Token burn là gì và vì sao bạn đang trả tiền cho mỗi lần… nhấn gửi?
Token burn trong Claude là quá trình mô hình phải đọc lại toàn bộ ngữ cảnh cuộc trò chuyện và sinh thêm văn bản mới mỗi khi bạn nhấn gửi, khiến số token tích lũy tăng dần theo từng lượt và làm chi phí API phình lên nếu bạn không tối ưu cấu hình và nội dung prompt. Mỗi khi gửi message mới, Claude không thực sự “nhớ” gì cả; toàn bộ lịch sử hội thoại, từ prompt đầu tiên, mọi câu trả lời, kết quả công cụ, tài liệu, hình ảnh… lại được đưa vào cửa sổ ngữ cảnh rồi xử lý lại từ đầu. Điều này có nghĩa là mỗi lượt sau luôn “nặng” hơn lượt trước, và với API, phần nặng đó trực tiếp chuyển thành tiền bạn phải trả. Nếu bạn để Claude Code suy nghĩ quá nhiều hoặc chia nhỏ yêu cầu thành hàng chục message, bạn đang tự làm hóa đơn API dày lên nhanh hơn cần thiết.
Một thay đổi Claude Code cấu hình giúp giảm 45% token burn
Điểm xuất phát của tối ưu hóa Claude token trong Claude Code là hiểu rằng “nhiều suy nghĩ hơn không phải lúc nào cũng tốt hơn”. Claude Code cho phép bạn quyết định nó nên “nghĩ” chăm chỉ đến mức nào thông qua thiết lập effort; mỗi mức effort đổi chác giữa số token và mức độ năng lực, nên giảm effort đồng nghĩa khuyến khích mô hình suy nghĩ tiết kiệm hơn. Ở các model mới, có năm mức: Low, Medium, High, Xhigh, Max, cùng tùy chọn Ultracode trong cùng menu /effort, kết hợp reasoning Xhigh với workflow động cho nhiệm vụ lớn. Khi tác giả thử cho Claude Code chạy 5 nhiệm vụ lập trình giống hệt nhau, cấu hình High sinh khoảng 26.000 output token, còn Medium chỉ dùng khoảng 14.300 token: “Đó là mức giảm 45% lượng output token chỉ bằng việc thay đổi một thiết lập duy nhất”. Đây là ví dụ rõ ràng về token burn optimization bằng Claude Code cấu hình mà không hề chạm vào phần backend hay code API.
Đặt effort thế nào cho từng trường hợp: khi nào Medium, khi nào High trở lên?
Giảm effort xuống Medium không phải là lời khuyên “mặc định cho mọi tình huống”. Điểm mấu chốt là chọn effort phù hợp với từng loại việc chứ không cực đoan. Medium được thiết kế cho công việc nhạy cảm với chi phí, chấp nhận hy sinh một phần năng lực để đổi lại ít token hơn. Trong loạt bài test, Medium cho kết quả gọn, nhanh mà không “sụp” chất lượng, vì phần lớn nhiệm vụ là sửa bug, thêm tính năng nhỏ – những việc Claude không cần phải suy nghĩ dài dòng. Ngược lại, các session gỡ lỗi phức tạp, quyết định kiến trúc, hoặc bài toán cần lập luận sâu vẫn phù hợp với High, Xhigh hoặc Max, nơi bạn chủ động cho phép Claude “nghĩ nhiều hơn” dù tốn token hơn. Nói cách khác, High trở lên nên là công cụ “đặc nhiệm”, không phải chế độ mặc định cho mọi dòng code đơn giản bạn ném vào Claude.
Tối ưu hóa Claude token từ phía prompt: đừng chia nhỏ cuộc trò chuyện vô ích
Một trong những hiểu lầm phổ biến nhất là “càng nhiều ngữ cảnh thì kết quả càng tốt”. Bạn có thể nghĩ rằng thêm thật nhiều lịch sử hội thoại sẽ giúp Claude thông minh hơn, nhưng chính tài liệu Anthropic nhấn mạnh rằng thêm ngữ cảnh không đồng nghĩa với kết quả tốt hơn vượt một ngưỡng nhất định. Trong thực tế, mỗi lượt tương tác đều nặng hơn lượt trước vì mang theo toàn bộ nội dung lịch sử, khiến bạn nhanh đạt trần sử dụng và làm chất lượng câu trả lời giảm dần. Giải pháp rất đơn giản: “Hãy đưa mọi thông tin quan trọng lên ngay từ đầu”. Thay vì hỏi một câu, nhận trả lời, rồi tiếp tục bổ sung, chỉnh sửa qua lại 10 lần, hãy gói gọn yêu cầu, bối cảnh, kỳ vọng đầu ra ngay trong message đầu tiên. Việc trao đổi qua lại 10 lần để tinh chỉnh một yêu cầu vốn có thể nêu rõ từ đầu sẽ bắt hệ thống phải đọc lại ngữ cảnh tích lũy tới 10 lần. Một cuộc trò chuyện bị chia nhỏ, rải rác thường mang lại nhiều bất lợi hơn lợi ích, nên hãy giữ chuỗi trò chuyện gọn gàng và mở thread mới khi chủ đề cũ đã kết thúc.
Theo dõi token burn để giảm chi phí API mà vẫn giữ chất lượng
Đúng là sử dụng AI rất tốn kém, nhưng không có lý do gì để khiến nó đắt hơn mức cần thiết. Với API, mỗi token đều là chi phí tiền bạc thực tế; với gói giới hạn, đó là quota bị đốt sạch nhanh hơn cần thiết. Các coding agent như Claude Code có thể “đốt” số token gần như hài hước khi liên tục đọc codebase, lập luận, gọi tool và suy nghĩ nhiều hơn mức nhiệm vụ yêu cầu. Mỗi lần bạn tăng effort hay kéo dài hội thoại, bạn cho phép nhiều “suy nghĩ thêm” diễn ra, đồng nghĩa nhiều token bị tiêu thụ hơn, thời gian chờ lâu hơn và hạn mức bị bào mòn nhanh hơn. Muốn giảm chi phí API bền vững, bạn cần chủ động quan sát pattern token burn: nhiệm vụ nào hay đội token, ở bước nào Claude lập luận dài dòng, đoạn nào bạn đang lặp lại ngữ cảnh vô ích. Khi nhìn thấy điểm tụ chi phí, việc chỉnh effort xuống Medium, rút gọn prompt, giữ thread ngắn và rõ trở thành chiến lược tiết kiệm chi phí tức thời mà vẫn giữ chất lượng đầu ra trong hầu hết trường hợp.
