Mô hình API OpenAI rẻ nhất năm 2026: gpt-5-nano so với gpt-6-luna

Mô hình văn bản OpenAI rẻ nhất trên trang giá của họ là gpt-5-nano: $0.05 cho 1M token đầu vào và $0.40 cho 1M token đầu ra. Trong dòng GPT-6 mới hơn, mô hình rẻ nhất là gpt-6-luna với $0.10 đầu vào và $0.50 đầu ra. Những con số này lấy từ trang giá của OpenAI, kiểm tra ngày 28 tháng 10 năm 2026. Trang không có ngày xuất bản, nên ngày kiểm tra là ngày đáng tin cậy.

Nhưng giá thấp trên mỗi token không giống với giá thấp trên mỗi tác vụ. Với các công việc nhỏ, khối lượng lớn, các mô hình trọng số mở trên CheapTokens, như GLM-5.3-Flash và DeepSeek-V4-Flash, có tổng chi phí thấp hơn. Dưới đây bạn có thể thấy điều đó trên một công việc cụ thể, sau đó thay số của bạn vào.

Thang giá OpenAI, từ dưới lên#

Tất cả giá tính trên 1M token, hạng tiêu chuẩn, ngữ cảnh ngắn (tối đa 272K token đầu vào). Cột cuối là tính toán cho một công việc cụ thể: 1.000 yêu cầu, mỗi yêu cầu 500 token đầu vào và 200 token đầu ra. Hãy nghĩ đến một bot hỗ trợ gắn thẻ ticket.

Có hai điểm nổi bật. Thứ nhất, gpt-5-nano có giá đầu vào thấp nhất và ngang bằng gpt-4.1-nano về đầu ra, vì vậy nếu bạn ở lại với OpenAI và tác vụ đơn giản, nó là điểm khởi đầu. Thứ hai, gpt-4o-mini, mà nhiều dự án chọn làm mô hình rẻ, giờ đắt hơn gpt-5-nano cả về đầu vào lẫn đầu ra. Nếu đó là mô hình của bạn, bạn có lựa chọn rẻ hơn mà không cần rời OpenAI.

Phía trên bảng là gpt-4.1-mini ($0.40 / $1.60) và gpt-5.4-mini ($0.75 / $4.50). Các hạng lớn hơn để so sánh: gpt-6.1-terra với $1 / $5 (chúng tôi đã đề cập trong Giá API GPT-6.1 Terra), gpt-6.1-sol với $2 / $10 và gpt-6-astra với $10 / $50. Một lưu ý từ cùng trang: các endpoint xử lý khu vực có mức tăng 10% cho các mô hình phát hành từ ngày 5 tháng 3 năm 2026 trở đi. Trang chỉ liệt kê giá, vì vậy hãy kiểm tra trang riêng của từng mô hình để biết kích thước ngữ cảnh và giới hạn trước khi chuyển một tác vụ.

Tiền đi đâu trong 1.000 yêu cầu nhỏ#

Lấy bot gắn thẻ ticket. Mỗi yêu cầu gửi khoảng 500 token (hướng dẫn cộng với ticket) và nhận về khoảng 200. Trên gpt-5-nano, 1.000 yêu cầu như vậy tốn:

• Đầu vào: 0,5M token × $0.05 = $0.025
• Đầu ra: 0,2M token × $0.40 = $0.08
• Tổng: $0.025 + $0.08 = $0.105

Hãy nhìn vào tỷ lệ. Câu trả lời ngắn chiếm chưa đến một phần ba số token, nhưng nó là $0.08 trong $0.105. Đó là cái bẫy khi tìm mô hình rẻ: giá đầu ra quyết định hóa đơn thường xuyên hơn giá đầu vào. Nếu bạn muốn phiên bản dài hơn của ý tưởng đó, token đầu vào so với đầu ra sẽ đi qua nó.

OpenAI cũng liệt kê mức giá đầu vào đã cache: $0.005 trên 1M cho gpt-5-nano (cách hoạt động được trình bày trong prompt caching là gì). Giả sử toàn bộ 500 token đầu vào của bạn là một prompt lặp lại và được cache. Đầu vào giảm xuống 0,5M × $0.005 = $0.0025, và công việc tốn $0.0025 + $0.08 = $0.0825. Hóa đơn hầu như không thay đổi, vì 200 token đầu ra vẫn tốn $0.08.

Hãy thử cùng phép tính ở quy mô lớn hơn:

Cùng công việc trên các mô hình trọng số mở#

Bây giờ cùng 1.000 yêu cầu với 500 vào và 200 ra, tính giá trên CheapTokens theo mức giá hiện tại:

Trong con số: GLM-5.3-Flash tốn $0.018, DeepSeek-V4-Flash $0.0275 và MiniMax-M2.7 $0.055. Đặt điều đó bên cạnh $0.105 cho gpt-5-nano. Bảng là trực tiếp, nên nó theo bảng giá hiện tại. GLM-5.3-Flash có ngữ cảnh 390K và trả lời tối đa 8.192 token, quá đủ cho một thẻ hoặc một câu trả lời ngắn. DeepSeek-V4-Flash có ngữ cảnh 380K và trả lời tối đa 32.768 token, điều này quan trọng khi đầu ra là một báo cáo hoặc một đoạn mã dài. Cả hai giữ một mức giá ở mọi giờ, không có giá cao điểm.

Một kịch bản nữa, một chatbot vẫn đang dùng gpt-4o-mini. Giả sử mỗi cuộc trò chuyện gửi khoảng 1.200 token (lịch sử cộng với câu hỏi mới), nhận về 250, và bạn phục vụ 3.000 cuộc trò chuyện mỗi ngày. Trên gpt-4o-mini, đó là 3,6M token đầu vào × $0.15 = $0.54 và 0,75M token đầu ra × $0.60 = $0.45, vậy $0.99 mỗi ngày. Trên gpt-5-nano, cùng ngày đó là 3,6M × $0.05 = $0.18 cộng 0,75M × $0.40 = $0.30, vậy $0.48. Đây là cùng lưu lượng trên CheapTokens; thay số để khớp với bot của bạn:

Chuyển đổi chỉ cần ba thay đổi nhỏ#

CheapTokens nói API OpenAI, nên mã bạn có vẫn hoạt động. Bạn thay đổi base URL, khóa và id mô hình. Lấy id từ tài liệu, vì các nhà cung cấp đặt tên mô hình khác nhau. Với GLM-5.3-Flash, đó là zai-org/GLM-5.3-Flash, và base URL là https://api.cheaptokens.dev/v1.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key="YOUR_CHEAPTOKENS_KEY",
)

resp = client.chat.completions.create(
    model="zai-org/GLM-5.3-Flash",
    max_tokens=20,
    messages=[
        {"role": "system", "content": "Tag the ticket as billing, bug or other. Reply with one word."},
        {"role": "user", "content": "I was charged twice for the same order."},
    ],
)
print(resp.choices[0].message.content)
print(resp.usage)

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai-org/GLM-5.3-Flash",
    "max_tokens": 20,
    "messages": [
      {"role": "system", "content": "Tag the ticket as billing, bug or other. Reply with one word."},
      {"role": "user", "content": "I was charged twice for the same order."}
    ]
  }'

Chạy nó trên 50 ticket thực của bạn và tự đọc câu trả lời. Trường usage trong mỗi phản hồi cho số token đầu vào và đầu ra chính xác, và hai con số đó là tất cả những gì máy tính ở trên cần. Khóa, số dư và lệnh gọi đầu tiên có trong yêu cầu API đầu tiên của bạn.

Cái nào cho công việc nào#

Dù bạn chọn cái nào, hãy kiểm tra nó trên các ví dụ của riêng bạn trước khi chuyển toàn bộ khối lượng công việc. Bảng giá cho bạn biết một token tốn bao nhiêu; chỉ dữ liệu của bạn mới cho bạn biết câu trả lời có đủ tốt hay không. Giá hiện tại cho mọi mô hình có trên trang giá, và chi phí token AI là bao nhiêu đặt ngân sách 1M và 10M token cạnh nhau.