Một yêu cầu API dùng bao nhiêu token? Đo trên 3 tác vụ

Hỏi một yêu cầu đến API AI tốn bao nhiêu và bạn thường nghe "còn tùy". Đúng là tùy, nhưng bạn không thể lập ngân sách dựa trên câu trả lời đó. Vì vậy, chúng tôi đã thực hiện ba công việc thường ngày, gửi chúng đến DeepSeek-V4-Flash qua API CheapTokens vào ngày 23 tháng 10 năm 2026, và ghi lại những gì trường usage cho biết mỗi lần.

Tóm tắt ngắn gọn: một câu hỏi nhanh tốn 110 token, một bản tóm tắt đoạn văn tốn 396, và chuyển một email thành JSON tốn 299. Dưới đây là nội dung của từng yêu cầu, những gì trả về và chi phí.

Một câu hỏi nhanh#

Chúng tôi bắt đầu với điều mà mọi người thường hỏi trợ lý chat: sự khác biệt giữa git merge và git rebase, trong hai hoặc ba câu.

Câu hỏi tốn 23 token, câu trả lời tốn 87. Đó là điều đầu tiên đáng chú ý: câu trả lời dài gần gấp bốn lần câu hỏi, và đầu ra là phía tốn kém hơn, trên MiniMax-M2.7 hiện tại là $0.15 cho 1 triệu token đầu ra so với $0.05 cho đầu vào. Với mức giá đó, một yêu cầu như thế này tốn $0.000014. Một nghìn yêu cầu, $0.0142.

Đây là yêu cầu chính xác đó, nếu bạn muốn xem số liệu trên màn hình của mình:

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M2.7",
    "messages": [
      {"role": "user", "content": "What is the difference between git merge and git rebase? Answer in two or three sentences."}
    ],
    "max_tokens": 2048,
    "temperature": 0.2
  }'

Các số đếm nằm trong khối usage ở cuối phản hồi: prompt_tokens là những gì bạn gửi, completion_tokens là những gì mô hình viết, total_tokens là cả hai cộng lại.

Một bản tóm tắt, và những token bạn không đọc#

Công việc thứ hai: tóm tắt một báo cáo sự cố ngắn thành hai câu. Các nhóm chạy loại việc này qua mô hình cả ngày: phiếu yêu cầu, báo cáo, chuỗi email dài. Đây là prompt:

Summarize this incident report in two sentences.

On Tuesday between 14:05 and 14:50 UTC the checkout API returned errors for about 6% of requests. The cause was a configuration change deployed at 13:58 that lowered the database connection pool from 50 to 5 connections per instance. Under normal load nobody noticed, but when the afternoon traffic peak arrived, requests queued for a free connection and timed out after 30 seconds. The on-call engineer saw the growing p99 latency at 14:12, found the change in the deploy log at 14:31 and rolled it back at 14:44. To prevent a repeat, the pool size is now validated in CI against a minimum value, and an alert fires when more than 20 requests wait for a connection for two minutes.

Và câu trả lời:

Vào thứ Ba, một thay đổi cấu hình làm giảm pool kết nối cơ sở dữ liệu từ 50 xuống 5 đã gây ra lỗi API thanh toán cho khoảng 6% yêu cầu trong giờ cao điểm buổi chiều, cho đến khi nó được khôi phục lúc 14:44. Để ngăn tái diễn, kích thước pool hiện được xác thực trong CI và một cảnh báo kích hoạt khi thời gian chờ kết nối vượt ngưỡng.

Hai câu, 331 ký tự và 146 token đầu ra. Điều đó có vẻ nhiều so với văn bản ngắn như vậy, và phản hồi giải thích lý do: usage có thêm một trường, reasoning_tokens: 76. Trước khi trả lời, mô hình đã dành 76 token để suy nghĩ. Chúng là một phần của 146 (250 vào + 146 ra = tổng cộng 396), vì vậy khoảng một nửa đầu ra được dùng để suy luận không thuộc văn bản trả lời, và nó được tính phí như bất kỳ token đầu ra nào khác.

Điều đáng biết khi lập ngân sách: trên các tác vụ mà mô hình dừng lại để suy nghĩ, đầu ra có thể lớn hơn đáng kể so với văn bản bạn nhận được. Một nghìn bản tóm tắt như thế này tốn $0.0344.

Email vào, JSON sạch ra#

Công việc thứ ba: một xác nhận đơn hàng cần trở thành bản ghi cơ sở dữ liệu.

Mô hình trả về chính xác các khóa chúng tôi yêu cầu và không có gì xung quanh, không có "Đây là JSON của bạn". Tổng cộng khớp với email, và ngày giao hàng trả về là 2026-11-03, đã ở định dạng chúng tôi yêu cầu. 199 token vào, 100 ra.

Điều nổi bật là mật độ: 100 token cho 276 ký tự JSON, trong khi câu trả lời git tốn 87 token cho 421 ký tự văn bản thuần. Dấu ngoặc kép, dấu ngoặc nhọn và dấu phẩy cũng là token, vì vậy đầu ra có cấu trúc tốn nhiều hơn trên mỗi ký tự so với văn xuôi. Một nghìn email như thế này: $0.025.

Cả ba cạnh nhau#

Chi phí được tính từ các số token này theo giá MiniMax-M2.7 hiện tại, vì vậy chúng vẫn đúng khi giá thay đổi.

Đầu ra thắng trong mọi tác vụ, ngay cả bản tóm tắt, nơi chúng tôi gửi nhiều hơn nhận lại. Vì vậy, đòn bẩy dễ nhất trên hóa đơn của bạn là độ dài câu trả lời: "trong hai hoặc ba câu" hoặc "chỉ trả về JSON" thực sự có tác dụng.

Để tham khảo quy mô: một bot hỗ trợ trả lời 2.000 câu hỏi nhanh mỗi ngày, mỗi câu như câu đầu tiên, tốn khoảng $0.852 một tháng trên MiniMax-M2.7. Một cuộc chat thực sự gửi lại lịch sử của nó mỗi lượt, vì vậy đầu vào tăng theo mỗi tin nhắn, nhưng đối với câu hỏi một lần thì đó là toàn bộ hóa đơn.

Thử trên prompt của riêng bạn#

Prompt của bạn sẽ cho ra các con số khác, và mất một phút để tìm hiểu. Tập lệnh này gửi từng prompt, bỏ qua các câu trả lời bị cắt, và in số token cùng chi phí của 1.000 yêu cầu:

import os
from openai import OpenAI

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

MODEL = "MiniMaxAI/MiniMax-M2.7"
PRICE_IN, PRICE_OUT = 1.00, 4.00  # USD per 1M tokens: example values, use the current ones from the price list

PROMPTS = [
    "What is the difference between git merge and git rebase? Answer in two or three sentences.",
    # add your own prompts here
]

for prompt in PROMPTS:
    r = client.chat.completions.create(
        model=MODEL,
        messages=[{"role": "user", "content": prompt}],
        max_tokens=2048,
        temperature=0.2,
    )
    if r.choices[0].finish_reason != "stop":
        print("cut off at max_tokens, raise the limit:", prompt[:40])
        continue
    tin, tout = r.usage.prompt_tokens, r.usage.completion_tokens
    per_1000 = (tin * PRICE_IN + tout * PRICE_OUT) * 1000 / 1_000_000
    print(f"{tin} in, {tout} out, 1,000 requests = ${per_1000:.4f} | {prompt[:40]}")

Đặt giá hiện tại vào PRICE_IN và PRICE_OUT: với MiniMax-M2.7 đó là $0.05 cho 1 triệu token đầu vào và $0.15 cho 1 triệu token đầu ra. Prompt đầu tiên là prompt từ thử nghiệm của chúng tôi; số token khác nhau một chút giữa các mô hình, vì vậy hãy mong đợi các con số trong cùng khoảng như 23 vào và 87 ra. Bạn sẽ cần gói openai (pip install openai) và khóa của bạn trong CHEAPTOKENS_API_KEY.

Nếu một con số trông lạ: finish_reason: length nghĩa là câu trả lời đã chạm max_tokens (tại sao câu trả lời dừng giữa câu); một reasoning_tokens lớn giải thích đầu ra lớn hơn văn bản; và công thức đầy đủ cho giá đầu vào và đầu ra nằm trong token đầu vào so với đầu ra.

Bắt đầu từ đâu#

Tổng cộng, với đầu vào và đầu ra được tính cùng nhau, MiniMax-M2.7 trên CheapTokens rẻ hơn giá tham chiếu của OpenRouter cho cả ba tác vụ trên. Nó có ngữ cảnh 180K, câu trả lời lên đến 8.192 token và một mức giá bất kể giờ nào. Nạp tiền vào số dư, tạo khóa và gửi yêu cầu curl từ đầu trang này: tài liệu bao gồm khóa và URL cơ sở, trang DeepSeek có danh mục mô hình, và giá cả có danh sách giá trực tiếp.