Mô hình rẻ nào cho nhiệm vụ của bạn? Chọn theo tỷ lệ đầu vào:đầu ra

Chọn theo hình dạng nhiệm vụ của bạn, không phải theo giá trên tiêu đề. Nếu đầu vào dài và câu trả lời ngắn (tóm tắt báo cáo dài, gắn nhãn trên đầu vào dài), DeepSeek-V4-Flash rẻ nhất trong ba mô hình. Nếu câu trả lời dài bằng hoặc dài hơn đầu vào (lượt chat ngắn, viết lại, sinh mã), GLM-5.3-Flash rẻ nhất, và một cuộc chat dài sẽ lật ngược kết quả giữa chừng. MiniMax-M2.7 là lựa chọn khi bài kiểm tra của chính bạn cho thấy câu trả lời của nó phù hợp nhất với bạn, và trong ba mô hình nó nằm xa nhất dưới giá tham chiếu của OpenRouter.

Bạn có thể biết mình đang ở phía nào sau 20 yêu cầu. Các mức giá dưới đây lấy từ bảng giá tham chiếu CheapTokens ngày 6 tháng 11 năm 2026, và mọi con số trong bảng hay điểm đánh dấu đều là giá trực tiếp, nên nó luôn theo biểu giá hiện hành.

Một yêu cầu có hai đồng hồ đo#

Mỗi yêu cầu bị tính phí hai lần: một lần cho token bạn gửi đi (đầu vào), một lần cho token mô hình viết trả lại (đầu ra). Mỗi mô hình tự đặt giá cho từng phía, và đó là chỗ việc so sánh giá trên tiêu đề bị sai (những điều cơ bản có trong Input vs output tokens: what an AI API bills you for).

DeepSeek-V4-Flash tính $0.015 cho đầu vào và $0.10 cho đầu ra trên 1M token. GLM-5.3-Flash tính $0.02 và $0.04. MiniMax-M2.7 tính $0.05 và $0.15. Một mô hình rẻ hơn ở chiều vào, mô hình khác rẻ hơn ở chiều ra, nên mô hình thắng phụ thuộc vào số token đi theo mỗi chiều.

Tỷ lệ đó là con số cần biết: token đầu vào chia cho token đầu ra. Một công cụ gắn nhãn đọc một ticket 600 token và trả lời bằng một nhãn 10 token nằm ở mức 60 trên 1 (600 ÷ 10 = 60). Một công cụ viết lại nhận một đoạn 400 token và trả về 800 token nằm ở mức 1 trên 2 (400 ÷ 800 = 0.5).

Đo tỷ lệ của chính bạn trong 20 yêu cầu#

Đoán mò là chỗ dễ sai, nên hãy đo. Mỗi phản hồi Chat Completions mang một đối tượng usage với prompt_tokens (những gì bạn gửi) và completion_tokens (những gì trả về). Định dạng Anthropic Messages gọi chúng là input_tokens và output_tokens; tài liệu CheapTokens trình bày cả hai định dạng.

Lấy 20–50 yêu cầu thực tế từ nhiệm vụ của bạn và cộng dồn từng phía. Hãy cộng dồn, đừng lấy trung bình các tỷ lệ theo từng yêu cầu: một câu trả lời nhỏ xíu sẽ kéo trung bình lệch đi khắp nơi.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

prompts = ["...", "..."]  # 20-50 real inputs from your task

tokens_in = tokens_out = 0
for text in prompts:
    r = client.chat.completions.create(
        model="deepseek-ai/DeepSeek-V4-Flash-0731",
        messages=[{"role": "user", "content": text}],
        max_tokens=2000,
    )
    tokens_in += r.usage.prompt_tokens
    tokens_out += r.usage.completion_tokens

print(f"input {tokens_in}, output {tokens_out}, ratio {tokens_in / tokens_out:.1f} : 1")

Dòng cuối in ra tỷ lệ của bạn. Con số duy nhất đó là tất cả những gì bạn mang sang phần tiếp theo.

Tỷ lệ ảnh hưởng thế nào đến hóa đơn#

Dưới đây là bốn hình dạng phổ biến. Các kích thước là giả định được chọn cho tiêu biểu; hãy thay bằng con số từ lần chạy của chính bạn.

Gắn nhãn 10.000 ticket mỗi ngày#

Giả sử một công cụ hỗ trợ gắn nhãn 10.000 ticket mỗi ngày: 600 token vào, một nhãn 10 token ra. Cả ngày trên từng mô hình:

Hãy đọc bảng. DeepSeek-V4-Flash rẻ nhất trong ba mô hình ở đây, vì gần như mọi token bạn trả tiền đều là đầu vào. Cột OpenRouter cho thấy cả ba mô hình đều dưới giá tham chiếu khi tính tổng, với đầu vào và đầu ra cộng lại.

Tóm tắt báo cáo dài#

Một báo cáo 12.000 token ép vào một bản tóm tắt 300 token là 40 trên 1 (12.000 ÷ 300 = 40). Một bản tóm tắt tốn $0.00021 trên DeepSeek-V4-Flash và $0.00025 trên GLM-5.3-Flash. Cùng câu chuyện như gắn nhãn: bạn càng đọc nhiều trên mỗi từ viết ra, giá đầu vào của DeepSeek càng có lợi.

Viết lại và tệp mã#

Giờ lật ngược lại. Một lần viết lại giọng điệu nhận 400 token vào và trả về 800. DeepSeek-V4-Flash: $0.000086. GLM-5.3-Flash: $0.00004. Đầu ra là nửa lớn hơn của hóa đơn này, nên mô hình có giá đầu ra thấp nhất thắng, và đó là GLM-5.3-Flash.

Một cuộc chat cứ dài mãi#

Chat là trường hợp âm thầm nhất, vì API không có bộ nhớ: mỗi lượt bạn gửi lại toàn bộ mảng messages. Ở lượt 1, người dùng viết 300 token và bot trả lời 200 (300 ÷ 200 = 1.5). Đó là lãnh địa của GLM: $0.000014 so với $0.000025 trên DeepSeek-V4-Flash.

Đến lượt 30, lịch sử là 6.000 token và câu trả lời vẫn là 200 (6.000 ÷ 200 = 30). Giờ $0.00013 trên GLM-5.3-Flash đối mặt với $0.00011 trên DeepSeek-V4-Flash, và mô hình rẻ hơn đã đổi. Cùng một bot đổi mô hình tốt nhất của nó giữa chừng một cuộc hội thoại dài.

Khi độ dài của một câu trả lời quyết định#

Tỷ lệ không phải là cửa ải duy nhất. Giới hạn câu trả lời khác nhau: DeepSeek-V4-Flash viết tối đa 32.768 token đầu ra trong một câu trả lời, GLM-5.3-Flash và MiniMax-M2.7 tối đa 8.192.

Giả sử bạn yêu cầu cả một module 12.000 token trong một lần. Trên một mô hình bị giới hạn ở 8.192, câu trả lời dừng giữa tệp với finish_reason: length (cách khắc phục có trong AI answer cut off? Fix finish_reason length and max_tokens). Trên DeepSeek-V4-Flash thì vừa. Vậy với những đầu ra đơn lẻ dài, hãy kiểm tra giới hạn trước và tỷ lệ sau.

Về phía đầu vào, GLM-5.3-Flash nhận 390K token ngữ cảnh và DeepSeek-V4-Flash 380K, đủ cho cả một tài liệu dài cỡ cuốn sách trong một yêu cầu. MiniMax-M2.7 có 180K.

MiniMax-M2.7 phù hợp ở đâu#

Tỷ lệ quyết định giữa hai dòng thắng các bảng trên. Bạn chọn MiniMax-M2.7 vì một lý do khác: câu trả lời của nó đọc lên thế nào trên nhiệm vụ của bạn. Trong bảng chi phí, nó cũng cho thấy biên lợi lớn nhất dưới cột OpenRouter, và 180K ngữ cảnh là quá đủ cho chat và hầu hết tài liệu.

Không bảng giá nào cho bạn biết về chất lượng. Hãy chạy cùng 20 prompt từ bước đo qua cả ba id (zai-org/GLM-5.3-Flash, deepseek-ai/DeepSeek-V4-Flash-0731, MiniMaxAI/MiniMax-M2.7) và đọc các câu trả lời cạnh nhau. Để có tổng quan đối đầu, xem GLM vs DeepSeek vs MiniMax: which model to choose. Với toàn bộ phiên agent, xem Agent session cost: 50 steps on GLM, DeepSeek or MiniMax.

Điền con số của chính bạn#

Nhập số token của một yêu cầu và số yêu cầu bạn gửi mỗi ngày. Máy tính dùng giá trực tiếp và hiển thị cả ba mô hình. Các giá trị khởi đầu là một bot trả lời RAG: 3.000 token văn bản truy xuất và câu hỏi vào, 500 ra. Kéo đầu vào lên và xem dòng rẻ nhất thay đổi.

Khi các con số đã đúng, hãy chạy qua danh sách này.

Base URL và các model id có trong tài liệu CheapTokens, danh sách giá trực tiếp đầy đủ ở trang giá, và mỗi mô hình có trang riêng: GLM, DeepSeek, MiniMax. Một số dư dùng chung cho cả ba, nên đổi mô hình sau khi đo chỉ là thay một dòng model id.