Giá token AI rẻ là gì và vì sao dễ đánh lừa doanh nghiệp?
Giá token AI rẻ là cách các nhà cung cấp quảng bá mô hình AI chi phí thấp dựa trên đơn giá mỗi token xử lý, nhưng chi phí thực tế AI còn phụ thuộc vào tỷ lệ hoàn thành tác vụ, độ dài phản hồi, số lượt tương tác và mức độ thành công của toàn bộ quy trình sử dụng trong doanh nghiệp. Đây chính là bẫy tâm lý khiến nhiều tổ chức tin rằng chỉ cần chọn mô hình có bảng giá rẻ hơn là sẽ tiết kiệm ngân sách, trong khi phần lớn chi phí lại phát sinh từ việc mô hình làm việc kém hiệu quả hoặc tạo ra quá nhiều nội dung không cần thiết. Nói cách khác, “giảm giá token” chưa bao giờ đồng nghĩa với “giảm hóa đơn AI” nếu không đo đúng những gì doanh nghiệp thực sự trả tiền.
Điểm mấu chốt của cuộc chiến giá AI hiện nay là sự dịch chuyển từ câu hỏi “mô hình nào mạnh hơn?” sang “mô hình nào rẻ hơn trên giấy tờ?”, trong khi điều doanh nghiệp phải quan tâm là “mô hình nào rẻ hơn trên một kết quả đúng”. Các nhà cung cấp hiểu rất rõ tâm lý bị ám ảnh bởi chi phí trên mỗi token, nên không ngần ngại treo những bảng giá cực thấp để thu hút khách hàng. Nếu phòng CNTT và tài chính chỉ so sánh đơn giá token mà bỏ qua mức tiêu hao token tổng thể, số lần gọi API và tỷ lệ lỗi phải sửa lại, họ đang để chiến lược định giá mô hình ngôn ngữ của nhà cung cấp dẫn dắt thay vì dựa trên lợi ích thực.
Bài học từ Claude Haiku: mô hình rẻ nhưng hóa đơn đắt gấp 14 lần
Một thử nghiệm lập trình gần đây cho thấy mô hình AI chi phí thấp có thể khiến doanh nghiệp trả giá đắt hơn rất nhiều so với mô hình đắt tiền hơn trên bảng giá.
Nhóm nghiên cứu thuộc Fiddler so sánh Claude Haiku 4.5 với Claude Sonnet 5 của Anthropic trong một bài kiểm tra sửa lỗi chương trình Python, với 5 nhiệm vụ, mỗi nhiệm vụ chạy 3 lần, lặp lại thành 3 bộ, tổng cộng 45 lượt thử cho mỗi mô hình. Họ không nhìn vào đơn giá token mà tính tổng chi phí để đạt được một ca sửa lỗi thành công, gồm cả những lượt thất bại, rồi chia cho số lần thành công để ra chi phí trung bình cho mỗi ca. Kết quả: trong 45 lượt thử, Sonnet chỉ tiêu tốn chi phí rất thấp, trong khi Haiku cao hơn gần 9 lần ở một số bộ và lên tới 14,1 lần ở bộ đắt nhất. Đây là con số mà bất kỳ CFO nào cũng sẽ quan tâm hơn nhiều so với bảng giá API.
Điều nghịch lý là nếu chỉ nhìn đơn giá, Claude Haiku có giá token đầu vào và đầu ra chỉ bằng khoảng một nửa Claude Sonnet. Vậy tại sao hóa đơn lại đội lên nhiều lần? Lý do lớn nhất nằm ở độ dài phản hồi: trung vị token đầu ra của Sonnet chỉ 16, trong khi Haiku lên tới 361. Haiku có xu hướng viết sẵn cả kết quả cho những lệnh chưa thực thi, tạo ra các phản hồi rất dài và nhiều nội dung không được dùng nhưng vẫn bị tính phí. Trong một lượt thử, Haiku sinh tới 60 lệnh và giả định kết quả, dùng 21.492 token trước khi thông báo đã sửa xong, dù môi trường thử nghiệm chỉ thực thi lệnh đầu tiên.
Phản hồi dài không chỉ làm chi phí lần đó tăng mà còn kéo chi phí các lượt sau vì hệ thống phải nạp lại toàn bộ ngữ cảnh mỗi lần. Có lượt đến vòng tương tác thứ 5, số token đầu vào của Haiku tăng lên 9.930, trong khi Sonnet chỉ 1.220. Đây là minh chứng điển hình rằng giá token AI rẻ không đảm bảo chi phí thực tế AI thấp hơn; mô hình “rẻ” có thể sinh ra nhiều token hơn, làm số tiền trên mỗi ca sửa lỗi cao gấp nhiều lần. Nếu doanh nghiệp chỉ tập trung ép giá token mà không kiểm soát hành vi sinh nội dung của mô hình, họ đang khuyến khích đúng thứ khiến hóa đơn phình to.
OpenAI, Anthropic và cuộc chuyển dịch sang cạnh tranh giá
Các hãng AI lớn đang bước vào một cuộc cạnh tranh giá AI công khai, biến giá token thành vũ khí marketing trung tâm.
Theo một nguồn tin quốc tế, ngày 22/9 OpenAI công bố GPT-6 Sol và GPT-6 Luna với giá sử dụng giảm 50% so với các model trước đó. Cùng ngày, Anthropic ra mắt Opus 5.5, tuyên bố vẫn giữ năng lực dẫn đầu nhưng chi phí vận hành thấp hơn khoảng 40% so với Opus 5. Ở phía khác, xAI giới thiệu Grok 4.7 và nhấn mạnh hiệu quả chi phí của model này. Một báo cáo phân tích cho rằng chi phí trên mỗi token giảm đang kích thích thêm nhu cầu và đẩy tổng chi tiêu AI đi lên, một hình mẫu giống “nghịch lý Jevons”, nơi công nghệ làm chi phí tài nguyên giảm nhưng mức tiêu thụ tăng mạnh.
Một diễn biến đáng chú ý là các phiên bản “giá rẻ” không còn là ngoại lệ mà đang trở thành sản phẩm chủ lực. Một bài phân tích khác ghi nhận rằng trước đây các công ty AI tập trung ra mắt mô hình hiệu năng cao và đắt tiền, còn hiện nay họ chuyển sang cuộc đua về giá để hút khách hàng doanh nghiệp. Cốt lõi của định giá mô hình ngôn ngữ bây giờ không chỉ là độ mạnh của model mà là cách nó biến chi phí hạ tầng khổng lồ thành hóa đơn đủ hấp dẫn với các CIO đang bị áp lực ngân sách. Khi các nhà cung cấp thi nhau hạ giá, doanh nghiệp có thể tưởng rằng mình đang thắng, nhưng nếu không đo chi phí thực trên mỗi kết quả, họ có thể trở thành “chất xúc tác” cho những mô hình kém hiệu quả lan rộng.
Áp lực từ Trung Quốc: open-weight và làn sóng mô hình chi phí thấp
Mặt trận khiến các hãng AI phương Tây buộc phải “đạp giá” không phải ở phòng nghiên cứu mà đến từ các đối thủ Trung Quốc.
Các doanh nghiệp Trung Quốc đang nổi lên với mô hình open-weight giá rẻ, cho phép cộng đồng truy cập vào trọng số đã huấn luyện. Một model như DeepSeek V4.1 Flash được giới thiệu là vượt qua model chủ lực trước đó trên nhiều bài kiểm thử, dù có giá thấp hơn. Điều này tạo thành biến số mới cho ngành AI toàn cầu: khi mô hình open-weight đủ tốt và rẻ, nhiều công ty bắt đầu giảm hoặc dừng dùng những model hiệu năng cao nhưng đắt tiền từ các nhà cung cấp phương Tây, nhất là khi phí token tăng vọt. Một số startup từng xây sản phẩm trên nền GPT-4 đã chuyển sang mô hình Trung Quốc chi phí thấp để sống sót trong bối cảnh kinh doanh ảm đạm.
Nguyên nhân trực tiếp khiến OpenAI, Anthropic và các đối thủ phương Tây phải giảm giá là các mô hình AI giá rẻ từ Trung Quốc, nếu không, họ có nguy cơ mất khách hàng doanh nghiệp – nguồn doanh thu quan trọng. Khi nhiều khách hàng có thể tiếp cận AI với chi phí thấp hơn, nhu cầu tính toán tổng thể tăng lên, biến cạnh tranh giá AI thành trò chơi quy mô. Nhưng đối với doanh nghiệp sử dụng, điều quan trọng không phải là mô hình đến từ đâu, mà là liệu chi phí mỗi tác vụ thành công có giảm đi hay không. Open-weight giúp linh hoạt triển khai, nhưng nếu đội ngũ kỹ thuật không tối ưu pipeline và kiểm soát token, họ vẫn có thể rơi vào cái bẫy “giá rẻ trên giấy, chi phí thật đắt” như với bất kỳ mô hình thương mại nào.
Doanh nghiệp nên tính chi phí thực tế AI thế nào?
Trong bối cảnh định giá mô hình ngôn ngữ trở nên phức tạp, doanh nghiệp không thể dựa vào giá niêm yết mà phải tự xây bộ thước đo chi phí thực tế AI của riêng mình.
Trước hết, cần chuyển trọng tâm từ “giá token AI rẻ” sang “chi phí trên mỗi kết quả thành công”. Cách làm của nhóm nghiên cứu Fiddler là gợi ý tốt: họ lấy tổng chi phí, bao gồm cả các lượt thất bại, chia cho số ca sửa lỗi thành công để tính chi phí thực cho mỗi ca. Thứ hai, phải kiểm soát độ dài phản hồi và số lượt tương tác, vì đây là hai biến số đẩy lượng token tăng mạnh. Haiku trở nên đắt đỏ không vì bảng giá, mà vì xu hướng sinh phản hồi dài, viết cả những lệnh chưa chạy và khiến ngữ cảnh phình to ở các lượt sau.
Cuối cùng, doanh nghiệp nên xem chiến lược mô hình AI chi phí thấp như một phần của thiết kế hệ thống tổng thể, không phải giải pháp tiết kiệm tự động. Dù lựa chọn model thương mại hay open-weight, cần thí nghiệm A/B trên các workflow thật, đo chi phí và tỷ lệ thành công, rồi mới chuẩn hóa vào sản phẩm. Cuộc chiến giá AI đang tạo ra ảo giác về “AI giá rẻ cho mọi thứ”, trong khi thực tế, chỉ những đội ngũ hiểu chi tiết cấu trúc chi phí mới biến được làn sóng giảm giá thành lợi thế cạnh tranh bền vững.
