150 |
Bảng trên cho thấy chênh lệch 100 lần giữa tầng rẻ nhất (20 USD/tháng) và tầng đắt nhất (2.000 USD/tháng) cho cùng một workload. Nhưng con số này chưa tính đến các biện pháp tiết kiệm: prompt caching có thể giảm chi phí input xuống 75–90% cho phần prompt lặp lại; batch API giảm khoảng 50% cho các công việc không cần trả lời ngay; chạy vào giờ thấp điểm giảm một nửa với DeepSeek. Với các biện pháp này, chi phí thực tế có thể thấp hơn đáng kể so với bảng tính trên — và đó là lý do các doanh nghiệp vận hành API ở quy mô lớn luôn kết hợp nhiều biện pháp tiết kiệm cùng lúc, thay vì chỉ chọn mô hình rẻ nhất.
Quan trọng hơn, bảng trên cho thấy chiến lược phân tầng mang lại hiệu quả lớn nhất. Giả sử trong workload mẫu, chỉ 10% số yêu cầu thực sự cần mô hình flagship, 90% còn lại dùng được mô hình giá rẻ: chi phí sẽ là 10% × 2.000 USD + 90% × 20 USD = 200 + 18 = 218 USD/tháng — rẻ hơn gần 10 lần so với việc dùng flagship cho toàn bộ workload, trong khi chất lượng của các nhiệm vụ khó vẫn được giữ nguyên vì chúng vẫn dùng flagship. Đây là phép tính mà mọi đội kỹ thuật nên làm trước khi quyết định kiến trúc mô hình cho hệ thống của mình.
Khi nào chọn flagship, khi nào chọn mô hình giá rẻ?
Quyết định chọn mô hình nên dựa trên bản chất của nhiệm vụ, không dựa trên thói quen hay thương hiệu. Dưới đây là khung quyết định thực tế.
Chọn flagship khi nhiệm vụ đòi hỏi suy luận khó
Dùng mô hình flagship — GPT-6 Astra, Claude Fable 5.1, Claude Opus 5.5, hoặc các mô hình tầm trung mạnh như Claude Sonnet 5.5, GPT-6.1 Sol — khi nhiệm vụ có một trong các đặc điểm sau: suy luận nhiều bước phức tạp; cần tuân thủ chính xác các hướng dẫn dài và chi tiết; xử lý nhiệm vụ đa bước kiểu AI Agent với việc gọi công cụ; viết nội dung dài, chất lượng cao, cần sắc thái ngôn ngữ tinh tế; phân tích tài liệu chuyên môn sâu; hoặc lập trình phức tạp. Với các nhiệm vụ này, chênh lệch chất lượng giữa flagship và mô hình giá rẻ là rõ rệt và đáng giá tiền.
Chọn mô hình giá rẻ khi nhiệm vụ lặp lại và có cấu trúc rõ ràng
Dùng mô hình giá rẻ — GPT-6 Luna, Claude Haiku 5.5, DeepSeek V4.1-Flash, Gemini 3.8 Flash — khi nhiệm vụ có một trong các đặc điểm sau: phân loại, gắn nhãn, trích xuất thông tin có cấu trúc; tóm tắt ngắn các văn bản quen thuộc; trả lời câu hỏi thường gặp theo mẫu có sẵn; xử lý dữ liệu hàng loạt theo quy tắc rõ ràng; dịch thuật hoặc chuyển đổi định dạng; hoặc bất kỳ nhiệm vụ nào mà đầu ra có thể kiểm tra tự động (đúng/sai, khớp mẫu). Với các nhiệm vụ này, mô hình giá rẻ thường cho kết quả tương đương flagship, với chi phí chỉ bằng 1–5%.
Chọn mô hình tầm trung cho phần lớn ứng dụng sản xuất
Thực tế, phần lớn ứng dụng sản xuất của doanh nghiệp sẽ dùng mô hình tầm trung — nhóm 2 USD input và 10 USD output như Claude Sonnet 5.5, GPT-6.1 Sol, Gemini 4 Argon, Grok 4.7, Kimi K3.1 Pro — vì nhóm này cân bằng tốt nhất giữa chất lượng và chi phí. Claude Sonnet 5.5 là ví dụ điển hình: điểm Intelligence Index 56, chỉ thấp hơn flagship Opus 5.5 (58 điểm) một chút, nhưng giá chỉ bằng một nửa. Với hầu hết các ứng dụng chatbot, trợ lý nội bộ, tạo nội dung và xử lý tài liệu, mô hình tầm trung là điểm xuất phát đúng đắn; chỉ nâng cấp lên flagship khi có bằng chứng đo được rằng mô hình tầm trung không đáp ứng được nhiệm vụ cụ thể.
Checklist chọn API LLM cho doanh nghiệp Việt Nam
Chọn API LLM không chỉ là chọn mô hình rẻ nhất hay mạnh nhất. Checklist dưới đây bao quát các yếu tố mà doanh nghiệp Việt Nam cần đánh giá trước khi cam kết với một nhà cung cấp.
- Chất lượng tiếng Việt trên nhiệm vụ thật: thử nghiệm với dữ liệu thật của doanh nghiệp — email khách hàng, tài liệu nội bộ, nội dung website — chứ không chỉ đọc benchmark tiếng Anh. Một mô hình mạnh về tiếng Anh có thể viết tiếng Việt chưa tự nhiên, và ngược lại.
- Độ trễ (latency) từ Việt Nam: đo thời gian phản hồi thực tế từ hạ tầng của doanh nghiệp. Độ trễ cao ảnh hưởng trực tiếp đến trải nghiệm chatbot và các ứng dụng thời gian thực. Các nhà cung cấp có hạ tầng suy luận tốc độ cao như Groq và Cerebras có thể là lựa chọn tốt khi độ trễ là ưu tiên.
- Dữ liệu được lưu trữ ở đâu và dùng vào việc gì: đọc kỹ điều khoản của nhà cung cấp về việc dữ liệu gửi qua API có được dùng để huấn luyện mô hình hay không, dữ liệu được lưu ở khu vực nào, và thời gian lưu trữ là bao lâu. Với dữ liệu khách hàng hoặc dữ liệu kinh doanh nhạy cảm, nên chọn nhà cung cấp có cam kết không dùng dữ liệu API để huấn luyện và có tùy chọn lưu trữ dữ liệu theo khu vực.
- Tuân thủ và bảo mật: kiểm tra xem nhà cung cấp có đáp ứng các yêu cầu tuân thủ mà doanh nghiệp cần hay không (ví dụ các chứng nhận bảo mật, khả năng ký thỏa thuận xử lý dữ liệu). Doanh nghiệp trong lĩnh vực tài chính, y tế hoặc xử lý dữ liệu cá nhân nhạy cảm cần đánh giá kỹ điểm này trước khi gửi dữ liệu qua API.
- Hỗ trợ tiếng Việt của đội ngũ nhà cung cấp: khi gặp sự cố, doanh nghiệp có thể liên hệ hỗ trợ bằng kênh nào, thời gian phản hồi là bao lâu, và có hỗ trợ bằng tiếng Việt hay không. Với doanh nghiệp nhỏ, hỗ trợ qua cộng đồng và tài liệu có thể là đủ; với hệ thống sản xuất quan trọng, cần gói hỗ trợ có cam kết thời gian phản hồi.
- Giới hạn tốc độ (rate limit) và độ ổn định: kiểm tra giới hạn số yêu cầu mỗi phút và số token mỗi phút của gói đang dùng, và xem nhà cung cấp có lịch sử gián đoạn dịch vụ hay không. Hệ thống sản xuất cần có phương án dự phòng khi API chính gặp sự cố — ví dụ fallback sang một nhà cung cấp khác qua unified layer.
- Chi phí tổng thể, không chỉ giá niêm yết: tính chi phí theo workload thật của doanh nghiệp, bao gồm cả prompt caching, batch API và phân tầng mô hình. Đặt ngân sách và cảnh báo chi phí theo ngày, đừng chờ đến cuối tháng mới xem hóa đơn.
- Khả năng đổi nhà cung cấp: thiết kế hệ thống theo lớp trừu tượng — tách logic nghiệp vụ và prompt khỏi API cụ thể — để có thể đổi mô hình khi giá thay đổi hoặc khi có mô hình tốt hơn. Giữ một bộ kiểm thử nhiệm vụ mẫu để đánh giá lại mỗi khi đổi mô hình.
- Ngày hết hạn của giá khuyến mãi: ghi rõ ngày kiểm chứng của mọi mức giá trong tài liệu nội bộ, đặc biệt với các mức giá có thời hạn như Gemini 4 Argon (đến 30/11/2026) và Gemini 3.8 Flash (đến 31/12/2026). Kiểm tra lại bảng giá trước mỗi kỳ lập ngân sách.
- Free tier và gói dùng thử: tận dụng free tier (ví dụ Gemini API có free tier cho mọi model Flash) để thử nghiệm và xây dựng bản mẫu trước khi cam kết chi phí. Chỉ chuyển sang gói trả phí khi workload đã rõ ràng và ổn định.
Kết luận: không có API tốt nhất, chỉ có API phù hợp nhất với workload của bạn
Thị trường API LLM tháng 11/2026 mang đến cho doanh nghiệp nhiều lựa chọn tốt hơn bao giờ hết: flagship mạnh mẽ với giá 10 USD/50 USD, tầm trung chất lượng cao với giá 2 USD/10 USD, và tầng giá rẻ chỉ 0,10 USD/0,50 USD — cùng với prompt caching, batch API và nhiều cách truy cập linh hoạt qua gateway đám mây và unified layer. Sự đa dạng này đồng nghĩa với việc không còn một đáp án chung cho mọi doanh nghiệp. API tốt nhất là API phù hợp nhất với workload cụ thể: tỷ lệ input/output, độ khó của nhiệm vụ, yêu cầu về độ trễ, ngân sách và yêu cầu tuân thủ của doanh nghiệp đó.
Cách tiếp cận đúng đắn gồm ba bước. Bước một, đo workload thật của mình: bao nhiêu token input, bao nhiêu token output, bao nhiêu phần trăm yêu cầu thực sự cần suy luận khó. Bước hai, thử nghiệm 2–3 mô hình ứng viên trên dữ liệu thật và đo cả chất lượng lẫn chi phí — đừng quyết định chỉ dựa trên điểm benchmark hay giá niêm yết. Bước ba, thiết kế hệ thống theo lớp trừu tượng để có thể đổi mô hình khi thị trường thay đổi, vì thị trường này thay đổi theo từng tháng: giá khuyến mãi hết hạn, mô hình mới ra mắt, và thứ hạng chất lượng đảo chiều. Doanh nghiệp nào xây dựng được khả năng đo lường và chuyển đổi linh hoạt sẽ luôn trả ít hơn và nhận được nhiều hơn so với doanh nghiệp khóa mình vào một lựa chọn duy nhất.
Cuối cùng, một lưu ý về giá: toàn bộ giá trong bài viết này là giá niêm yết công khai được kiểm chứng ngày 02/11/2026, từ các nguồn theairankings, cloudquell và binmage. Giá API LLM thay đổi thường xuyên và nhiều mức là khuyến mãi có hạn — Gemini 4 Argon tăng giá từ 01/12/2026, Gemini 3.8 Flash tăng giá từ 01/01/2027 — nên hãy xác minh lại với nhà cung cấp trước khi quyết định. Một bảng giá được kiểm chứng hôm nay có thể đã lỗi thời vào tháng sau, và đó là lý do doanh nghiệp cần quy trình kiểm tra giá định kỳ, không phải một lần duy nhất.
Câu hỏi thường gặp (FAQs)
API LLM nào rẻ nhất tháng 11/2026?
Rẻ nhất trong các mô hình được so sánh là GPT-6 Luna của OpenAI và Claude Haiku 5.5 của Anthropic, cùng ở mức 0,10 USD cho 1 triệu token input và 0,50 USD cho 1 triệu token output, theo bảng giá công khai kiểm chứng ngày 02/11/2026. DeepSeek V4.1-Flash cũng thuộc nhóm rẻ nhất với 0,15 USD input và 0,60 USD output trong giờ thấp điểm. Tuy nhiên, rẻ nhất không đồng nghĩa với phù hợp nhất: các mô hình giá rẻ phù hợp cho nhiệm vụ lặp lại có cấu trúc rõ ràng, còn nhiệm vụ suy luận khó vẫn cần mô hình tầm trung hoặc flagship. Giá có thể thay đổi, nên cần xác minh lại với nhà cung cấp trước khi quyết định.
API LLM nào mạnh nhất tháng 11/2026?
Theo điểm Artificial Analysis Intelligence Index được đo tại thời điểm ra mắt, Claude Opus 5.5 của Anthropic đạt 58 điểm, cao nhất trong các mô hình được đo tại thời điểm ra mắt tháng 9/2026, tiếp theo là Claude Sonnet 5.5 với 56 điểm và GPT-6.1 Sol với 52 điểm. Nhưng điểm benchmark là thước đo năng lực tổng hợp, không phải xếp hạng chất lượng tuyệt đối cho mọi nhiệm vụ. Một mô hình có điểm index cao hơn vẫn có thể kém hơn ở một nhiệm vụ chuyên biệt như viết tiếng Việt hay lập trình một ngôn ngữ cụ thể. Cách đánh giá đúng là thử nghiệm các mô hình ứng viên trên dữ liệu thật của doanh nghiệp và đo kết quả trên nhiệm vụ cụ thể.
Giá API LLM tính như thế nào?
Giá API LLM tính theo số token sử dụng, gồm hai thành phần chính: giá input (token đưa vào mô hình, bao gồm prompt và tài liệu) và giá output (token mô hình tạo ra). Giá output thường cao gấp 3–5 lần giá input. Ngoài ra còn có giá prompt caching — rẻ hơn 75–90% cho phần prompt lặp lại — và batch API giảm khoảng 50% cho các công việc không cần trả lời ngay. Một số nhà cung cấp như DeepSeek còn áp dụng giá theo giờ cao điểm và thấp điểm. Chi phí thật của một ứng dụng phụ thuộc vào tỷ lệ input/output, độ dài prompt hệ thống và cách doanh nghiệp dùng caching và batch.
Nên chọn API LLM nào cho doanh nghiệp Việt Nam?
Không có một API duy nhất tốt nhất cho mọi doanh nghiệp Việt Nam; hãy chọn theo workload và yêu cầu cụ thể. Điểm xuất phát tốt cho hầu hết ứng dụng sản xuất là mô hình tầm trung như Claude Sonnet 5.5, GPT-6.1 Sol hoặc Gemini 4 Argon (2 USD input, 10 USD output), kết hợp với mô hình giá rẻ như Claude Haiku 5.5 hoặc GPT-6 Luna cho các bước đơn giản. Trước khi quyết định, hãy thử nghiệm chất lượng tiếng Việt trên dữ liệu thật, đo độ trễ từ Việt Nam, kiểm tra chính sách lưu trữ và sử dụng dữ liệu của nhà cung cấp, và tính chi phí theo workload thật thay vì chỉ nhìn giá niêm yết.
Prompt caching là gì và tiết kiệm được bao nhiêu?
Prompt caching là cơ chế cho phép nhà cung cấp lưu lại phần prompt đã xử lý và tính giá rẻ hơn cho các lần gọi sau dùng lại cùng một phần prompt. Điều này đặc biệt có giá trị khi prompt hệ thống dài và được gửi lặp lại hàng nghìn lần mỗi ngày. Giá cache thường rẻ hơn 75–90% so với giá input thông thường. Ví dụ, Claude Fable 5.1 có giá cache 0,25 USD cho 1 triệu token, so với giá input thông thường 10 USD; GPT-6 Astra có giá cache 1 USD cho 1 triệu token. Với ứng dụng có prompt dài và gọi thường xuyên, prompt caching có thể là khoản tiết kiệm lớn nhất trong tổng chi phí API.
Context window là gì và có ảnh hưởng gì đến chi phí?
Context window là lượng token tối đa mà mô hình có thể xử lý trong một lần gọi, bao gồm cả input và output. Ví dụ, Claude Opus 5.5 có context window 1 triệu token, Grok 4.7 có 500.000 token. Context window lớn cho phép đưa nhiều tài liệu vào một lần gọi, nhưng chi phí tăng theo lượng token input thực tế đưa vào, và chất lượng suy luận có thể giảm khi ngữ cảnh quá dài. Cách dùng hiệu quả là kết hợp RAG để chỉ đưa phần tài liệu liên quan nhất vào prompt, dùng prompt caching cho phần lặp lại, và chỉ dùng context lớn cho nhiệm vụ thực sự cần đọc nhiều tài liệu cùng lúc.
Batch API khác gì so với gọi API thông thường?
Batch API là chế độ xử lý hàng loạt các yêu cầu không cần trả lời ngay lập tức, với độ trễ thường là vài giờ thay vì vài giây, đổi lại mức giá giảm khoảng 50% so với gọi trực tiếp. Batch API phù hợp với các công việc có thể chờ: phân loại hàng nghìn tài liệu qua đêm, tạo mô tả cho hàng nghìn sản phẩm, phân tích định kỳ. Batch API không phù hợp với chatbot hay bất kỳ ứng dụng nào cần trả lời trong thời gian thực. Doanh nghiệp nên tách workload thành hai nhóm — việc cần trả lời ngay dùng API thông thường, việc có thể chờ dùng batch API — để tối ưu tổng chi phí.
Có nên dùng gateway đám mây hay unified layer thay vì API trực tiếp không?
Tùy vào tình hình hiện tại của doanh nghiệp. API trực tiếp phù hợp khi chỉ dùng một hoặc hai nhà cung cấp, vì được dùng tính năng mới nhất với giá niêm yết. Gateway đám mây như AWS Bedrock, Microsoft Foundry hay Google Vertex AI phù hợp khi doanh nghiệp đã chạy trên hạ tầng đám mây đó, vì tích hợp sẵn xác thực, phân quyền và giám sát. Unified layer như OpenRouter, Together, Fireworks, Groq hay Cerebras phù hợp khi cần thử nhiều mô hình, dễ đổi mô hình và cần fallback tự động khi một nhà cung cấp gặp sự cố. Nhiều doanh nghiệp kết hợp cả hai: API trực tiếp cho nhà cung cấp chính, unified layer làm phương án dự phòng.
Liên hệ AIA qua hotline 0939 936 168 để được tư vấn lựa chọn API LLM và kiến trúc hệ thống AI phù hợp với quy mô và ngân sách của doanh nghiệp bạn.
