---
title: "Kiểm soát chi phí API LLM: ngân sách, giới hạn, vòng lặp"
description: "Chặn hóa đơn API LLM tăng vọt: số dư trả trước, mỗi ứng dụng một key, danh sách IP cho phép, log mức dùng, ngân sách trong code, trần vòng lặp, key giá cố định."
url: https://broadrouter.com/vi/blog/llm-api-spend-control/
lang: vi
updated: 2026-11-14
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/llm-api-spend-control/) (cập nhật ngày 2026-11-16).

# Kiểm soát chi phí API LLM: ngân sách, giới hạn key và chặn vòng lặp

Đội ngũ BroadNet Inference · 5 phút đọc · Đăng ngày 2026-11-14 · Cập nhật 2026-11-16

Kiểm soát chi phí API LLM theo từng lớp: số dư trả trước làm trần tài khoản, mỗi ứng dụng một key khóa theo IP máy chủ, max\_tokens và trần số bước cho mọi request, cùng ngân sách trong code để dừng tác vụ trước khi vượt chi. Ghi log token theo key và cảnh báo theo số liệu của bạn. Gói giá cố định và key theo giờ giới hạn trường hợp xấu nhất.

## Ý chính

-   Cảnh báo của nhà cung cấp đến sau khi tiền đã tiêu. Hãy đặt một bước kiểm tra ngân sách cứng trong chính code của bạn, trước mỗi request.
-   Mỗi ứng dụng hoặc agent một key, khóa theo IP máy chủ, giúp hạn chế thiệt hại khi bị lộ. BroadNet áp dụng việc thu hồi key và thay đổi danh sách IP cho phép trong vòng năm giây.
-   Vòng lặp mất kiểm soát đến từ việc thiếu trần số bước và retry không giới hạn. Hãy đặt trần cho cả hai.
-   Ghi log token prompt, cache và completion cho mỗi request bằng stream\_options include\_usage, rồi quy ra chi phí theo key và theo tính năng.
-   Các lựa chọn giá cố định giới hạn chi tiêu ngay từ thiết kế: $60 mỗi tháng cho một phiên gói, $0.50 cho một key theo giờ.

**Trong trang này**

1.  Vì sao cảnh báo là chưa đủ?
2.  Các lớp kiểm soát chi phí LLM là gì?
3.  Cấp tài khoản: số dư trả trước giới hạn chi tiêu thế nào?
4.  Cấp key: làm sao hạn chế thiệt hại khi key bị lộ?
5.  Cấp request: làm sao giới hạn mọi câu trả lời?
6.  Cấp tác vụ: làm sao dừng một vòng lặp agent mất kiểm soát?
7.  Báo cáo: nên ghi log và cảnh báo những gì?
8.  Cấp giá: khi nào giá cố định tốt hơn ngân sách?
9.  Checklist ngắn
10.  BroadNet Inference phù hợp ở đâu

Phần lớn những lần hóa đơn LLM gây bất ngờ đều có chung một nguyên nhân: có thứ gì đó cứ gọi API mà không ai để ý. Một vòng lặp retry, một agent không thể hoàn thành, một key bị lộ trên repository công khai. Cảnh báo ngân sách chỉ báo cho bạn sau khi sự việc đã xảy ra. Bài này xây dựng việc kiểm soát chi phí theo từng lớp, từ tài khoản xuống tới từng request, và chỉ ra phần nào BroadNet Inference đảm nhận, phần nào bạn phải thêm vào code.

## Vì sao cảnh báo là chưa đủ?

Cảnh báo so sánh chi tiêu với một ngưỡng sau khi mức dùng đã được ghi nhận. Một vòng lặp agent có thể tạo hàng chục request mỗi phút. Khi email tới nơi thì tiền đã mất. Hãy dùng cảnh báo làm lớp chặn cuối, và đặt điểm dừng cứng ở chỗ request được tạo ra.

## Các lớp kiểm soát chi phí LLM là gì?

| Lớp | Biện pháp | Ngăn chặn | Nơi thiết lập |
| --- | --- | --- | --- |
| Tài khoản | Số dư trả trước | Chi vượt số tiền bạn đã nạp | Tài khoản nhà cung cấp |
| Key | Mỗi ứng dụng hoặc agent một key | Một lần lộ key làm mất tất cả | Portal của nhà cung cấp |
| Key | Danh sách IP cho phép | Key bị đánh cắp được dùng ở nơi khác | Portal của nhà cung cấp |
| Request | `max_tokens`, `reasoning_effort` | Một câu trả lời khổng lồ | Code của bạn |
| Tác vụ | Trần số bước, trần retry, phát hiện vòng lặp | Agent mất kiểm soát | Code của bạn |
| Tác vụ | Ngân sách tích lũy theo tác vụ và theo ngày | Rò rỉ chậm qua nhiều lời gọi | Code hoặc proxy của bạn |
| Báo cáo | Ghi log token và cảnh báo | Xu hướng tăng mà bạn không để ý | Log của bạn |
| Giá | Gói giá cố định hoặc key theo giờ | Chính bộ đếm token | Lựa chọn gói |

## Cấp tài khoản: số dư trả trước giới hạn chi tiêu thế nào?

Key trả theo mức dùng của BroadNet Inference trừ vào số dư tài khoản trả trước; tài khoản mới bắt đầu với $5 tín dụng và không cần thẻ. Khi hết hạn mức trả theo mức dùng, request trả về `401`, còn một giao dịch mua mà số dư không đủ (như key theo giờ) trả về `402 insufficient_balance`. Hãy coi cả hai là tín hiệu dừng, không phải thứ để retry. Tài liệu lỗi của BroadNet cũng liệt kê giới hạn chi tiêu là một trong các nguyên nhân gây 429, nên hãy đọc nội dung lỗi trước khi retry bất kỳ 429 nào. [Tất cả mã lỗi](https://broadrouter.com/vi/guides/errors-and-retries/) và [cách xử lý 429 với backoff](https://broadrouter.com/vi/blog/handle-llm-api-429-rate-limits/).

Số dư là trần ngoài cùng của bạn. Hãy nạp số tiền bạn sẵn sàng mất trong tháng này, không phải cho cả năm. Để xác định con số đó, trước tiên hãy đưa traffic dự kiến vào [công cụ tính chi phí API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/).

## Cấp key: làm sao hạn chế thiệt hại khi key bị lộ?

Một [API key](https://broadrouter.com/vi/glossary/api-key/) là quyền chi tiêu: ai giữ nó đều có thể dùng số dư của bạn. Hãy giới hạn phạm vi ảnh hưởng của mỗi key:

1.  **Mỗi ứng dụng, agent hoặc môi trường một key.** BroadNet cho phép tối đa 10 key đang hoạt động mỗi tài khoản, mỗi key có hiệu lực tối đa một năm. Đặt tên cho chúng để log cho bạn biết key nào đã chi tiêu.
2.  **Khóa key vào máy chủ của bạn.** Thêm IP đầu ra (egress) hoặc dải CIDR vào [danh sách IP cho phép](https://broadrouter.com/vi/glossary/ip-allow-list/), tối đa 32 mục. Request từ địa chỉ khác nhận 403.
3.  **Thu hồi nhanh.** Việc thu hồi và thay đổi danh sách IP cho phép áp dụng cho request mới trong vòng năm giây.
4.  **Đừng để thông tin xác thực portal trên máy chủ.** Chúng có thể tạo key và mua hàng. Key inference chỉ gọi được model.

[Khóa API key bằng danh sách IP cho phép](https://broadrouter.com/vi/guides/api-keys-ip-allow-lists/).

## Cấp request: làm sao giới hạn mọi câu trả lời?

Hãy đặt `max_tokens` cho mọi lời gọi. Với model suy luận (DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B), giữ ở mức 1.000 trở lên, vì phần suy nghĩ dùng chung ngân sách và giá trị quá thấp sẽ trả về câu trả lời rỗng mà bạn vẫn phải trả tiền. Hạ `reasoning_effort` cho các tác vụ đơn giản. [Token suy luận được tính phí thế nào](https://broadrouter.com/vi/blog/reasoning-tokens-cost/).

## Cấp tác vụ: làm sao dừng một vòng lặp agent mất kiểm soát?

Vòng lặp mất kiểm soát có những dấu hiệu dễ nhận ra: cùng một tool call lặp lại, context lớn dần mỗi lượt, và lỗi được retry không giới hạn. Hãy đặt một lớp bảo vệ bao quanh client:

```python
import json, os, urllib.request
from openai import OpenAI

# Per-1M prices from BroadNet's machine-readable rate card
card = json.load(urllib.request.urlopen("https://inference.broadnet.ai/pricing.json"))
m = next(x for x in card["models"] if x["id"] == "broadnet/deepseek-v4.1-flash")
PRICE = {"in": m["input_per_m"], "cached": m["cached_input_per_m"], "out": m["output_per_m"]}
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"], max_retries=3)

class BudgetExceeded(Exception): pass

class Guard:
    def __init__(self, budget_usd, max_steps=40):
        self.budget, self.max_steps, self.spent, self.steps, self.last = budget_usd, max_steps, 0.0, 0, []

    def call(self, **kw):
        self.steps += 1
        if self.steps > self.max_steps: raise BudgetExceeded("step cap")
        if self.spent >= self.budget: raise BudgetExceeded("budget")
        r = client.chat.completions.create(max_tokens=kw.pop("max_tokens", 4000), **kw)
        u = r.usage
        cached = (u.prompt_tokens_details.cached_tokens or 0) if u.prompt_tokens_details else 0
        self.spent += ((u.prompt_tokens - cached) * PRICE["in"] + cached * PRICE["cached"]
                       + u.completion_tokens * PRICE["out"]) / 1e6
        calls = [(t.function.name, t.function.arguments) for t in (r.choices[0].message.tool_calls or [])]
        self.last = (self.last + [calls])[-3:]
        if calls and len(self.last) == 3 and all(c == calls for c in self.last):
            raise BudgetExceeded("same tool call three times")
        return r
```

Lớp bảo vệ đọc giá từ bảng giá thay vì viết cứng, nên nó vẫn đúng khi giá thay đổi. Hãy truyền vào `call()` đúng model mà bạn đã lấy giá. Giữ `max_retries` nhỏ: các OpenAI SDK vốn đã retry 429 và 5xx, và mỗi lần retry lại bị tính phí.

Với một đội ngũ, hãy chạy cùng bước kiểm tra trong một proxy dùng chung để mọi dịch vụ cùng trừ vào một ngân sách ngày. Retry cũng va vào giới hạn tốc độ: [công cụ tính giới hạn tốc độ](https://broadrouter.com/tools/llm-rate-limit-calculator/) cho thấy key của bạn thực sự cho phép bao nhiêu lời gọi mỗi phút.

## Báo cáo: nên ghi log và cảnh báo những gì?

Với mỗi request, hãy ghi log: bí danh key, tên tính năng hoặc agent, model, `prompt_tokens`, `prompt_tokens_details.cached_tokens`, `completion_tokens`, trạng thái và `X-Request-ID`. Khi streaming, hãy đặt `stream_options: {"include_usage": true}`, nếu không thông tin usage sẽ không bao giờ tới ([hướng dẫn streaming](https://broadrouter.com/vi/guides/streaming-chat-completions/)).

Từ các log đó, hãy cảnh báo khi:

-   chi phí hằng ngày theo key cao hơn con số dự kiến từ [ước tính chi phí](https://broadrouter.com/vi/blog/estimate-llm-api-cost-before-launch/) của bạn;
-   token mỗi tác vụ cao hơn ba lần trung vị;
-   tỷ lệ cache giảm, khiến chi phí tăng dù traffic không tăng;
-   tỷ lệ phản hồi 429 hoặc 5xx tăng, nghĩa là đang có retry.

BroadNet giữ các bản ghi không chứa nội dung như thời gian, số token và chi phí, không giữ prompt, nên log của chính bạn là nơi chứa chi tiết theo từng tính năng. Đừng ghi log nội dung prompt nếu chính sách dữ liệu của bạn cấm điều đó. [Cách xây dựng log mức dùng với chi phí theo người dùng và theo tính năng](https://broadrouter.com/vi/blog/llm-api-usage-logging/).

## Cấp giá: khi nào giá cố định tốt hơn ngân sách?

Cách kiểm soát chi phí đáng tin cậy nhất là một mức giá không thay đổi:

-   **Phiên gói**: $60 một tháng (Full Moon), $15 một tuần (Orbit) hoặc $1 một giờ (Meteor) cho DeepSeek V4.1 Flash không giới hạn, một request tại một thời điểm. Request trên key của gói không bao giờ trừ vào số dư của bạn.
-   **Key theo giờ**: $0.50 cho một giờ Gemma 4 VL 26B trên một stream. Phù hợp cho các key rời khỏi máy chủ của bạn. [Giải thích key theo giờ](https://broadrouter.com/vi/blog/hourly-llm-api-key-explained/).

Một vòng lặp trên gói chỉ tốn thời gian, không tốn tiền. Bạn vẫn cần trần số bước, vì một agent bị kẹt sẽ chiếm phiên, chặn công việc khác. Gói có rẻ hơn hóa đơn đếm token hay không phụ thuộc vào khối lượng; [công cụ tính giá cố định và theo token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) cho ra điểm hòa vốn với tỷ lệ token của bạn.

Giá theo token cũng có thể tăng lên bất ngờ. [52 lần tăng giá API LLM đã được lưu lại](https://broadrouter.com/vi/blog/llm-api-price-increases/) cho thấy điều đó xảy ra thường xuyên thế nào, ở những nhà cung cấp nào và tăng bao nhiêu.

## Checklist ngắn

1.  Số dư trả trước tương ứng với hạn mức tháng của bạn.
2.  Mỗi ứng dụng một key có tên, kèm danh sách IP cho phép.
3.  `max_tokens` trên mọi request.
4.  Trần số bước, trần retry và phát hiện lời gọi lặp lại trên mọi agent.
5.  Chi phí tích lũy theo tác vụ, kiểm tra trước mỗi lời gọi.
6.  Ghi log token theo từng request, có cảnh báo theo ngưỡng của bạn.
7.  Gói giá cố định hoặc key theo giờ ở mọi nơi dùng liên tục hoặc key bị lộ ra ngoài.

## BroadNet Inference phù hợp ở đâu

BroadNet cung cấp lớp tài khoản và lớp key: số dư trả trước, các key riêng biệt, danh sách IP cho phép với việc thu hồi trong vài giây, cùng gói giá cố định và key theo giờ. Nó không cung cấp ngân sách cấp tác vụ như trong bài này; phần đó thuộc về code hoặc proxy của bạn. Nếu bạn cần ngân sách theo đội ngũ trên nhiều nhà cung cấp, một gateway đặt trước tất cả là công cụ phù hợp. [Xem bảng giá](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-spend-control&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.

[Tín dụng trả trước (prepaid credit)](https://broadrouter.com/vi/glossary/prepaid-credit/)

Tín dụng trả trước là tiền nạp vào tài khoản API trước khi sử dụng. Mỗi request trừ chi phí của nó vào số dư, và khi số dư hết, các request tính theo mức dùng dừng lại cho tới khi bạn nạp thêm. Mức chi tiêu không vượt quá số tiền đã nạp.

[API key (khóa API)](https://broadrouter.com/vi/glossary/api-key/)

API key là một chuỗi bí mật dùng để xác định và cấp quyền cho client gọi API. API LLM thường yêu cầu nó trong header Authorization: Bearer, và bất kỳ ai giữ key đều có thể gửi request được tính phí vào tài khoản sở hữu key đó.

[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.

[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.

[Streaming (trả phản hồi dạng luồng)](https://broadrouter.com/vi/glossary/streaming/)

Streaming là cách trả phản hồi của model ngôn ngữ thành từng chunk nhỏ ngay trong lúc nó đang được sinh, thay vì một câu trả lời trọn vẹn ở cuối. Các API tương thích OpenAI stream qua server-sent events khi request đặt stream là true.

[Giới hạn tần suất (rate limit)](https://broadrouter.com/vi/glossary/rate-limit/)

Giới hạn tần suất (rate limit) là mức trần mà API đặt ra cho lượng sử dụng của một client trong một khoảng thời gian, như số request mỗi phút hoặc số token mỗi phút. Request vượt giới hạn bị từ chối, thường với HTTP 429 Too Many Requests, cho đến khi mức dùng giảm xuống dưới giới hạn.

[Token suy luận (reasoning tokens)](https://broadrouter.com/vi/glossary/reasoning-tokens/)

Token suy luận (reasoning tokens) là token mà model suy luận sinh ra để giải quyết vấn đề trước khi viết câu trả lời hiển thị. Chúng thường được tính phí như token đầu ra, tính vào giới hạn đầu ra và context window, và có thể bị API ẩn đi hoặc tóm tắt.

## Câu hỏi thường gặp

### Làm sao đặt giới hạn chi tiêu cho API LLM?

Dùng số dư trả trước hoặc trần chi tiêu của nhà cung cấp làm giới hạn ngoài cùng, rồi tự áp ngân sách theo tác vụ và theo ngày trong code trước mỗi request, vì giới hạn và cảnh báo của nhà cung cấp có thể chậm hơn một vòng lặp chạy nhanh.

### Làm sao ngăn một AI agent đốt một hóa đơn khổng lồ?

Đặt trần số bước cho mỗi tác vụ, giới hạn số lần retry, đặt max\_tokens cho mọi request, phát hiện các tool call giống hệt nhau lặp lại, và dừng tác vụ khi chi phí tích lũy vượt ngân sách.

### Có nên retry lỗi 401 hay 402 khi hết số dư không?

Không. Trên BroadNet, hết hạn mức trả theo mức dùng sẽ trả về 401, còn 402 insufficient\_balance nghĩa là tài khoản không đủ tiền cho một giao dịch mua như key theo giờ. Hãy nạp tiền trước. Thay vào đó, retry 429 và 5xx với backoff.

### Cần ghi log những gì để theo dõi chi phí LLM?

Với mỗi request, ghi lại bí danh key, tên tính năng hoặc agent, model, prompt\_tokens, cached\_tokens, completion\_tokens, mã trạng thái và request ID. Nhân với giá trong file giá để ra chi phí.

### Gói giá cố định có phải là một cách kiểm soát chi phí không?

Có. Một phiên gói hay key theo giờ có giá như nhau dù dùng bao nhiêu token, nên một vòng lặp chỉ tốn thời gian, không tốn tiền.

## Đọc tiếp

-   [Cách ước tính chi phí API LLM trước khi ra mắt một tính năng](https://broadrouter.com/vi/blog/estimate-llm-api-cost-before-launch/)
-   [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/)
-   [API key LLM theo giờ: giá cố định mỗi giờ, giải thích rõ](https://broadrouter.com/vi/blog/hourly-llm-api-key-explained/)
-   [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/)
-   [Chi phí LLM mỗi người dùng: unit economics cho tính năng AI SaaS](https://broadrouter.com/vi/blog/llm-cost-per-user-saas/)
-   [Cache phản hồi API LLM để giảm chi phí: cache khớp chính xác (Python)](https://broadrouter.com/vi/blog/cache-llm-responses-cut-cost/)
-   [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: Khóa API key vào server của bạn bằng danh sách IP cho phép](https://broadrouter.com/vi/guides/api-keys-ip-allow-lists/)
-   [Hướng dẫn: Mã lỗi BroadNet Inference và khi nào nên thử lại](https://broadrouter.com/vi/guides/errors-and-retries/)
-   [Hướng dẫn: Streaming chat completions và xử lý khi mất kết nối](https://broadrouter.com/vi/guides/streaming-chat-completions/)

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-llm-api-spend-control&utm_content=page-cta) ·

**Nguồn**

-   [Tài liệu tham chiếu API BroadNet Inference, danh sách IP cho phép và key (kiểm tra ngày 2026-11-16) (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-spend-control&utm_content=sources#ip-allow-lists)
-   [Tài liệu tham chiếu API BroadNet Inference, lỗi và giới hạn (kiểm tra ngày 2026-11-16) (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-spend-control&utm_content=sources#errors)
-   [Bảng giá BroadNet Inference và key theo giờ (kiểm tra ngày 2026-11-16) (tiếng Anh)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-spend-control&utm_content=sources)
-   [Các gói BroadNet Inference (kiểm tra ngày 2026-11-16) (tiếng Anh)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-spend-control&utm_content=sources)
