BroadRouter

Chi phí API model trọng số mở so với model đóng: dữ liệu giá nói gì

Đội ngũ BroadNet Inference · 9 phút đọc · Đăng ngày · Cập nhật

Thường là có, nhưng không thể chỉ nhìn tên model. Theo giá kiểm tra ngày 15/11/2026, GLM 5.3 từ chính hãng làm model rẻ hơn mỗi token so với GPT-6.1 Sol hay Claude Sonnet 5.5, nhưng model đóng nhỏ như GPT-6 Luna có giá ngang model mở được host. Nhà host cũng quan trọng: một model mở có thể đắt gấp vài lần ở nơi này so với nơi khác.

“Mã nguồn mở thì rẻ hơn” là cách nói tắt quen thuộc. Phần lớn là đúng, nhưng chi tiết mới quyết định hóa đơn của bạn. Bài này so sánh giá theo token của các model đóng (GPT, Claude, Gemini, Grok) và model trọng số mở (GLM 5.3, DeepSeek V4.1 Flash, Qwen3.8 27B, gpt-oss-120b, Gemma 4) dựa trên trang giá của chính từng nhà cung cấp, rồi tính giá cho một khối lượng công việc thực tế. Mọi mức giá của bên thứ ba đều được đọc lại từ trang của nhà cung cấp ngày 15/11/2026. BroadRouter là website của BroadNet, và BroadNet bán một số model mở này, nên chúng tôi chỉ rõ những chỗ nhà host khác tính rẻ hơn.

Các dòng dữ liệu lấy từ bộ dữ liệu giá nhà cung cấp API LLM, dữ liệu gốc của chỉ số giá API LLM. Về khía cạnh kinh doanh của lựa chọn này (quyền kiểm soát, phụ thuộc nhà cung cấp, khoảng cách chất lượng), hãy đọc model trọng số mở so với model đóng cho doanh nghiệp.

Giá theo token của model đóng và model trọng số mở so với nhau thế nào?

Giá chuẩn, trả theo mức dùng, mỗi 1M token, prompt ngắn, kiểm tra ngày 15/11/2026:

Model Loại Bên bán Đầu vào Đầu vào từ cache Đầu ra
GPT-6.1 Sol Đóng OpenAI USD 2.00 USD 0.10 USD 10.00
Claude Sonnet 5.5 Đóng Anthropic USD 2.00 USD 0.10 USD 10.00
Gemini 4 Hydrogen Đóng Google USD 1.50 USD 0.075 USD 7.50
Gemini 3.8 Flash Đóng Google USD 0.75 USD 0.075 USD 3.75
Grok 4.3 Đóng xAI USD 1.25 USD 0.20 USD 2.50
GPT-6 Luna Đóng OpenAI USD 0.10 USD 0.01 USD 0.50
Claude Haiku 5.5 Đóng Anthropic USD 0.10 USD 0.01 USD 0.50
GLM 5.3 Trọng số mở Z.ai (hãng làm model) USD 1.40 USD 0.26 USD 4.40
DeepSeek V4.1 Flash Trọng số mở DeepSeek (hãng làm model), giờ cao điểm USD 0.30 USD 0.006 USD 1.20
Qwen3.8 27B Trọng số mở Alibaba Cloud (hãng làm model) USD 0.50 không niêm yết USD 3.00
gpt-oss-120b Trọng số mở Groq USD 0.15 USD 0.075 USD 0.60
Gemma 4 26B A4B Trọng số mở DeepInfra USD 0.07 không niêm yết USD 0.34

Ghi chú từ chính các trang:

  • Gemini 3.8 Flash là giá khuyến mãi “through December 31, 2026” (bản dịch: đến hết ngày 31 tháng 12 năm 2026). Từ ngày 1/1/2027, Google niêm yết USD 1.50 đầu vào, USD 0.15 đầu vào từ cache và USD 7.50 đầu ra, gấp đôi các mức hiện tại.
  • Claude Haiku 5.5 áp dụng cho prompt đến 100.000 token. Prompt dài hơn trả USD 0.50 đầu vào và USD 2.50 đầu ra.
  • GPT-6.1 Sol và GPT-6 Luna có giá cao hơn khi vượt 272K token đầu vào. Grok 4.3 tính toàn bộ request theo giá cao hơn khi prompt đạt 200K token.
  • DeepSeek giảm một nửa giá vào giờ thấp điểm: USD 0.15 đầu vào, USD 0.003 cache và USD 0.60 đầu ra ngoài khung 01:00 đến 04:00 và 06:00 đến 10:00 UTC các ngày trong tuần.

Ba xu hướng nổi bật:

  1. Phân khúc cao của model đóng đắt hơn. Giá đầu ra của GPT-6.1 Sol và Claude Sonnet 5.5 cao hơn gấp đôi giá đầu ra của GLM 5.3 tại chính hãng làm model.
  2. Phân khúc thấp của model đóng thì không. GPT-6 Luna và Claude Haiku 5.5 niêm yết giá đầu vào thấp hơn gpt-oss-120b tại Groq, và chỉ chênh vài cent so với Gemma 4 tại DeepInfra. Giá đầu ra của Gemma thấp hơn.
  3. Đầu vào từ cache là chỗ các hãng khác nhau nhiều nhất. Giá cache của DeepSeek bằng 2% giá đầu vào; của GLM 5.3 tại Z.ai khoảng 19%. Agent gửi lại cùng một context được lợi nhiều nhất từ giá cache thấp. Xem giải thích token đầu vào từ cache.

Nhà host làm giá của một model mở thay đổi bao nhiêu?

Model đóng chỉ có một bảng giá cho mỗi hãng (cộng thêm các cloud được cấp phép). Trọng số mở thì ai cũng có thể phục vụ, nên cùng một model có nhiều mức giá. Một số ví dụ, mỗi 1M token, kiểm tra ngày 15/11/2026:

Model mở Nhà host Đầu vào Đầu vào từ cache Đầu ra
GLM 5.3 Z.ai USD 1.40 USD 0.26 USD 4.40
GLM 5.3 Together AI USD 1.40 USD 0.26 USD 4.40
GLM 5.3 DeepInfra (khuyến mãi, giảm 38%) USD 0.5625 USD 0.125 USD 2.50
GLM 5.3 BroadNet Inference $0.78 $0.173 $3.46
DeepSeek V4.1 Flash DeepSeek, giờ cao điểm USD 0.30 USD 0.006 USD 1.20
DeepSeek V4.1 Flash Together AI USD 0.30 USD 0.006 USD 1.20
DeepSeek V4.1 Flash DeepInfra (khuyến mãi, giảm 30%) USD 0.14 USD 0.0042 USD 0.42
DeepSeek V4.1 Flash BroadNet Inference $0.175 $0.0055 $0.52
Qwen3.8 27B Alibaba Cloud USD 0.50 không niêm yết USD 3.00
Qwen3.8 27B DeepInfra (khuyến mãi, giảm 25%) USD 0.15 USD 0.0375 USD 1.875
Qwen3.8 27B BroadNet Inference $0.175 $0.0435 $2.17
gpt-oss-120b Groq USD 0.15 USD 0.075 USD 0.60
gpt-oss-120b Together AI USD 0.15 không niêm yết USD 0.60
gpt-oss-120b DeepInfra USD 0.037 không niêm yết USD 0.17
Gemma 4 26B A4B DeepInfra USD 0.07 không niêm yết USD 0.34
Gemma 4 26B A4B BroadNet Inference $0.10 không công bố $0.22

Mức chênh rất lớn: khoảng 2,5 lần với đầu vào GLM 5.3 và khoảng 4 lần với đầu vào gpt-oss-120b giữa các nhà host trên. Các dòng GLM, DeepSeek và Qwen của DeepInfra được ghi là giảm giá khuyến mãi, và trang không nói khi nào kết thúc. BroadNet thấp hơn giá niêm yết của hãng làm model với GLM 5.3 và Qwen3.8 27B, và thấp hơn giá giờ cao điểm của DeepSeek, nhưng giá đầu vào và giá cache giờ thấp điểm của DeepSeek thấp hơn BroadNet, còn giá khuyến mãi của DeepInfra thấp hơn ở cả ba model. Các trang giá theo model liệt kê mọi nhà host chúng tôi theo dõi, và cách các nhà cung cấp inference định giá model mở giải thích vì sao các con số khác nhau. Trên toàn bộ 119 model được nhiều nhà host bán, mức chênh trung vị là 1,76 lần: cùng model, khác nhà host.

Giá không phải khác biệt duy nhất giữa các nhà host. Hãy kiểm tra từng nơi về lượng tử hóa (một số phục vụ trọng số độ chính xác thấp hơn), độ dài context, giới hạn tốc độ, lưu giữ dữ liệu và việc model đó có hỗ trợ tool calling hay không.

Một khối lượng công việc thật tốn bao nhiêu ở mỗi nơi?

Bảng giá theo token che mất tỷ lệ giữa đầu vào, đầu vào từ cache và đầu ra. Đây là một khối lượng công việc: một trợ lý trong ứng dụng, đo theo mỗi người dùng đang hoạt động mỗi tháng, từ ví dụ chi phí LLM mỗi người dùng của chúng tôi:

  • 0,45M token đầu vào mới
  • 0,45M token đầu vào từ cache (system prompt và lịch sử ổn định)
  • 0,3M token đầu ra, kể cả suy luận

Công thức là 0.45 × input + 0.45 × cached + 0.3 × output theo giá mỗi 1M. Khi trang không niêm yết giá cache, chúng tôi tính token cache theo giá đầu vào đầy đủ. Phí ghi cache và phí lưu cache mà một số hãng cộng thêm không được tính.

Model và bên bán Chi phí mỗi người dùng đang hoạt động mỗi tháng
GPT-6.1 Sol, OpenAI USD 3.95
Claude Sonnet 5.5, Anthropic USD 3.95
Gemini 4 Hydrogen, Google USD 2.96
GLM 5.3, Z.ai USD 2.07
Gemini 3.8 Flash, Google (giá khuyến mãi) USD 1.50
GLM 5.3, BroadNet $1.47
Grok 4.3, xAI USD 1.40
Qwen3.8 27B, Alibaba Cloud (không niêm yết giá cache) USD 1.35
Qwen3.8 27B, BroadNet $0.75
Qwen3.8 27B, DeepInfra (khuyến mãi) USD 0.65
DeepSeek V4.1 Flash, DeepSeek giờ cao điểm USD 0.50
gpt-oss-120b, Groq USD 0.28
DeepSeek V4.1 Flash, BroadNet $0.24
GPT-6 Luna, OpenAI USD 0.20
Claude Haiku 5.5, Anthropic USD 0.20
DeepSeek V4.1 Flash, DeepInfra (khuyến mãi) USD 0.19
gpt-oss-120b, DeepInfra (không niêm yết giá cache) USD 0.08

Có hai lưu ý thay đổi cách đọc bảng này. Thứ nhất, các model không ngang nhau. Một dòng thấp hơn trong bảng chỉ là khoản tiết kiệm nếu model đó vượt qua bộ test của bạn. Thứ hai, dòng Gemini 3.8 Flash sẽ tăng gấp đôi lên USD 2.99 vào ngày 1/1/2027 nếu thay đổi giá mà Google đã niêm yết được áp dụng. Để tự tính với số liệu của bạn, hãy dùng công cụ tính chi phí API LLM.

Vì sao nên so sánh theo hạng tác vụ, không theo tên model?

“Mở hay đóng” là trục sai cho một quyết định về giá. Câu hỏi hữu ích là: model rẻ nhất nào làm tác vụ này đủ tốt? Các hạng cũng biến động khác nhau theo thời gian: trong các trang giá được lưu trữ, Claude Opus và dòng GPT chính rẻ đi nhiều, còn Claude Haiku và Gemini Flash đắt lên (lịch sử giá API của OpenAI, Anthropic và Google).

  • Việc đơn giản, khối lượng lớn (phân loại, trích xuất, tóm tắt ngắn): model đóng nhỏ và model mở cỡ nhỏ hoặc vừa đều nằm gần cuối bảng. Hãy chọn theo độ chính xác, độ trễ và điều khoản dữ liệu.
  • Agent và lập trình: tool calling, context dài và đầu vào từ cache chiếm phần lớn chi phí. Model mở có giá cache thấp, hoặc một gói giá cố định, có thể chỉ tốn một phần nhỏ so với model đóng hàng đầu.
  • Suy luận khó nhất: model đóng hàng đầu vẫn thường dẫn trước. Trả nhiều hơn mỗi token có thể lại rẻ hơn cho mỗi câu trả lời đúng.

Hãy đo chi phí cho mỗi câu trả lời đúng trên 50 đến 100 trường hợp thật. Cách đánh giá một LLM trước khi chuyển có hướng dẫn phương pháp.

Còn gì khác làm thay đổi chi phí thật?

  • Tokenizer. Cùng một văn bản thành số token khác nhau trên mỗi model. Trong bộ dữ liệu tokenizer của BroadRouter, tiếng Ả Rập chuẩn hiện đại cần lượng token bằng 1.31× (Qwen3.8 27B) đến 1.77× (GLM 5.3) so với bản dịch tiếng Anh, nên khối lượng công việc tiếng Ả Rập có thể đảo thứ tự bảng. Xem số token mỗi từ trong tiếng Ả Rập so với tiếng Anh.
  • Token suy luận. Model suy luận tính phần suy nghĩ như đầu ra ở cả hai phía. Trang của Google nói đầu ra Gemini bao gồm “thinking tokens” (bản dịch: token suy nghĩ). Hãy đặt mức suy luận thấp nhất mà vẫn vượt qua bộ test của bạn.
  • Giảm giá batch. OpenAI và Anthropic niêm yết giá Batch API bằng một nửa giá chuẩn. Nếu việc của bạn có thể chờ, điều đó thu hẹp khoảng cách với model mở. BroadNet không có Batch API; xử lý batch khi không có Batch API chỉ ra cách làm thay thế.
  • Phụ phí context dài. Nhiều model đóng tính đắt hơn khi vượt 100K, 200K hoặc 272K token. Hãy kiểm tra prompt của bạn nằm ở đâu.
  • Tự host. Trọng số mở cũng có thể chạy trên GPU của riêng bạn, nhưng chỉ có lời khi mức dùng cao và đều. Xem tự host LLM so với dùng API.

BroadNet Inference phù hợp ở đâu

BroadRouter là website của chính BroadNet. BroadNet Inference là API model trọng số mở được host, với một base URL tương thích OpenAI, https://inference.broadnet.ai/v1, cho DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B và bản build Gemma 4 của BroadNet, cùng chuyển giọng nói thành văn bản. BroadNet không phục vụ model đóng và không định tuyến request giữa các nhà cung cấp. DeepSeek V4.1 Flash do đối tác host.

Theo dữ liệu ở trên, giá BroadNet thấp hơn giá niêm yết của hãng làm model với GLM 5.3 và Qwen3.8 27B và thấp hơn giá giờ cao điểm của DeepSeek, nhưng cao hơn giá khuyến mãi hiện tại của DeepInfra và giá đầu vào, giá cache giờ thấp điểm của DeepSeek. BroadNet không phải nhà host rẻ nhất cho mọi model. Điều BroadNet thêm vào là gói giá cố định cho DeepSeek V4.1 Flash ($60 mỗi tháng cho mỗi phiên, một request tại một thời điểm, không đếm token), không lưu giữ nội dung inference, cùng tool calling và đầu ra có cấu trúc được ghi trong tài liệu cho GLM 5.3 và Qwen3.8 27B. Không có Batch API và không có SLA cho tài khoản tự phục vụ.

Gemma 4 VL 26B chạy được bằng $5 tín dụng ban đầu; các model chat khác cần nạp tiền. So sánh giá hoặc đọc tài liệu API.

Câu hỏi thường gặp

Dùng qua API, model trọng số mở có rẻ hơn GPT không?

Thường là có, nhưng hãy so cùng hạng. Ngày 15/11/2026, GLM 5.3 tại Z.ai niêm yết USD 1.40 đầu vào và USD 4.40 đầu ra mỗi 1M token, thấp hơn GPT-6.1 Sol ở mức USD 2.00 và USD 10.00. Model nhỏ GPT-6 Luna của OpenAI niêm yết USD 0.10 và USD 0.50, cùng khoảng với model mở được host.

Vì sao cùng một model mở lại có giá khác nhau ở các nhà host?

Các nhà host chạy cùng bộ trọng số trên phần cứng khác nhau, với độ chính xác số, mức sử dụng và biên lợi nhuận khác nhau, và một số chạy khuyến mãi có thời hạn. Ngày 15/11/2026, đầu vào gpt-oss-120b là USD 0.037 mỗi 1M tại DeepInfra và USD 0.15 tại Groq và Together.

API model đóng có giảm giá batch không?

Có, và một số nhà host model mở cũng có. OpenAI và Anthropic đều niêm yết giá Batch API bằng một nửa giá chuẩn cho các job bất đồng bộ; Fireworks và Groq niêm yết giảm 50% cho batch, và Together áp dụng cho một số model chọn lọc. BroadNet Inference không có Batch API. Giá đọc cache cũng khác nhau rất nhiều giữa các hãng.

Model rẻ hơn có đủ tốt không?

Chỉ bộ test của chính bạn mới trả lời được. Model đóng hàng đầu vẫn dẫn trước ở những tác vụ khó nhất. Hãy chạy 50 đến 100 trường hợp thật qua từng ứng viên và so sánh chi phí cho mỗi câu trả lời đúng, không phải chi phí mỗi token.

Ngôn ngữ có làm thay đổi phép so sánh không?

Có. Mỗi tokenizer tách văn bản theo cách khác nhau. Trong bộ dữ liệu tokenizer của BroadRouter, tiếng Ả Rập chuẩn hiện đại cần lượng token bằng 1.31× (Qwen3.8 27B) đến 1.77× (GLM 5.3) so với văn bản tiếng Anh, nên giá theo token đánh giá thấp mức chênh với khối lượng công việc tiếng Ả Rập.

Có dùng được các model mở này bằng tín dụng ban đầu của BroadNet không?

Gemma 4 VL 26B thì được. DeepSeek V4.1 Flash, GLM 5.3 và Qwen3.8 27B cần nạp tiền. $5 tín dụng ban đầu dùng được cho Gemma, cả hai model chép lời và key theo giờ của Gemma.

Đọc dạng MarkdownHỏi ChatGPTHỏi ClaudeHỏi Perplexity

Nguồn