BroadRouter

So sánh giá API model mở: 6 nhà cung cấp inference tính phí ra sao

Đội ngũ BroadNet Inference · 7 phút đọc · Đăng ngày · Cập nhật

Phần lớn nhà cung cấp tính giá model mở theo mỗi triệu token, đầu vào từ cache rẻ hơn và batch thường giảm 50%. Together AI, Fireworks và DeepInfra còn cho thuê GPU theo giờ. OpenRouter giữ nguyên giá nhà cung cấp và thu phí khi mua credit. Groq có ít model. BroadNet thêm gói cố định theo tháng, tuần và giờ cho DeepSeek V4.1 Flash.

“Giá mỗi triệu token” trông như có thể so sánh trực tiếp giữa các nhà cung cấp. Thực ra không hẳn. Các nhà cung cấp khác nhau ở model họ host, giá đầu vào từ cache, việc có giảm giá batch hay không, có cho thuê GPU hay không và các khoản phí cộng thêm. Bài này so sánh cách sáu nhà cung cấp model trọng số mở (open-weight) tính giá, rồi đặt giá niêm yết của họ cho cùng các model cạnh nhau. Mọi con số của đối thủ đều lấy từ trang chính thức của từng nhà cung cấp, kiểm tra ngày 2026-11-14; đường link nằm trong phần nguồn. Giá thay đổi thường xuyên, nên hãy kiểm tra lại trước khi quyết định.

Năm cách tính giá model mở là gì?

  1. Theo token, serverless. Giá riêng cho mỗi 1M token đầu vào và đầu ra. Mọi nhà cung cấp trong danh sách này đều có.
  2. Đầu vào từ cache. Giá thấp hơn cho phần đầu prompt lặp lại. Mức giảm từ một nửa giá đến chỉ còn vài phần trăm giá đầu vào. Giải thích token cache.
  3. Batch. Giá thấp hơn cho các job có thể chờ vài giờ.
  4. GPU chuyên dụng. Thuê phần cứng theo giờ và tự chạy model hoặc chạy qua stack của nhà cung cấp. Xem tự host hay dùng API: điểm hòa vốn, hoặc nhập số liệu của bạn vào công cụ tính tự host so với API.
  5. Gói giá cố định. Một mức giá cố định theo thời gian, không đếm token. Xem gói LLM giá cố định.

Mỗi nhà cung cấp tính giá model mở thế nào?

Nhà cung cấp Mô hình kinh doanh Theo token Đầu vào từ cache Batch GPU chuyên dụng Gói cố định
OpenRouter Router qua nhiều nhà cung cấp Giá của nhà cung cấp, “no markup” (bản dịch: không cộng thêm lời) Tùy nhà cung cấp Tùy nhà cung cấp Không Không
Together AI Serverless riêng + chuyên dụng Có Niêm yết cho một số model Giảm 50% cho một số model (chỉ Whisper Large v3 khi kiểm tra) H100 từ USD 5.49 mỗi giờ GPU Không
Fireworks AI Serverless riêng + theo yêu cầu Có, từ USD 0.05 mỗi 1M đầu vào Mặc định giảm 50%, nhiều hơn ở một số model Giảm 50% H100 USD 8.00 mỗi giờ Không
Groq Phần cứng riêng Có, danh sách model ngắn Giảm 50%, ở các model GPT-OSS Giảm 50% Không niêm yết Không
DeepInfra Serverless riêng + chuyên dụng Có, một số model tính theo thời gian chạy Niêm yết cho nhiều model Không có trên trang giá H100 USD 2.90 mỗi giờ GPU Không
BroadNet Inference Danh sách model ngắn; các model do đối tác host, với các đối tác inference tại Mỹ Có Niêm yết cho ba trong bốn model chat Không có Không Có, DeepSeek V4.1 Flash

Ghi chú từ các trang:

  • OpenRouter nói “there is no markup on inference pricing” (bản dịch: không cộng thêm lời vào giá inference). Họ thu phí khi bạn mua credit: 5,5% với gói Standard (tối thiểu USD 0.80, theo FAQ), 8% với Business, hoặc 5% khi trả bằng tiền mã hóa. Các biến thể model miễn phí bị giới hạn 20 request mỗi phút và 50 mỗi ngày, hoặc 1.000 mỗi ngày sau khi mua ít nhất USD 10 credit. Đây là một router, nên một model có thể có nhiều mức giá. OpenRouter so với nhà cung cấp giá cố định.
  • Together AI niêm yết H100 chuyên dụng theo yêu cầu ở mức USD 5.49 mỗi giờ GPU. Tài liệu batch nói một số model serverless chạy với giá giảm 50%, thời hạn hoàn thành cố định 24 giờ, nhưng bảng model được giảm giá chỉ có openai/whisper-large-v3 khi chúng tôi kiểm tra. Các model khác chạy theo giá chuẩn.
  • Fireworks có các chế độ Standard, Priority, Fast, Batch (giảm 50%) và Spot (giảm 30% ở một số model). Đầu vào từ cache tính bằng một nửa giá hoặc thấp hơn, không có phí ghi cache.
  • Groq niêm yết giá theo token cho một nhóm nhỏ model production, chẳng hạn openai/gpt-oss-120b ở mức USD 0.15 đầu vào và USD 0.60 đầu ra mỗi 1M, còn Whisper chuyển giọng nói thành văn bản tính theo giờ. Đầu vào từ cache được nửa giá ở các model GPT-OSS, và job batch giảm 50% với thời hạn từ 24 giờ đến 7 ngày.
  • DeepInfra hiển thị nhiều model có giá giảm bên cạnh giá niêm yết, ví dụ giảm 51% cho DeepSeek-V4.1-Flash-1017 và 38% cho GLM-5.3. Trang không nói khi nào các mức giảm này kết thúc. Họ còn có các hạng Standard, Priority (1,5×) và Flex (0,8×).

Cùng một model có giá bao nhiêu ở mỗi nhà cung cấp?

Giá niêm yết mỗi 1M token cho các model mà BroadNet cũng phục vụ. “—” nghĩa là model không có trên trang giá của nhà cung cấp đó.

DeepSeek V4.1 Flash (đầu vào / cache / đầu ra):

Nhà cung cấp Đầu vào Cache Đầu ra
Together AI USD 0.30 USD 0.006 USD 1.20
Fireworks AI USD 0.30 USD 0.006 USD 1.20
DeepInfra, niêm yết USD 0.20 USD 0.006 USD 0.60
DeepInfra, giảm giá (30%) USD 0.14 USD 0.0042 USD 0.42
DeepInfra, DeepSeek-V4.1-Flash-1017, giảm giá (51%) USD 0.098 USD 0.0029 USD 0.294
Groq — — —
BroadNet Inference $0.175 $0.0055 $0.52

Biến thể có ngày -1017 của DeepInfra là cùng bản phát hành mà API của chính DeepSeek phục vụ dưới tên deepseek-flash; hãy kiểm tra code của bạn đang gọi bản nào. Trên OpenRouter, khi chúng tôi kiểm tra, model này có 37 endpoint từ 28 nhà cung cấp, từ khoảng USD 0.05 (Baidu) đến USD 3 (hạng nhanh nhất của Venice) mỗi 1M token đầu vào. Bảng giá DeepSeek V4.1 Flash của chúng tôi liệt kê mọi nhà cung cấp tự công bố giá cho model này, mỗi dòng kèm trang nguồn và ngày kiểm tra. Mức chênh giá của cùng một model trên toàn thị trường được đo trong chỉ số giá API LLM. Để xem giá các model mở này so với GPT, Claude và Gemini trên cùng một khối lượng công việc, hãy đọc chi phí API model trọng số mở so với model đóng.

GLM 5.3 (giá riêng của từng nhà cung cấp: bảng giá GLM 5.3):

Nhà cung cấp Đầu vào Cache Đầu ra
Together AI USD 1.40 USD 0.26 USD 4.40
Fireworks AI USD 1.40 USD 0.26 USD 4.40
DeepInfra, niêm yết USD 0.90 USD 0.20 USD 4.00
DeepInfra, giảm giá (38%) USD 0.5625 USD 0.125 USD 2.50
BroadNet Inference $0.78 $0.173 $3.46

Qwen3.8 27B (giá riêng của từng nhà cung cấp: bảng giá Qwen3.8 27B):

Nhà cung cấp Đầu vào Cache Đầu ra
DeepInfra, niêm yết USD 0.20 USD 0.05 USD 2.50
DeepInfra, giảm giá (25%) USD 0.15 USD 0.0375 USD 1.875
Groq (preview, chỉ để đánh giá) USD 0.80 — USD 4.00
BroadNet Inference $0.175 $0.0435 $2.17

Gemma 4 26B A4B (bản build của BroadNet là Gemma 4 VL 26B):

Nhà cung cấp Đầu vào Đầu ra
DeepInfra USD 0.07 USD 0.34
BroadNet Inference $0.10 $0.22

Ở đây BroadNet không rẻ nhất xét theo token. Giá giảm của DeepInfra thấp hơn BroadNet ở mọi dòng của DeepSeek V4.1 Flash, GLM 5.3 và Qwen3.8 27B, và thấp hơn ở đầu vào Gemma (đầu ra Gemma của BroadNet thấp hơn). API của chính DeepSeek giảm một nửa mọi mức giá vào giờ thấp điểm, khi đó giá đầu vào của họ thấp hơn BroadNet (chi tiết). Giá niêm yết của BroadNet thấp hơn Together và Fireworks với DeepSeek V4.1 Flash và GLM 5.3. Giá theo token chỉ là một yếu tố; hãy kiểm tra thêm độ dài context, chính sách lưu giữ dữ liệu và giới hạn tốc độ, những thứ các bảng này không thể hiện.

Trên toàn bộ 119 model được nhiều nhà host bán, không chỉ bốn model này, giá niêm yết đắt nhất có trung vị bằng 1,76 lần giá rẻ nhất; xem cùng model, khác nhà host. Giá của nhà host cũng thay đổi thường xuyên hơn giá của hãng làm model: giá API LLM thay đổi bao lâu một lần.

Còn chuyển giọng nói thành văn bản thì sao?

Groq niêm yết whisper-large-v3-turbo ở mức USD 0.04 mỗi giờ âm thanh và whisper-large-v3 ở mức USD 0.111 mỗi giờ. DeepInfra niêm yết Voxtral Mini ở mức USD 0.001 mỗi phút. Model đa ngôn ngữ của BroadNet có giá $0.002 mỗi phút ($0.12 mỗi giờ), còn model tiếng Ả Rập là $0.0042 mỗi phút. Xem thêm nhà cung cấp trong so sánh giá API chuyển giọng nói thành văn bản. Với tiếng Ả Rập, độ chính xác trên các phương ngữ của bạn quan trọng hơn giá: cách chọn API chuyển giọng nói tiếng Ả Rập thành văn bản.

Làm sao so sánh nhà cung cấp cho khối lượng công việc của bạn?

  1. Cố định model và phiên bản. “DeepSeek V4.1 Flash” và một biến thể có ngày có thể có giá khác nhau.
  2. Đo tỷ lệ token của bạn: đầu vào, phần từ cache và đầu ra, kể cả suy luận. Ước tính chi phí trước khi ra mắt.
  3. Tính giá bằng cả ba mức giá của từng nhà cung cấp, không chỉ giá đầu vào. Với agent, giá cache thường là yếu tố quyết định. Công cụ tính chi phí API LLM và công cụ tính prompt caching làm phần tính toán.
  4. Chỉ áp dụng giảm giá batch cho việc có thể chờ.
  5. Cộng thêm phí: phí mua credit và hệ số nhân theo hạng.
  6. Kiểm tra giới hạn: giới hạn tốc độ, mức đồng thời và độ dài context có thể loại một nhà cung cấp dù giá thế nào.
  7. So với gói cố định nếu một agent chạy gần như cả ngày. Phép tính hòa vốn, hoặc công cụ tính giá cố định so với theo token.

BroadNet Inference phù hợp ở đâu

BroadNet phục vụ một danh sách model ngắn, trong đó một số do đối tác host, với các đối tác inference tại Mỹ, với giá theo token công bố trong một file giá. Giá theo token của họ ở mức trung bình, không phải thấp nhất: nếu chỉ quan tâm giá mỗi token, các mức giảm giá của DeepInfra rẻ hơn. Điều các nhà cung cấp khác ở đây không bán là DeepSeek V4.1 Flash không giới hạn với giá $60 mỗi tháng cho mỗi phiên, cùng lựa chọn theo tuần $15 và theo giờ $1. BroadNet không phải marketplace, không có giảm giá batch và không có GPU chuyên dụng. Các điểm mạnh khác là không lưu giữ dữ liệu với mọi request, chuyển giọng nói tiếng Ả Rập thành văn bản và một key tương thích OpenAI cho cả chat lẫn âm thanh. Nếu bạn cần hàng chục họ model hoặc mức giá khuyến mãi thấp nhất cho khối lượng công việc lúc có lúc không, một router hoặc một nhà host lớn hơn sẽ phù hợp hơn.

Câu hỏi thường gặp

Nhà cung cấp inference nào rẻ nhất cho model mở?

Không có nhà cung cấp nào rẻ nhất cho mọi thứ, và xét theo token thì cũng không phải BroadNet. Khi chúng tôi kiểm tra ngày 2026-11-14, giá giảm của DeepInfra thấp hơn BroadNet với DeepSeek V4.1 Flash, GLM 5.3 và Qwen3.8 27B, còn OpenRouter có các endpoint DeepSeek V4.1 Flash từ khoảng USD 0.05 đến USD 3 mỗi 1M token đầu vào. Hãy so sánh đúng model, giá cache và mức giảm batch.

OpenRouter có cộng thêm lời vào giá model không?

OpenRouter nói không cộng thêm lời vào giá inference. Họ thu phí khi bạn mua credit, 5,5% với gói Standard (tối thiểu USD 0.80, theo FAQ của họ), 8% với Business và 5% khi thanh toán bằng tiền mã hóa.

Giá batch có đáng dùng không?

Có, với việc có thể chờ. Fireworks niêm yết batch giảm 50%, Groq ghi giảm 50% cho batch với thời hạn từ 24 giờ đến 7 ngày. Tài liệu batch của Together chỉ giảm 50% cho một số model (bảng chỉ có `openai/whisper-large-v3` khi chúng tôi kiểm tra), với thời hạn hoàn thành cố định 24 giờ.

Khi nào nên thuê GPU chuyên dụng thay vì trả theo token?

Khi lưu lượng của bạn giữ GPU bận gần như cả ngày. Giá GPU theo giờ bị tính dù có request hay không, nên với lưu lượng thấp hoặc lúc có lúc không thì trả theo token rẻ hơn.

Có nhà cung cấp nào bán model mở với giá cố định hằng tháng không?

BroadNet Inference có, cho DeepSeek V4.1 Flash. Full Moon có giá $60 mỗi tháng cho mỗi phiên, không đếm token, một request tại một thời điểm.

Đọc dạng MarkdownHỏi ChatGPTHỏi ClaudeHỏi Perplexity