Thêm một tính năng AI vào sản phẩm SaaS sẽ làm thay đổi cấu trúc chi phí. Chi phí hosting và lưu trữ gần như như nhau cho mọi người dùng; còn lời gọi LLM thì ai dùng càng nhiều càng tốn. Nếu bạn định giá tính năng mà không biết một người dùng đang hoạt động tốn bao nhiêu, vài khách hàng nhiệt tình có thể biến một gói đang có lời thành lỗ. Bài này chỉ cách tính chi phí LLM mỗi người dùng, vì sao mức trung bình là con số sai, và cách dùng nó để đặt các hạng gói.
Tính chi phí LLM mỗi người dùng thế nào?
Với một tính năng và một model:
cost per user per month =
requests per active user per month
× [ new input tokens × input price
+ cached tokens × cached price
+ output tokens × output price ] / 1,000,000
Với model suy luận, đầu ra bao gồm token suy luận, và trên key trả theo mức dùng, hình ảnh được tính là token đầu vào. Nếu cần ôn lại ba mức giá này, hãy đọc cách tính giá API LLM.
Cộng các tính năng mà một người dùng sử dụng để có tổng chi phí AI mỗi người dùng.
Bước 1: Thế nào là người dùng đang hoạt động, và đơn vị là gì?
Hãy chọn một định nghĩa bạn đã dùng trong báo cáo, chẳng hạn người dùng đã dùng tính năng AI ít nhất một lần trong tháng. Sau đó chọn đơn vị mà tính năng tạo ra một cách tự nhiên: một lượt chat, một tài liệu được tạo, một file được phân tích, một cuộc gọi được tóm tắt. Chi phí mỗi đơn vị ổn định hơn chi phí mỗi người dùng và dễ suy luận hơn.
Bước 2: Đo số token mỗi đơn vị thế nào?
Đừng ước tính từ số từ. Hãy ghi log khối usage của mọi response cùng một tag tính năng và ID người dùng hoặc tài khoản đã băm: prompt token, token cache và completion token, mỗi lần thử một dòng. Bài về ghi log usage có sẵn wrapper và câu SQL để gom chi phí theo người dùng và tính năng. Khi chưa có traffic, công cụ đếm token cho ước tính đầu tiên từ prompt mẫu.
Với phản hồi streaming, hãy yêu cầu usage trong chunk cuối bằng stream_options={"include_usage": True}; xem hướng dẫn streaming. Hãy đếm mọi lần thử, kể cả retry, vì mọi lần thử đến được model đều bị tính tiền.
Bước 3: Một người dùng điển hình tốn bao nhiêu? Ví dụ cụ thể
Giả sử sản phẩm của bạn có một trợ lý trong ứng dụng. Bạn đo được, với một người dùng đang hoạt động điển hình trong một tháng:
| Chỉ số | Giá trị |
|---|---|
| Số ngày hoạt động | 20 |
| Request tới trợ lý mỗi ngày hoạt động | 15 |
| Token đầu vào mỗi request | 3.000 (một nửa từ cache) |
| Token câu trả lời hiển thị mỗi request | 400 |
| Token suy luận mỗi request (model suy luận) | khoảng 600 |
Tức là 300 request mỗi tháng: khoảng 900.000 token đầu vào, trong đó 450.000 từ cache, và 120.000 token đầu ra hiển thị, cộng khoảng 180.000 token suy luận trên model suy luận.
Áp dụng giá mỗi 1M của BroadNet. Số token tính bằng triệu, nên mỗi số hạng là triệu token × giá mỗi 1M:
| Model | Đầu vào / cache / đầu ra mỗi 1M | Tháng của người dùng này |
|---|---|---|
| Gemma 4 VL 26B | $0.10 / không có giá cache / $0.22 | 0,9 × $0.10 (toàn bộ đầu vào theo giá đầy đủ) + 0,12 × $0.22 (không có token suy luận) = $0.12 |
| DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 | 0,45 × $0.175 + 0,45 × $0.0055 + 0,3 × $0.52 = $0.24 |
| Qwen3.8 27B | $0.175 / $0.0435 / $2.17 | 0,45 × $0.175 + 0,45 × $0.0435 + 0,3 × $2.17 = $0.75 |
| GLM 5.3 | $0.78 / $0.173 / $3.46 | 0,45 × $0.78 + 0,45 × $0.173 + 0,3 × $3.46 = $1.47 |
0,3M đầu ra trên các model suy luận là 0,12M câu trả lời hiển thị cộng 0,18M suy luận. Tính ra, dòng GLM 5.3 cao hơn mười lần dòng Gemma 4 VL 26B cho cùng một người dùng (so sánh Gemma 4 VL 26B và GLM 5.3 đặt hai model cạnh nhau). Đầu ra là số hạng lớn nhất trên mọi model suy luận, và token suy luận chiếm hơn một nửa phần đầu ra đó. Hãy nhập số đo của bạn vào công cụ tính chi phí API LLM để có con số của riêng bạn.
Bước 4: Vì sao người dùng trung bình gây hiểu lầm?
Mức dùng tính năng AI bị lệch. Đa số người dùng thử tính năng vài lần; một nhóm nhỏ dùng cả ngày. Mức trung bình che mất nhóm đó, mà chính nhóm đó đẩy hóa đơn lên.
Từ log usage, hãy tính cho mỗi người dùng mỗi tháng:
- Chi phí trung vị. Một người dùng bình thường tốn bao nhiêu.
- Phân vị 90. Một người dùng dùng nhiều nhưng vẫn bình thường tốn bao nhiêu. Hãy định giá hạng gói để người dùng này vẫn mang lại lợi nhuận.
- Phân vị 99 và mức tối đa. Nhóm dùng nhiều nhất. Những người dùng này cần giới hạn sử dụng hợp lý, một hạng cao hơn, hoặc kiểm tra xem có tự động hóa và lạm dụng không.
Nếu người dùng ở phân vị 99 tốn gấp nhiều lần trung vị, bản thân điều đó không phải vấn đề; đó là một đầu vào để định giá.
Bước 5: Đặt các hạng gói và giới hạn thế nào?
Khi đã biết chi phí mỗi người dùng, định giá trở thành quyết định về biên lợi nhuận:
- Quyết định biên lợi nhuận gộp mục tiêu cho hạng gói.
- Tính ngược ra chi phí AI tối đa mỗi người dùng mà biên lợi nhuận đó cho phép.
- So với phân vị 90. Nếu phân vị 90 nằm trong mức đó, hạng gói khả thi. Nếu không, hãy giảm chi phí (Bước 6), tăng giá, hoặc chuyển mức dùng nặng lên hạng cao hơn.
- Quy đổi token thành đơn vị người dùng hiểu. Người dùng không nghĩ theo token. Hãy giới hạn số request mỗi ngày, số tài liệu mỗi tháng hoặc số phút âm thanh, với kích thước sao cho mức dùng tối đa được phép vẫn nằm dưới trần chi phí.
- Kiểm tra lại hằng tháng. Thay đổi prompt, tính năng mới và đổi model đều làm chi phí mỗi người dùng thay đổi.
Bước 6: Giảm chi phí mỗi người dùng mà không đổi sản phẩm thế nào?
- Dùng cache. Đặt system prompt ổn định và danh sách tool lên đầu. Trên DeepSeek V4.1 Flash, đầu vào từ cache có giá $0.0055 mỗi 1M thay vì $0.175. Cách tăng tỷ lệ cache.
- Giảm suy luận. Đặt
reasoning_effortlàlowcho request thông thường để cắt bớt loại token đắt nhất. Suy luận tốn bao nhiêu. - Định tuyến theo độ khó. Gửi request đơn giản tới Gemma 4 VL 26B và để dành model suy luận cho request khó.
- Rút gọn lịch sử. Hội thoại dài gửi lại mọi thứ mỗi lượt; hãy tóm tắt hoặc cắt bớt các lượt cũ khi chất lượng cho phép.
- Giới hạn đầu ra. Đặt
max_tokenscho từng tính năng, chừa chỗ cho suy luận trên model suy luận.
Thêm các cách kiểm soát khác trong kiểm soát chi tiêu API LLM.
Gói giá cố định có phục vụ được người dùng SaaS không?
Các gói không giới hạn của BroadNet cho DeepSeek V4.1 Flash ($60 mỗi tháng cho mỗi phiên) có thể được đưa vào ứng dụng hoặc dịch vụ của riêng bạn dưới key của bạn, nhưng mỗi phiên chạy một request tại một thời điểm và key không được chia sẻ hay bán lại. Điều đó khiến gói phù hợp với việc back-end ít đồng thời: một trình tạo báo cáo hằng đêm, một trình tóm tắt chạy theo hàng đợi, một agent nội bộ. Với traffic người dùng tương tác có nhiều request cùng lúc, lựa chọn thường thấy là key trả theo mức dùng (mỗi key 4 request đang chạy cùng lúc, 30 mỗi phút) hoặc nhiều phiên. Xem điều khoản hiện tại trên trang gói.
Có những chi phí nào xung quanh model?
Chi phí mỗi người dùng từ token chỉ là một phần của khoản AI. Hãy cộng thêm truy xuất và lưu trữ vector, chép lời (tính theo phút âm thanh, ví dụ $0.0042 mỗi phút cho tiếng Ả Rập trên BroadNet), retry và các lượt chạy đánh giá. Nếu người dùng của bạn viết bằng tiếng Ả Rập hoặc ngôn ngữ khác không phải tiếng Anh, hãy dự tính số token mỗi tin nhắn nhiều hơn tiếng Anh; hãy đo số token mỗi từ với nội dung của bạn.
Nên xử lý gói miễn phí và dùng thử thế nào?
Gói miễn phí nhân chi phí mỗi người dùng với những người không trả tiền. Hãy coi đó là chi phí marketing: cho người dùng miễn phí model rẻ nhất mà vẫn thể hiện tốt tính năng, đặt giới hạn hằng ngày chặt hơn các gói trả phí, và theo dõi chi phí AI của người dùng miễn phí thành một dòng riêng. Nếu người dùng miễn phí chuyển đổi, dòng đó là chi phí thu hút khách hàng; nếu không, các giới hạn giữ cho nó nhỏ.
Tóm tắt
Đo số token mỗi đơn vị từ field usage, nhân với giá công bố, nhìn vào phân vị 90 thay vì giá trị trung bình, và đặt giá cùng giới hạn cho các hạng gói từ đó. Sau đó làm mọi đơn vị rẻ hơn bằng cache, định tuyến và mức suy luận thấp hơn. Nếu bạn chưa đo gì cả, hãy bắt đầu với phương pháp ước tính chi phí hằng tháng.
