Muốn giảm chi phí Claude Code, hãy ngừng dùng Opus cho việc “lặt vặt”
Giảm chi phí Claude Code là chiến lược tổ chức lại quy trình lập trình với AI bằng cách tách riêng các tác vụ suy luận phức tạp và các tác vụ nhập/xuất lặp lại, chuyển phần việc lặp sang mô hình chi phí thấp và dùng subagent Claude để tự động ủy thác nhiệm vụ, nhằm tối ưu hóa token Claude thay vì chỉ đổi sang mô hình rẻ hơn một cách mù quáng. Hầu hết lập trình viên chọn Sonnet hoặc Opus cho toàn bộ phiên làm việc vì chất lượng, rồi ngạc nhiên khi lượng token đội lên rất nhanh. Nhưng không phải mọi tác vụ trong Claude Code đều cần mô hình mạnh: rà README, làm sạch transcript, kiểm tra vài thông tin nhỏ là ví dụ điển hình. Khi bạn trả tiền mô hình cao cấp để quét comment của chính nó, bạn đang đốt ngân sách chứ không phải tối ưu. Câu hỏi nên đặt ra không phải “dùng model nào?”, mà là “tác vụ nào xứng đáng dùng model đắt?”.
Chiến lược của Spotify: tách I/O sang mô hình chi phí thấp
Spotify cho thấy một nguyên tắc đơn giản nhưng mạnh: mô hình frontier chỉ nên dùng cho suy luận, không phải I/O. Họ xây hệ thống agent "AiKA mode" chạy trong môi trường runtime tạm thời, nơi lập trình viên chỉ cần chọn mô hình, chỉ dẫn và công cụ MCP cho từng mode, không phải tự quản lý hạ tầng hay API key. Kỹ sư Dimitri Mazmanov tạo hai mode: “bulk reader” để đọc nhiều tệp và “code writer” để sinh đoạn mã mang tính lặp lại, dễ đoán, rồi dùng Google Gemini 2.5 Flash làm worker cho cả hai.
Những agent này chủ yếu xử lý tác vụ I/O – đọc file, ghi code lặp – vốn tiêu tốn token nhưng không cần suy luận sâu. Vì vậy, Spotify tách phần I/O khỏi Claude chi phí cao, để mô hình frontier chỉ tập trung vào gỡ lỗi, quyết định kiến trúc và các bước suy luận cốt lõi. Kết quả: "lượng token mà Claude Code tiêu thụ giảm trung bình 90%". Đây không phải tối ưu vi mô vài phần trăm, mà là thay đổi cách phân chia việc giữa các mô hình.
Subagent Claude: ủy thác tự động, không cần prompt engineering phức tạp
Bạn không cần xây một cổng riêng như Spotify để giảm chi phí Claude Code: Claude Code đã có sẵn tính năng subagent. Ý tưởng cốt lõi là tạo subagent dùng mô hình chi phí thấp hơn, như Claude Haiku, để xử lý các tác vụ lặp lại, tốn công sức. Thay vì để Opus hoặc Sonnet kiểm tra văn bản hay cập nhật README, bạn giao việc đó cho subagent chạy trên mô hình chi phí thấp.
Thiết lập cụ thể rất thẳng: bạn dán prompt khai báo subagent vào Claude Code, ví dụ một agent "transcript-cleaner" với mô tả chuyên xử lý bản ghi phỏng vấn, dùng mô hình Haiku và công cụ Read/Write. Phần mô tả quyết định tất cả: Claude Code sẽ rà soát mô tả của mọi subagent khi bạn nhập câu lệnh; nếu câu lệnh chứa hướng dẫn khớp mô tả, subagent sẽ tự động được kích hoạt. Bạn vẫn có thể gọi subagent thủ công, nhưng sức mạnh thực sự nằm ở việc để hệ thống tự nhận diện và ủy thác nhiệm vụ, giữ cho trải nghiệm làm việc liền mạch.
Quy trình 4 bước: tách tác vụ và giao cho mô hình chi phí thấp
Điểm mấu chốt để tối ưu hóa token Claude là phân loại việc theo nhu cầu suy luận, rồi cố định đường đi của từng loại. Một quy trình thực tế có thể gồm bốn bước.
- Liệt kê tác vụ I/O và lặp lại trong dự án: đọc nhiều file, tạo đoạn code boilerplate, làm sạch transcript, đồng bộ README, định dạng outline… Những việc này không cần Opus.
- Thiết kế mode/subagent tương ứng: học theo cách Spotify dùng "bulk reader" và "code writer" cho đọc nhiều tệp và sinh code lặp trên worker chi phí thấp, hoặc tạo các subagent như Transcript Cleaner, README Sync, Outline Formatter, Fact Checker.
- Chọn mô hình chi phí thấp cho mỗi agent: ưu tiên Haiku hoặc các mô hình AI chi phí thấp khác cho các tác vụ lặp lại, để mô hình lớn chỉ xử lý gỡ lỗi, kiến trúc và quyết định khó.
- Kiểm thử và đo token: các thiết lập thực tế cho thấy có thể giảm 30–40% token nhờ subagent, trong một số phiên việc dùng Haiku cho tác vụ đơn giản còn giúp giảm tới 50% lượng token.
Nếu bạn đang làm việc với monorepo lớn, hãy ưu tiên tách các tác vụ đọc nhiều tệp và sinh code lặp trước, vì đây là nơi Spotify thu được mức giảm ấn tượng nhất.
Sai lầm phổ biến và kỳ vọng kết quả khi tối ưu hóa token Claude
Chiến lược này không miễn phí rủi ro. Sai lầm phổ biến nhất là mô tả subagent mơ hồ khiến một mô hình năng lực hạn chế tiếp quản tác vụ quan trọng. Khi bạn kết hợp mô tả không chuẩn với mô hình yếu, kết quả trả về sẽ kém chất lượng. Sai lầm thứ hai là để Claude Code gán nhầm yêu cầu cho subagent vì mô tả quá chồng chéo; đôi khi hệ thống định hướng sai yêu cầu khi cố gắng gán chúng cho subagent. Cách khắc phục: mô tả phải cực kỳ cụ thể, chỉ tạo subagent cho tác vụ lặp bạn dùng thường xuyên, và giữ các nhiệm vụ gỡ lỗi, thiết kế kiến trúc, suy luận cốt lõi cho mô hình chính.
Nếu triển khai gọn gàng, bạn có thể kỳ vọng: mô hình lớn tập trung vào logic, mô hình chi phí thấp xử lý I/O, và tổng token tiêu thụ giảm đáng kể. Các thiết lập dùng subagent Haiku thường giúp giảm 30–40% token, đôi khi tới 50% trong phiên đơn giản, trong khi cách tiếp cận tách I/O như Spotify cho phép giảm trung bình 90% token Claude Code. Câu trả lời không phải là “bớt dùng Claude Code”, mà là “dùng Claude Code thông minh hơn bằng cách chia nhỏ nhiệm vụ và ủy thác đúng chỗ”.
