---
title: "Chi phí LLM mỗi người dùng: unit economics AI SaaS | BroadRouter"
description: "Tính chi phí một tính năng AI trên mỗi người dùng đang hoạt động mỗi tháng, vì sao người dùng nặng quan trọng hơn mức trung bình, và cách định giá các hạng gói SaaS."
url: https://broadrouter.com/vi/blog/llm-cost-per-user-saas/
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-cost-per-user-saas/) (cập nhật ngày 2026-11-14).

# Chi phí LLM mỗi người dùng: unit economics cho tính năng AI SaaS

Đội ngũ BroadNet Inference · 6 phút đọc · Đăng ngày 2026-11-14

Chi phí LLM mỗi người dùng = số request mỗi người dùng đang hoạt động mỗi tháng × số token mỗi request × giá mỗi 1M token. Hãy đo theo tính năng từ field usage, định giá theo người dùng ở phân vị 90 thay vì trung bình, và đặt giới hạn hợp lý cho nhóm dùng nhiều nhất. Model rẻ hơn, cache và mức suy luận thấp giảm trực tiếp con số này.

## Ý chính

-   Chi phí mỗi người dùng = số request mỗi người dùng × (token đầu vào, từ cache và đầu ra mỗi request) × giá mỗi 1M.
-   Đo theo tính năng và theo người dùng từ field usage; mức trung bình che mất những người dùng nặng đang đẩy hóa đơn lên.
-   Lựa chọn model làm chi phí mỗi người dùng thay đổi gấp nhiều lần: hãy so giá đầu ra như $0.22, $0.52 và $3.46 mỗi 1M.
-   Định giá các hạng theo người dùng ở phân vị 90 và đặt giới hạn sử dụng hợp lý cho nhóm dùng nhiều nhất.
-   Cache, reasoning\_effort và định tuyến theo độ khó giảm chi phí mỗi người dùng mà không phải thay đổi sản phẩm.

**Trong trang này**

1.  Tính chi phí LLM mỗi người dùng thế nào?
2.  Bước 1: Thế nào là người dùng đang hoạt động, và đơn vị là gì?
3.  Bước 2: Đo số token mỗi đơn vị thế nào?
4.  Bước 3: Một người dùng điển hình tốn bao nhiêu? Ví dụ cụ thể
5.  Bước 4: Vì sao người dùng trung bình gây hiểu lầm?
6.  Bước 5: Đặt các hạng gói và giới hạn thế nào?
7.  Bước 6: Giảm chi phí mỗi người dùng mà không đổi sản phẩm thế nào?
8.  Gói giá cố định có phục vụ được người dùng SaaS không?
9.  Có những chi phí nào xung quanh model?
10.  Nên xử lý gói miễn phí và dùng thử thế nào?
11.  Tóm tắt

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:

```text
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](https://broadrouter.com/vi/blog/llm-api-pricing-explained/).

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](https://broadrouter.com/vi/blog/llm-api-usage-logging/) có sẵn wrapper và câu SQL để gom chi phí theo người dùng và tính năng. Khi chưa có traffic, [công cụ đếm token](https://broadrouter.com/tools/token-counter/) 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](https://broadrouter.com/vi/guides/streaming-chat-completions/). 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](https://broadrouter.com/vi/models/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](https://broadrouter.com/vi/models/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](https://broadrouter.com/vi/models/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](https://broadrouter.com/vi/models/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](https://broadrouter.com/compare/gemma-4-vl-26b-vs-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](https://broadrouter.com/tools/llm-api-cost-calculator/) 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:

1.  **Quyết định biên lợi nhuận gộp mục tiêu** cho hạng gói.
2.  **Tính ngược ra chi phí AI tối đa mỗi người dùng** mà biên lợi nhuận đó cho phép.
3.  **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.
4.  **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.
5.  **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](https://broadrouter.com/vi/blog/cached-input-tokens-explained/).
-   **Giảm suy luận.** Đặt `reasoning_effort` là `low` cho request thông thường để cắt bớt loại token đắt nhất. [Suy luận tốn bao nhiêu](https://broadrouter.com/vi/blog/reasoning-tokens-cost/).
-   **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_tokens` cho 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](https://broadrouter.com/vi/blog/llm-api-spend-control/).

## 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](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-cost-per-user-saas&utm_content=body).

## 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](https://broadrouter.com/vi/blog/tokens-per-word-arabic-english/) 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](https://broadrouter.com/vi/blog/estimate-llm-api-cost-before-launch/).

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 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.

[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.

[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.

[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.

[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.

[Concurrency (request đồng thời)](https://broadrouter.com/vi/glossary/concurrency/)

Concurrency (request đồng thời) là số request mà một client đang xử lý cùng lúc. Các API LLM thường giới hạn nó theo key hoặc theo gói, tách biệt với số request mỗi phút, vì mỗi request đang mở chiếm dụng năng lực GPU cho tới khi response kết thúc.

## Câu hỏi thường gặp

### Có nên tính tiền người dùng theo token không?

Hiếm khi nên với người dùng cuối; đa số thích một hạng gói cố định có giới hạn rõ ràng. Hãy đo token ở nội bộ, định giá theo request, tài liệu hoặc số chỗ ngồi (seat), và giữ một giới hạn sử dụng hợp lý cho nhóm dùng nhiều nhất.

### Có thể dùng gói giá cố định của BroadNet để phục vụ người dùng SaaS không?

BroadNet cho phép đưa một gói vào ứng dụng hoặc dịch vụ của riêng bạn dưới key của bạn. Mỗi phiên chạy một request tại một thời điểm, nên phù hợp với agent back-end hoặc tính năng ít đồng thời; traffic người dùng có nhiều request cùng lúc thường cần key trả theo mức dùng hoặc nhiều phiên.

### Chi phí AI nên chiếm bao nhiêu phần giá thuê bao?

Không có con số chung cho mọi trường hợp. Hãy quyết định biên lợi nhuận gộp mà doanh nghiệp cần, rồi tính ngược ra mức chi phí tối đa mà một người dùng bình thường nhưng dùng nhiều được phép tiêu tốn, và đặt giới hạn tương ứng.

### Bao lâu nên tính lại chi phí mỗi người dùng một lần?

Mỗi khi bạn đổi prompt, model hoặc tính năng, và ít nhất mỗi tháng một lần. Số token thay đổi dần khi prompt và hành vi người dùng thay đổi.

## 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/)
-   [Kiểm soát chi phí API LLM: ngân sách, giới hạn key và chặn vòng lặp](https://broadrouter.com/vi/blog/llm-api-spend-control/)
-   [Token suy luận: vì sao bạn trả cho nhiều đầu ra hơn những gì thấy](https://broadrouter.com/vi/blog/reasoning-tokens-cost/)
-   [Token đầu vào từ cache: cách giảm hóa đơn API LLM](https://broadrouter.com/vi/blog/cached-input-tokens-explained/)
-   [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: Dùng OpenAI Python SDK với BroadNet Inference](https://broadrouter.com/vi/guides/openai-python-sdk/)
-   [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-cost-per-user-saas&utm_content=page-cta) ·

**Nguồn**

-   [Giá máy đọc được của BroadNet Inference (pricing.json) (tiếng Anh)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-cost-per-user-saas&utm_content=sources)
-   [Tài liệu tham chiếu API BroadNet Inference, field usage và giới hạn (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-cost-per-user-saas&utm_content=sources)
-   [Các gói không giới hạn của BroadNet Inference và FAQ về gói (tiếng Anh)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-cost-per-user-saas&utm_content=sources)
-   [Tài liệu tham chiếu OpenAI API, đối tượng usage của chat completions](https://platform.openai.com/docs/api-reference/chat/create)
