Source: https://aiprimetech.io/vi/docs/guides/cost-control/

[Trang chủ](/vi/) / [Tài liệu](/vi/docs/) / Kiểm soát chi phí 

# Kiểm soát chi phí 

Token thực sự được tiêu thụ ở đâu trong khối lượng công việc của tác nhân và bốn yếu tố có thể điều chỉnh để thay đổi chi phí. 

 Sao chép trang [ Xem dưới dạng Markdown](/vi/docs/guides/cost-control.md) [ Hỏi ChatGPT](https://chatgpt.com/?q=Read%20https%3A//aiprimetech.io/docs/guides/cost-control.md%20and%20answer%20questions%20about%20it.%20Start%20with%20a%20short%20summary.) [ Hỏi trong Claude](https://claude.ai/new?q=Read%20https%3A//aiprimetech.io/docs/guides/cost-control.md%20and%20answer%20questions%20about%20it.%20Start%20with%20a%20short%20summary.)   

Nếu từng chạy một tác nhân lập trình suốt cả ngày làm việc, bạn đã thấy hóa đơn. Các vòng lặp tác nhân tiêu tốn token theo cách mà trò chuyện thông thường không bao giờ gặp phải: mỗi lần đọc tệp, mỗi kết quả công cụ và mỗi bản so sánh thay đổi đều được đưa vào ngữ cảnh và gửi lại ở lượt tiếp theo. 

## Token đầu ra mới là phần đắt đỏ 

Trên mọi mô hình tiên tiến nhất, đầu ra có chi phí gấp 4–5 lần đầu vào. Một mô hình trình bày cả quá trình suy nghĩ trong câu trả lời cuối cùng tiêu tiền nhanh hơn mô hình trả lời súc tích. Hãy chủ động giới hạn max_tokens và ưu tiên các mô hình trả lời súc tích cho công việc thường nhật. 

 | Mô hình | $/triệu token đầu vào | $/triệu token đầu ra | Tỷ lệ

 | claude-opus-4-8 | $3 | $15 | 5×

 | claude-sonnet-4-6 | $0.90 | $4.50 | 5×

 | claude-haiku-4-5 | $0.40 | $2 | 5×

 | gemini-3-flash | $0.20 | $1.20 | 6× 

## Bốn đòn bẩy 
- Định tuyến theo tác vụ. Phân loại, trích xuất và định tuyến không cần đến Opus — Haiku xử lý các tác vụ này với chi phí khoảng một phần bảy. Hãy dành mô hình chủ lực cho công việc đòi hỏi nhiều suy luận.
- Lưu bộ nhớ đệm cho prompt. Các prompt hệ thống và định nghĩa công cụ ổn định được đọc lại từ bộ nhớ đệm với chi phí chỉ bằng một phần nhỏ giá đầu vào. Với tác nhân, đây là đòn bẩy lớn nhất — xem [Lưu bộ nhớ đệm cho prompt](/vi/docs/guides/prompt-caching/).
- Tinh gọn ngữ cảnh ở mỗi lượt. Đừng gửi lại toàn bộ lịch sử hội thoại; hãy giữ các lượt gần đây cùng một bản tóm tắt được cập nhật liên tục. Ngữ cảnh tăng trưởng không giới hạn chính là điều biến một phiên giá $2 thành phiên giá $20.
- Giới hạn vòng lặp. Đặt giới hạn cứng về số bước cho các lần chạy tự động để tác nhân bị mắc kẹt không thể lặp mãi. 

## Ước tính trước khi chạy 

```
CopyIN_RATE  = {class="s">"claude-opus-4-8": 3.0,  class="s">"claude-sonnet-4-6": 0.9, class="s">"claude-haiku-4-5": 0.4}
OUT_RATE = {class="s">"claude-opus-4-8": 15.0, class="s">"claude-sonnet-4-6": 4.5, class="s">"claude-haiku-4-5": 2.0}

def cost(model, tok_in, tok_out):
    return tok_in / 1e6 * IN_RATE[model] + tok_out / 1e6 * OUT_RATE[model]

print(cost(class="s">"claude-opus-4-8",   20_000, 2_000))   class=class="s">"c"># 0.09
print(cost(class="s">"claude-sonnet-4-6", 20_000, 2_000))   class=class="s">"c"># 0.027
print(cost(class="s">"claude-haiku-4-5",  20_000, 2_000))   class=class="s">"c"># 0.012
```

Cùng một tác vụ với 20K đầu vào / 2K đầu ra có chi phí trên Opus cao gấp 7.5 lần so với Haiku. Nếu tác vụ là phân loại, khoản chênh lệch đó không mang lại lợi ích gì. 

## Đo lường sau khi chạy 

Mỗi phản hồi đều chứa một usage đối tượng. Ghi lại đối tượng đó cùng mã yêu cầu và loại tác vụ — nếu thiếu thông tin này, việc tối ưu chi phí chỉ là phỏng đoán. Bảng điều khiển cổng kết nối hiển thị mức sử dụng theo từng mô hình, nhưng chỉ nhật ký của bạn mới cho biết *vì sao* một yêu cầu được gửi. 

Sai lầm tốn kém phổ biến nhất không phải là chọn mô hình — mà là gửi lại lịch sử hội thoại ngày càng dài ở mỗi lượt trong một phiên tác nhân kéo dài. Hãy xử lý sự tăng trưởng ngữ cảnh trước, rồi điều chỉnh mô hình. 

[Lưu bộ nhớ đệm cho promptĐòn bẩy lớn nhất](/vi/docs/guides/prompt-caching/)[Quản lý ngữ cảnhGiữ lịch sử trong giới hạn](/vi/docs/guides/context-management/)[Mô hìnhGiá của từng mô hình](/vi/docs/getting-started/models/) 

[TrướcCấu hình khóa API theo công cụ](/vi/docs/guides/api-key-configuration/)[Tiếp theoLưu bộ nhớ đệm cho prompt](/vi/docs/guides/prompt-caching/)