---
title: "Cách giảm chi phí API LLM: checklist 10 bước | BroadRouter"
description: "Giảm hóa đơn API LLM đúng thứ tự: đo lường, cache phần đầu prompt, rút gọn prompt, giới hạn đầu ra và suy luận, chọn model, batch, và khi nào nên dùng gói cố định."
url: https://broadrouter.com/vi/blog/how-to-reduce-llm-api-costs/
lang: vi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Được dịch từ tiếng Anh với sự hỗ trợ của AI. [Đọc bản gốc tiếng Anh](https://broadrouter.com/blog/how-to-reduce-llm-api-costs/) (cập nhật ngày 2026-11-15).

# Cách giảm chi phí API LLM: checklist 10 bước theo đúng thứ tự

Đội ngũ BroadNet Inference · 8 phút đọc · Đăng ngày 2026-11-15

Để giảm chi phí API LLM, trước hết hãy ghi log token mỗi request, rồi làm theo thứ tự: giữ phần đầu prompt cố định để được cache, rút gọn prompt, giới hạn đầu ra và suy luận, dùng model nhỏ nhất vượt qua bài test, batch hoặc dời việc chưa gấp, cache câu trả lời lặp lại, giới hạn retry, và chuyển sang gói cố định khi vượt điểm hòa vốn.

## Ý chính

-   Đo trước khi cắt. Hãy ghi log prompt\_tokens, cached\_tokens và completion\_tokens theo từng tính năng, nếu không bạn sẽ không biết bước nào hiệu quả.
-   Cache thường là đòn bẩy lớn nhất cho đầu vào. Với DeepSeek V4.1 Flash, đầu vào từ cache có giá $0.0055 cho 1 triệu token, so với $0.175 cho đầu vào mới.
-   Trên mọi model chat của BroadNet, đầu ra đắt hơn đầu vào, và phần suy luận được tính như đầu ra. Hãy đặt giới hạn cho nó.
-   OpenAI và Anthropic giảm 50% cho job batch, còn DeepSeek giảm một nửa giá vào giờ thấp điểm. BroadNet không có Batch API.
-   Khi vượt khoảng 917 triệu token đầu vào và 46 triệu token đầu ra mỗi tháng trên DeepSeek V4.1 Flash, gói Full Moon giá $60 rẻ hơn tính phí theo token.

**Trong trang này**

1.  Điều gì quyết định hóa đơn API LLM?
2.  Tóm tắt checklist
3.  1\. Vì sao phải đo trước khi cắt bất cứ thứ gì?
4.  2\. Prompt caching giảm chi phí như thế nào?
5.  3\. Cắt prompt ở đâu thì an toàn?
6.  4\. Làm sao giới hạn đầu ra và suy luận?
7.  5\. Làm sao chọn model rẻ hơn mà không mất chất lượng?
8.  6\. Có thể batch hoặc dời những việc chưa gấp không?
9.  7\. Khi nào nên cache toàn bộ câu trả lời?
10.  8\. Retry và vòng lặp lãng phí tiền như thế nào?
11.  9\. Làm sao ngăn hóa đơn mất kiểm soát?
12.  10\. Khi nào gói giá cố định có lợi hơn tính phí theo token?
13.  Nên bỏ qua những bước nào?
14.  BroadNet Inference phù hợp ở đâu?

Phần lớn các danh sách kiểu “cắt 70% hóa đơn LLM” trộn lời khuyên tốt với những con số chẳng ai đo. Checklist này sắp theo thứ tự việc cần làm trước, và mọi con số đều lấy từ một file giá hoặc tài liệu của chính nhà cung cấp. Bước nào có bài viết chuyên sâu trên trang này thì có liên kết tới đó. Giá BroadNet bên dưới lấy từ [file giá](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-how-to-reduce-llm-api-costs&utm_content=body) của họ, đồng bộ ngày 2026-11-14.

## Điều gì quyết định hóa đơn API LLM?

Gần như mọi hóa đơn đều do bốn con số quyết định:

1.  **Token đầu vào mới.** Prompt, trừ đi phần đọc từ cache.
2.  **Token đầu vào từ cache.** Phần đầu lặp lại, tính theo giá thấp hơn.
3.  **Token đầu ra.** Câu trả lời, cộng thêm [token suy luận](https://broadrouter.com/vi/glossary/reasoning-tokens/) ở các model có suy nghĩ.
4.  **Số request.** Mỗi lần gọi, kể cả mỗi lần retry, đều bị tính riêng.

Đầu ra là đơn vị đắt nhất. Trên các model chat của BroadNet, giá cho 1 triệu token:

| Model | Đầu vào | Đầu vào từ cache | Đầu ra |
| --- | --- | --- | --- |
| DeepSeek V4.1 Flash | $0.175 | $0.0055 | $0.52 |
| Qwen3.8 27B | $0.175 | $0.0435 | $2.17 |
| GLM 5.3 | $0.78 | $0.173 | $3.46 |
| Gemma 4 VL 26B | $0.10 | không công bố | $0.22 |

Vậy các đòn bẩy là: gửi ít token mới hơn, đọc từ cache nhiều hơn, sinh ít hơn và gọi ít hơn. Bài [giá API LLM hoạt động thế nào](https://broadrouter.com/vi/blog/llm-api-pricing-explained/) giải thích chi tiết từng đơn vị.

## Tóm tắt checklist

| Bước | Thay đổi gì | Giảm được gì | Công sức |
| --- | --- | --- | --- |
| 1\. Đo lường | Chỉ ghi log | Chưa giảm gì; cho thấy nên cắt ở đâu | Thấp |
| 2\. Cache phần đầu prompt | Thứ tự prompt | Giá đầu vào | Thấp |
| 3\. Rút gọn prompt | Nội dung prompt | Token đầu vào | Trung bình |
| 4\. Giới hạn đầu ra và suy luận | Cài đặt request | Token đầu ra | Thấp |
| 5\. Chọn model vừa đủ | Lựa chọn model | Mọi mức giá | Trung bình |
| 6\. Batch hoặc dời việc | Lịch chạy | Giá mỗi token, nếu nhà cung cấp hỗ trợ | Trung bình |
| 7\. Cache câu trả lời | Code ứng dụng | Toàn bộ request | Trung bình |
| 8\. Giới hạn retry và vòng lặp | Code ứng dụng | Request lãng phí | Thấp |
| 9\. Đặt hạn mức chi tiêu | Tài khoản và key | Hóa đơn mất kiểm soát | Thấp |
| 10\. Kiểm tra điểm hòa vốn của gói cố định | Mô hình tính phí | Tổng hóa đơn khi dùng nhiều | Thấp |

## 1\. Vì sao phải đo trước khi cắt bất cứ thứ gì?

Vì hóa đơn che giấu nguyên nhân. Hai request trông giống nhau có thể chênh nhau gấp mười lần về token. Mỗi chat completion trả về một khối `usage` với `prompt_tokens`, `completion_tokens` và, nếu nhà cung cấp có báo cáo, số token cache. Hãy ghi log các giá trị này theo tính năng và theo người dùng, không kèm nội dung prompt. Sau một tuần, bạn sẽ biết tính năng nào tốn nhất và nguyên nhân là đầu vào, cache miss hay đầu ra.

Bài [ghi log mức dùng có che thông tin cá nhân](https://broadrouter.com/vi/blog/llm-api-usage-logging/) có sẵn một schema log. Để ước lượng một tính năng trước khi ra mắt, hãy dùng [công cụ tính chi phí API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) hoặc phương pháp trong bài [ước tính chi phí trước khi ra mắt](https://broadrouter.com/vi/blog/estimate-llm-api-cost-before-launch/).

## 2\. Prompt caching giảm chi phí như thế nào?

Nhà cung cấp cache phần đầu của prompt được lặp lại y hệt. Lần gọi tiếp theo đọc phần đầu đó với giá cache. OpenAI bật cache mặc định cho các model được hỗ trợ, từ 1.024 token, và cho biết đầu vào từ cache được “discounted up to 95%” (bản dịch: giảm tới 95%) (kiểm tra ngày 2026-11-15). Trên BroadNet, DeepSeek V4.1 Flash tính đầu vào từ cache $0.0055 cho 1 triệu token, so với $0.175 cho đầu vào mới.

Quy tắc là: nội dung tĩnh đặt trước, nội dung thay đổi đặt sau. System prompt, rồi schema công cụ, rồi tài liệu dùng chung, rồi lịch sử, rồi câu hỏi mới. Một timestamp hay một danh sách công cụ bị xáo trộn ở đầu sẽ làm hỏng cache cho mọi thứ phía sau.

-   [Giải thích token đầu vào từ cache](https://broadrouter.com/vi/blog/cached-input-tokens-explained/), kèm cách đọc chúng trong phản hồi.
-   [Cách cấu trúc prompt để phần đầu được cache](https://broadrouter.com/vi/blog/prompt-structure-for-caching/).
-   Mô phỏng tỷ lệ cache hit của bạn bằng [công cụ tính prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/).

## 3\. Cắt prompt ở đâu thì an toàn?

Hãy cắt những gì model không dùng. Những chỗ thường cắt được: system prompt dài viết như văn xuôi, nhiều ví dụ few-shot hơn mức tác vụ cần, schema của những công cụ mà bước đó không bao giờ gọi, JSON dài dòng trong khi một bảng gọn là đủ, và toàn bộ lịch sử chat trong khi một bản tóm tắt là đủ. Phần truy xuất (retrieval) cũng dễ phình ra: gửi mười đoạn (chunk) trong khi hai đoạn đã trả lời được câu hỏi vừa là vấn đề chi phí, vừa là vấn đề chất lượng.

Hãy test mỗi lần cắt trên một bộ đầu vào cố định, để prompt rẻ hơn không âm thầm làm hỏng câu trả lời. Bài [giảm token prompt](https://broadrouter.com/vi/blog/reduce-prompt-tokens/) có số liệu đo được cho từng cách cắt này. Ngôn ngữ cũng ảnh hưởng: với phần lớn tokenizer, văn bản tiếng Ả Rập tốn nhiều token mỗi từ hơn tiếng Anh; xem [số token mỗi từ của tiếng Ả Rập so với tiếng Anh](https://broadrouter.com/vi/blog/tokens-per-word-arabic-english/).

## 4\. Làm sao giới hạn đầu ra và suy luận?

Yêu cầu ít hơn, và đặt giới hạn. Hãy yêu cầu các trường JSON thay vì văn xuôi, giới hạn số từ thay vì “giải thích”, và không lặp lại câu hỏi. Sau đó đặt `max_tokens` để một câu trả lời chạy mãi sẽ dừng lại.

Model có suy nghĩ cần cẩn thận hơn. Tài liệu của BroadNet cho biết phần suy luận được tính vào `max_tokens`, nên giới hạn thấp có thể trả về câu trả lời rỗng. Hãy giữ từ 1.000 token trở lên, và đặt `reasoning_effort` là `low` cho các bước đơn giản. Trên key tính theo token, phần suy luận được tính như đầu ra. Bài [token suy luận: vì sao bạn trả nhiều hơn những gì bạn thấy](https://broadrouter.com/vi/blog/reasoning-tokens-cost/) và [cách sửa lỗi câu trả lời rỗng](https://broadrouter.com/vi/guides/reasoning-tokens-empty-response/) nói về cả hai mặt.

## 5\. Làm sao chọn model rẻ hơn mà không mất chất lượng?

Hãy so sánh chi phí trên mỗi tác vụ thành công, không phải giá mỗi token. Chuẩn bị 50 đến 100 đầu vào thực tế kèm đầu ra mong đợi, chạy từng model ứng viên, rồi chia tổng chi phí cho số lần đạt. Một model rẻ hơn tính theo token nhưng hỏng một phần ba số lần có thể tốn hơn khi bạn tính cả retry và công người kiểm tra.

Hãy kiểm tra tính năng trước. Trên BroadNet, công cụ và đầu ra có cấu trúc chỉ được ghi trong tài liệu cho GLM 5.3 và Qwen3.8 27B. Gemma 4 VL 26B là model văn bản và hình ảnh nhỏ hơn của BroadNet; hãy xem giá của nó trong bảng trên cho các tác vụ đơn giản. Nhiều ứng dụng dùng model nhỏ cho bước dễ và model lớn hơn cho bước khó; bạn chọn model ngay trong code của mình. Bài [cách đánh giá LLM trước khi chuyển đổi](https://broadrouter.com/vi/blog/evaluate-llm-before-switching/) có sẵn kế hoạch test.

Đừng chờ model hiện tại giảm giá. Nhà cung cấp hiếm khi giảm giá một model đang có; khoản tiết kiệm thường đến cùng phiên bản mới. Xem [lịch sử giá API của OpenAI, Anthropic và Google](https://broadrouter.com/vi/blog/openai-anthropic-google-api-price-history/) và [những lần giảm giá API LLM lớn nhất](https://broadrouter.com/vi/blog/llm-api-price-cuts-2023-2026/).

## 6\. Có thể batch hoặc dời những việc chưa gấp không?

Nếu nhà cung cấp hỗ trợ thì có, và mức giảm khá lớn. Tất cả kiểm tra ngày 2026-11-15:

| Nhà cung cấp | Mức giảm | Điều kiện |
| --- | --- | --- |
| OpenAI Batch API | 50% so với gọi đồng bộ | Hoàn thành trong vòng 24 giờ; giới hạn tốc độ riêng |
| Anthropic Message Batches API | 50% | Bất đồng bộ; phần lớn batch xong trong chưa đầy một giờ |
| DeepSeek API, giờ thấp điểm | Giá giờ thấp điểm bằng một nửa giờ cao điểm | Giờ cao điểm là 01:00 đến 04:00 và 06:00 đến 10:00 UTC, thứ Hai đến thứ Sáu |

BroadNet Inference không có Batch API và không có giá giờ thấp điểm. Với job chạy qua đêm trên BroadNet, hãy chạy qua một trình chạy có thể tiếp tục trên endpoint thông thường, trong giới hạn của key. Bài [xử lý batch LLM khi không có Batch API](https://broadrouter.com/vi/blog/llm-batch-processing-without-batch-api/) có sẵn code. Nếu job chạy nhiều giờ, một phiên giá cố định có thể rẻ hơn tiền token (bước 10).

## 7\. Khi nào nên cache toàn bộ câu trả lời?

Khi cùng một câu hỏi với cùng đầu vào quay lại. Bot FAQ, phân loại các mục lặp lại và chạy lại pipeline sau sự cố đều lặp lại công việc. Một cache khớp chính xác, dùng model, prompt và cài đặt làm khóa, sẽ trả về câu trả lời đã lưu và bỏ qua lần gọi. Hãy đặt thời hạn hết hiệu lực để câu trả lời không bị cũ. Bài [cache phản hồi LLM bằng Python](https://broadrouter.com/vi/blog/cache-llm-responses-cut-cost/) có một bản cài đặt nhỏ.

## 8\. Retry và vòng lặp lãng phí tiền như thế nào?

Một request được retry là một lần inference mới và bị tính phí lại trên key tính theo token. Chỉ retry với lỗi 429 và 5xx, dùng exponential backoff có jitter, và giới hạn số lần thử. Đừng bao giờ retry lỗi 400: cùng một request sai sẽ thất bại y như cũ.

Agent có thêm rủi ro thứ hai: một vòng lặp cứ gọi model mãi. Hãy giới hạn số bước mỗi tác vụ và dừng lại khi cùng một lệnh gọi công cụ bị lặp lại. Bài [xử lý lỗi 429](https://broadrouter.com/vi/blog/handle-llm-api-429-rate-limits/) và [10 cách giảm chi phí coding agent](https://broadrouter.com/vi/blog/cut-coding-agent-llm-costs/) nói về cả hai.

## 9\. Làm sao ngăn hóa đơn mất kiểm soát?

Cảnh báo chỉ báo cho bạn khi chuyện đã xảy ra. Hạn mức mới ngăn được nó. Hãy dùng số dư trả trước, mỗi ứng dụng một key để có thể thu hồi một key mà không dừng các ứng dụng khác, và danh sách IP cho phép trên key phía server. Trong code, hãy đặt ngân sách cho mỗi job và dừng khi tiêu hết. Bài [kiểm soát chi tiêu API LLM](https://broadrouter.com/vi/blog/llm-api-spend-control/) trình bày các lớp kiểm soát, từ tài khoản đến từng request.

## 10\. Khi nào gói giá cố định có lợi hơn tính phí theo token?

Khi một agent chạy gần như cả ngày. BroadNet bán DeepSeek V4.1 Flash theo token hoặc theo phiên: Full Moon $60 mỗi tháng, Orbit $15 mỗi tuần hoặc Meteor $1 mỗi giờ, không đo token. Mỗi phiên chạy một request tại một thời điểm.

Các kịch bản mẫu của BroadNet khi tính phí theo token:

| Khối lượng công việc | Chi phí theo token mỗi tháng | Lựa chọn rẻ hơn |
| --- | --- | --- |
| Dự án phụ | $14.23 | trả theo mức dùng |
| Trợ lý dùng hằng ngày | $42.67 | trả theo mức dùng |
| Coding agent toàn thời gian | $65.40 | Full Moon |
| Agent chạy liên tục | $196.20 | Full Moon |

Với tỷ lệ cache hit 80% và 20 token đầu vào cho mỗi token đầu ra, điểm hòa vốn là khoảng 917 triệu token đầu vào và 46 triệu token đầu ra mỗi tháng. Dùng nhẹ thì trả theo token vẫn rẻ hơn. Xem [phép tính hòa vốn đầy đủ](https://broadrouter.com/vi/blog/flat-rate-vs-pay-per-token-llm-api/), hoặc thử khối lượng của bạn trong [công cụ so sánh giá cố định và giá theo token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/).

## Nên bỏ qua những bước nào?

Một số lời khuyên phổ biến tốn nhiều hơn số tiền chúng tiết kiệm:

-   **Nén prompt đến mức hỏng.** Khoản tiết kiệm ở đầu vào sẽ mất nếu chất lượng câu trả lời giảm và người dùng phải hỏi lại.
-   **Tóm tắt lịch sử ở mỗi lượt.** Mỗi bản tóm tắt là một lần gọi thêm, và nó làm thay đổi phần đầu prompt nên cache bị miss. Hãy tóm tắt thưa thôi và nối phần còn lại vào sau.
-   **Chỉ chạy theo giá mỗi token thấp nhất.** Giới hạn tốc độ, tính năng còn thiếu và tỷ lệ lỗi đều làm tăng chi phí.
-   **Tự host cho khối lượng nhỏ.** GPU tính tiền theo giờ dù bận hay rảnh. Bài [tự host so với chi phí API](https://broadrouter.com/vi/blog/self-hosting-llm-vs-api-cost/) cho thấy điểm hòa vốn nằm ở đâu.

## BroadNet Inference phù hợp ở đâu?

BroadRouter là website của chính BroadNet, nên hãy cân nhắc phần này với điều đó trong đầu. BroadNet Inference là API tương thích OpenAI với bốn model chat tính giá theo token, ba trong số đó có giá đầu vào từ cache, cùng một gói DeepSeek V4.1 Flash giá cố định cho agent dùng đều đặn. Dịch vụ không có Batch API hay giá giờ thấp điểm, nên với các job lớn có thể chờ, mức giảm batch của OpenAI hoặc Anthropic, hay giờ thấp điểm của DeepSeek, có thể rẻ hơn. Tài khoản mới nhận $5 tín dụng ban đầu, dùng được cho Gemma 4 VL 26B, cả hai model Transcribe và key Gemma theo giờ; DeepSeek, GLM và Qwen cần nạp tiền. Gói tự phục vụ không có SLA. [Xem bảng giá](https://broadrouter.com/vi/pricing/) hoặc [so sánh các gói](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-how-to-reduce-llm-api-costs&utm_content=body).

Công cụ miễn phí cho chủ đề này (tiếng Anh)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[Công cụ miễn phí (tiếng Anh)](https://broadrouter.com/tools/)

## Thuật ngữ trong bài này

[Token](https://broadrouter.com/vi/glossary/token/)

Token là đơn vị văn bản mà model ngôn ngữ đọc và viết: một từ, một phần của từ, một dấu câu hoặc một chuỗi byte do tokenizer của model tạo ra. API LLM đếm, giới hạn và thường tính phí theo token.

[Token đầu vào từ cache (cached input tokens)](https://broadrouter.com/vi/glossary/cached-input-tokens/)

Token đầu vào từ cache là token prompt mà nhà cung cấp LLM vừa xử lý gần đây và có thể dùng lại từ cache thay vì tính toán lại, thường là phần đầu lặp lại như system prompt hoặc tài liệu. Nhà cung cấp tính giá chúng thấp hơn token đầu vào mới.

[Token đầu vào và đầu ra (input and output tokens)](https://broadrouter.com/vi/glossary/input-and-output-tokens/)

Token đầu vào là token mà model ngôn ngữ đọc trong một request, gồm system prompt, lịch sử hội thoại, định nghĩa tool và hình ảnh. Token đầu ra là token nó sinh ra để trả lời, kể cả phần suy luận. API LLM thường tính giá riêng cho hai loại, và đầu ra thường đắt hơn.

[Trả theo mức dùng (pay-as-you-go)](https://broadrouter.com/vi/glossary/pay-as-you-go/)

Trả theo mức dùng (pay-as-you-go) là mô hình giá mà bạn chỉ trả cho những gì đã dùng, đo theo đơn vị như token, request hoặc phút âm thanh, không có gói đăng ký hay cam kết tối thiểu. Hầu hết API LLM tính phí theo cách này, trừ vào số dư trả trước hoặc qua hóa đơn định kỳ.

[Batch API](https://broadrouter.com/vi/glossary/batch-api/)

Batch API là endpoint LLM bất đồng bộ nhận nhiều request cùng lúc, thường dưới dạng file, xử lý chúng trong một khung thời gian định sẵn thay vì ngay lập tức, rồi trả kết quả cùng nhau. Các nhà cung cấp như OpenAI và Anthropic tính giá batch thấp hơn API tiêu chuẩn.

[Tool calling (gọi tool, function calling)](https://broadrouter.com/vi/glossary/tool-calling/)

Tool calling, còn gọi là function calling, là tính năng của API LLM trong đó model trả về một yêu cầu có cấu trúc để chạy một hàm do nhà phát triển định nghĩa, kèm đối số JSON. Ứng dụng chạy hàm rồi gửi kết quả lại; model không bao giờ tự chạy code.

[AI coding agent](https://broadrouter.com/vi/glossary/coding-agent/)

AI coding agent là công cụ phần mềm trong đó một model ngôn ngữ làm việc trên codebase theo vòng lặp: đọc file, sửa file, chạy lệnh như test, đọc kết quả và quyết định bước tiếp theo cho tới khi xong task hoặc chạm giới hạn.

[API tương thích OpenAI (OpenAI-compatible API)](https://broadrouter.com/vi/glossary/openai-compatible-api/)

API tương thích OpenAI là một HTTP API nhận cùng định dạng request và phản hồi như OpenAI API, ví dụ POST /v1/chat/completions, nên SDK và công cụ của OpenAI dùng được nó chỉ bằng cách đổi base URL, API key và tên model.

## Câu hỏi thường gặp

### Cách nhanh nhất để giảm chi phí API LLM là gì?

Hãy bắt đầu với prompt caching. Đặt system prompt, schema công cụ và tài liệu dùng chung lên đầu, và giữ chúng giống hệt từng byte giữa các lần gọi. Đầu vào từ cache chỉ bị tính một phần nhỏ giá đầu vào mới, và bạn không phải đổi model hay tính năng nào. Sau đó hãy giới hạn đầu ra, vì token đầu ra đắt hơn token đầu vào.

### Batch API có thật sự giảm một nửa giá không?

Ở OpenAI và Anthropic thì có. Batch API của OpenAI giảm 50% với thời hạn hoàn thành 24 giờ, còn Message Batches API của Anthropic giảm chi phí 50% (cả hai kiểm tra ngày 2026-11-15). BroadNet Inference không có Batch API, nên hãy chạy job qua một trình chạy có thể tiếp tục (resumable runner) trên các endpoint thông thường.

### Token suy luận có nằm trong hóa đơn của tôi không?

Có, với key tính theo token. Phần suy luận được báo cáo trong completion tokens và tính theo giá đầu ra. Hãy đặt reasoning\_effort là low cho các bước đơn giản, nhưng giữ max\_tokens từ 1.000 trở lên để câu trả lời không bị cắt.

### Model nhỏ hơn có luôn rẻ hơn không?

Tính theo token thì thường là có. Tính theo tác vụ thì không phải lúc nào cũng vậy. Một model nhỏ cần retry hai lần hoặc cần prompt dài hơn có thể tốn hơn một model lớn làm đúng ngay lần đầu. Hãy so sánh chi phí trên mỗi tác vụ thành công bằng bộ test của chính bạn.

### Khi nào gói giá cố định rẻ hơn trả theo token?

Khi mức dùng cao và đều. Trên BroadNet, một phiên Full Moon có giá $60 mỗi tháng cho DeepSeek V4.1 Flash. Với tỷ lệ cache hit 80%, điểm hòa vốn là khoảng 917 triệu token đầu vào và 46 triệu token đầu ra mỗi tháng. Dùng ít hơn mức đó thì trả theo token rẻ hơn.

### Retry có tốn tiền không?

Có. Một request được retry là một lần inference mới và bị tính phí lại trên key tính theo token. Chỉ retry với lỗi 429 và 5xx, có backoff, và giới hạn số lần thử.

## Đọc tiếp

-   [10 cách giảm chi phí LLM cho coding agent, kèm mức tiết kiệm ước tính](https://broadrouter.com/vi/blog/cut-coding-agent-llm-costs/)
-   [Token đầu vào từ cache: cách giảm hóa đơn API LLM](https://broadrouter.com/vi/blog/cached-input-tokens-explained/)
-   [Giảm token prompt: số đo thực cho system prompt, tool và dữ liệu](https://broadrouter.com/vi/blog/reduce-prompt-tokens/)
-   [API LLM giá cố định hay trả theo token: phép tính hòa vốn](https://broadrouter.com/vi/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Kiểm soát chi phí API LLM: ngân sách, giới hạn key và chặn vòng lặp](https://broadrouter.com/vi/blog/llm-api-spend-control/)
-   [Thay đổi giá API LLM tháng 10/2026: 3 lần tăng, không lần giảm nào](https://broadrouter.com/vi/blog/llm-api-price-changes-october-2026/)
-   [Giá API LLM thay đổi thường xuyên đến mức nào? 3 năm trang giá lưu trữ](https://broadrouter.com/vi/blog/how-often-llm-api-prices-change/)
-   [Hướng dẫn: Vì sao model suy luận trả về câu trả lời rỗng](https://broadrouter.com/vi/guides/reasoning-tokens-empty-response/)
-   [Hướng dẫn: Mã lỗi BroadNet Inference và khi nào nên thử lại](https://broadrouter.com/vi/guides/errors-and-retries/)

Hãy thử với khối lượng công việc thực tế của bạn. Tài khoản mới được tặng US$5 tín dụng ban đầu cho Gemma và chuyển giọng nói thành văn bản. DeepSeek, GLM và Qwen3.8 cần nạp tiền.

[Bắt đầu](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-how-to-reduce-llm-api-costs&utm_content=page-cta) ·

**Nguồn**

-   [Bảng giá dạng máy đọc được của BroadNet Inference, pricing.json (kiểm tra ngày 2026-11-15) (tiếng Anh)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-how-to-reduce-llm-api-costs&utm_content=sources)
-   [Các gói của BroadNet Inference: một request tại một thời điểm mỗi phiên, không đo token (kiểm tra ngày 2026-11-15) (tiếng Anh)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-how-to-reduce-llm-api-costs&utm_content=sources)
-   [Tài liệu tham chiếu API BroadNet Inference: endpoint, suy luận và max\_tokens (kiểm tra ngày 2026-11-15) (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-how-to-reduce-llm-api-costs&utm_content=sources)
-   [Hướng dẫn Batch API của OpenAI: giảm 50%, thời hạn hoàn thành 24 giờ (kiểm tra ngày 2026-11-15)](https://developers.openai.com/api/docs/guides/batch)
-   [Hướng dẫn prompt caching của OpenAI: bật mặc định, tối thiểu 1.024 token, đầu vào từ cache giảm tới 95% (kiểm tra ngày 2026-11-15)](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [Message Batches API của Anthropic: chi phí thấp hơn 50%, phần lớn batch xong trong chưa đầy một giờ (kiểm tra ngày 2026-11-15)](https://platform.claude.com/docs/en/build-with-claude/batch-processing)
-   [Bảng giá API DeepSeek: giá giờ thấp điểm bằng một nửa giờ cao điểm, giờ cao điểm theo UTC (kiểm tra ngày 2026-11-15)](https://api-docs.deepseek.com/quick_start/pricing)
