---
title: "Chi phí token suy luận: vì sao hóa đơn đầu ra cao | BroadRouter"
description: "Model suy luận tính phần suy nghĩ ẩn như token đầu ra. Cách đo, chi phí theo từng model, và cách cắt giảm bằng reasoning_effort, max_tokens và định tuyến."
url: https://broadrouter.com/vi/blog/reasoning-tokens-cost/
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/reasoning-tokens-cost/) (cập nhật ngày 2026-11-16).

# Token suy luận: vì sao bạn trả cho nhiều đầu ra hơn những gì thấy

Đội ngũ BroadNet Inference · 4 phút đọc · Đăng ngày 2026-11-14 · Cập nhật 2026-11-16

Model suy luận viết phần suy nghĩ ẩn trước câu trả lời, và các token suy luận đó được tính theo giá đầu ra. Một câu trả lời 200 token có thể kèm 1.000 token suy nghĩ trở lên. Trên BroadNet Inference, DeepSeek V4.1 Flash, GLM 5.3 và Qwen3.8 27B có suy luận. Hãy giảm chi phí bằng reasoning\_effort đặt là low, max\_tokens hợp lý và model không suy luận cho bước đơn giản.

## Ý chính

-   Token suy luận được tính vào completion\_tokens và theo giá đầu ra, dù bạn không bao giờ nhìn thấy chúng.
-   1.000 câu trả lời, mỗi câu kèm 1.000 token suy luận, cộng thêm 1M token đầu ra: $0.52 trên DeepSeek V4.1 Flash, $3.46 trên GLM 5.3.
-   Đọc usage.completion\_tokens\_details.reasoning\_tokens để đo phần hóa đơn dành cho việc suy nghĩ.
-   Đặt reasoning\_effort là low cho tác vụ đơn giản, giữ max\_tokens đủ cao để model trả lời xong, và định tuyến các bước dễ sang model không suy luận.
-   Trên gói DeepSeek V4.1 Flash không giới hạn, suy luận không tốn chi phí token.

**Trong trang này**

1.  Token suy luận là gì?
2.  Token suy luận được tính phí thế nào?
3.  Suy luận có thể làm hóa đơn tăng bao nhiêu?
4.  Đo token suy luận thế nào?
5.  Bốn cách kiểm soát chi phí suy luận
6.  Nên dùng thiết lập nào cho tác vụ nào?
7.  Khi nào suy luận không còn tốn thêm tiền?
8.  BroadNet Inference phù hợp ở đâu?

Bạn gửi một câu hỏi ngắn, nhận về câu trả lời hai dòng, và hóa đơn ghi 1.400 token đầu ra. Không có gì sai cả. Model đã suy nghĩ trước khi trả lời, và phần suy nghĩ bị tính phí. Bài này giải thích token suy luận được đếm thế nào, tốn bao nhiêu trên từng model, và bốn thiết lập giúp kiểm soát chúng.

## Token suy luận là gì?

Một model suy luận viết một chuỗi suy nghĩ nội bộ, rồi mới viết câu trả lời hiển thị. Cả hai đến từ cùng một lần sinh. Phần suy nghĩ được tạo thành từ [token suy luận](https://broadrouter.com/vi/glossary/reasoning-tokens/). Trong response chat-completions chuẩn, câu trả lời nằm trong `message.content`, còn phần suy nghĩ chỉ được đếm, không được hiển thị.

Hướng dẫn suy luận của OpenAI nêu rõ quy tắc: token suy luận “still occupy space in the model’s context window and are billed as” (bản dịch: vẫn chiếm chỗ trong context window của model và được tính phí như) token đầu ra. Các nhà cung cấp khác cũng theo cùng quy tắc.

## Token suy luận được tính phí thế nào?

Chúng là một phần của `completion_tokens`, nên chịu giá đầu ra. Đầu ra là đồng hồ đắt đỏ:

| Model | Suy luận trước | Đầu ra mỗi 1M | Đầu vào mỗi 1M |
| --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/vi/models/deepseek-v4.1-flash/) | Có | $0.52 | $0.175 |
| [GLM 5.3](https://broadrouter.com/vi/models/glm-5.3/) | Có | $3.46 | $0.78 |
| [Qwen3.8 27B](https://broadrouter.com/vi/models/qwen3.8-27b/) | Có | $2.17 | $0.175 |
| [Gemma 4 VL 26B](https://broadrouter.com/vi/models/gemma-4-vl-26b/) | Không ghi | $0.22 | $0.10 |

Giá là của BroadNet Inference, đồng bộ 2026-11-14. Các host khác tính bao nhiêu cho cùng model có trong [bảng giá API LLM](https://broadrouter.com/vi/llm-api-pricing/), ví dụ [GLM 5.3 giữa các nhà cung cấp](https://broadrouter.com/vi/llm-api-pricing/glm-5.3/).

## Suy luận có thể làm hóa đơn tăng bao nhiêu?

Lấy ví dụ một bộ phân loại trả về nhãn một từ, khoảng 10 token hiển thị. Nếu model suy nghĩ 1.000 token trước, 99% hóa đơn đầu ra là phần suy nghĩ.

Ở quy mô lớn: **1.000 câu trả lời, mỗi câu kèm 1.000 token suy luận, cộng thêm 1M token đầu ra.** Con số đó tốn $0.52 trên DeepSeek V4.1 Flash, $2.17 trên Qwen3.8 27B và $3.46 trên GLM 5.3, cộng thêm vào phần câu trả lời hiển thị.

Lượng suy luận thay đổi theo tác vụ. Toán khó hay suy luận code trên nhiều file có thể lên tới hàng nghìn token. Một lời chào có thể gần như không cần. Đó là lý do phải đo.

## Đo token suy luận thế nào?

Khối usage báo cáo chúng khi model cung cấp con số:

```python
r = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    messages=[{"role": "user", "content": "Is 'refund my order' a billing or shipping intent?"}],
    max_tokens=1000,
)
u = r.usage
reasoning = (u.completion_tokens_details.reasoning_tokens or 0) if u.completion_tokens_details else 0
print("output:", u.completion_tokens, "reasoning:", reasoning,
      "share:", round(reasoning / max(u.completion_tokens, 1), 2))
```

Hãy ghi log số liệu này theo từng loại tác vụ trong một tuần. Bạn thường sẽ thấy một vài tác vụ chiếm phần lớn phần suy nghĩ. Khi streaming, hãy thêm `stream_options: {"include_usage": true}`; số liệu đến trong chunk cuối cùng ([hướng dẫn streaming](https://broadrouter.com/vi/guides/streaming-chat-completions/)).

## Bốn cách kiểm soát chi phí suy luận

### 1\. Hạ `reasoning_effort` cho tác vụ đơn giản

`reasoning_effort` yêu cầu model suy nghĩ ít hơn. Các hướng dẫn của BroadNet dùng `low` cho phân loại, trích xuất và định dạng:

```python
client.chat.completions.create(model="broadnet/deepseek-v4.1-flash", reasoning_effort="low",
                               max_tokens=1000, messages=msgs)
```

OpenAI ghi nhận một dải giá trị rộng hơn trên các model của họ, từ `none` và `minimal` qua `low`, `medium` và `high` đến `xhigh` và `max`, và lưu ý rằng “some models support only a subset” (bản dịch: một số model chỉ hỗ trợ một phần trong đó). Hãy kiểm tra model của bạn nhận những giá trị nào, và so số token đầu ra trước và sau trên cùng bộ mẫu.

### 2\. Đặt `max_tokens` làm trần, không phải để siết

[`max_tokens`](https://broadrouter.com/vi/glossary/max-tokens/) giới hạn chung cả suy luận và câu trả lời. Nó chặn được câu trả lời mất kiểm soát, nhưng nếu đặt quá thấp, model có thể dùng hết ngân sách để suy nghĩ và trả về câu trả lời trống với `finish_reason: "length"`. Bạn trả tiền cho phần suy nghĩ đó mà vẫn phải retry. BroadNet đề xuất từ 1.000 token trở lên cho model suy luận. [Vì sao model suy luận trả về câu trả lời trống](https://broadrouter.com/vi/guides/reasoning-tokens-empty-response/).

### 3\. Định tuyến bước dễ sang model không suy luận

Không phải bước nào cũng cần suy nghĩ. Định dạng JSON, đổi tên trường hay trả lời tra cứu FAQ có thể chuyển sang Gemma 4 VL 26B với giá $0.22 mỗi 1M đầu ra, model mà BroadNet không ghi khả năng suy luận. Hãy giữ model suy luận cho lập kế hoạch, debug và câu trả lời nhiều bước. Kiểm tra chất lượng trên mẫu của chính bạn trước khi định tuyến.

### 4\. Bỏ “hãy suy nghĩ từng bước” khỏi prompt

Model suy luận vốn đã suy nghĩ. Yêu cầu thêm phần suy luận từng bước hiển thị khiến chúng viết hai lần: một lần ẩn, một lần trong câu trả lời. Hãy yêu cầu câu trả lời cuối cùng theo định dạng bạn cần.

## Nên dùng thiết lập nào cho tác vụ nào?

| Tác vụ | Mức suy luận | max\_tokens | Gợi ý model |
| --- | --- | --- | --- |
| Phân loại, định tuyến | low | 1.000 | Gemma 4 VL 26B hoặc DeepSeek V4.1 Flash |
| Trích xuất sang JSON | low | 1.000 đến 2.000 | DeepSeek V4.1 Flash, GLM 5.3 cho đầu ra có cấu trúc |
| Soạn câu trả lời cho khách hàng | low hoặc mặc định | 2.000 | DeepSeek V4.1 Flash |
| Debug, lập kế hoạch, review code | mặc định hoặc cao hơn | 8.000 hoặc không đặt | DeepSeek V4.1 Flash hoặc GLM 5.3 |

Đây là điểm khởi đầu. Hãy đo token đầu ra và chất lượng trên dữ liệu của bạn, rồi điều chỉnh.

## Khi nào suy luận không còn tốn thêm tiền?

Trên gói giá cố định. Gói Full Moon của BroadNet có giá $60 mỗi phiên mỗi tháng cho DeepSeek V4.1 Flash không giới hạn và không đếm token, nên token suy luận không có chi phí theo token. Chúng vẫn tốn thời gian: ở tốc độ điển hình khoảng 100 token mỗi giây, mọi token suy luận đều được sinh ra trước khi câu trả lời bắt đầu, nên suy nghĩ càng dài thì câu trả lời càng đến chậm. [Khi nào gói giá cố định thắng trả theo token](https://broadrouter.com/vi/blog/flat-rate-vs-pay-per-token-llm-api/), và [mười cách khác để giảm hóa đơn của coding agent](https://broadrouter.com/vi/blog/cut-coding-agent-llm-costs/).

## BroadNet Inference phù hợp ở đâu?

BroadNet chạy ba model suy luận và một model không ghi khả năng suy luận trên một key [tương thích OpenAI](https://broadrouter.com/vi/glossary/openai-compatible-api/) tại `https://inference.broadnet.ai/v1`, với mức sử dụng được báo cáo trong mỗi response. Điều đó giúp định tuyến theo tác vụ và đo sự khác biệt một cách đơn giản. Nếu bạn cần một model đóng có bản tóm tắt suy luận hiển thị, hãy dùng API của nhà cung cấp đó; danh mục chat của BroadNet không có model đóng nào. [Xem các gói](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-reasoning-tokens-cost&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.

[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.

[Context window (cửa sổ ngữ cảnh)](https://broadrouter.com/vi/glossary/context-window/)

Context window là số token tối đa mà model ngôn ngữ xử lý được trong một request. Nó bao gồm prompt, lịch sử hội thoại, định nghĩa tool, hình ảnh và đầu ra được sinh ra, kể cả token suy luận. Phần không vừa phải được cắt bớt, tóm tắt hoặc chia ra nhiều request.

[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.

[AI coding agent](https://broadrouter.com/vi/glossary/coding-agent/)

AI coding agent là công cụ phần mềm trong đó một model ngôn ngữ làm việc trên codebase theo vòng lặp: đọc file, sửa file, chạy lệnh như test, đọc kết quả và quyết định bước tiếp theo cho tới khi xong task hoặc chạm giới hạn.

[API tương thích OpenAI (OpenAI-compatible API)](https://broadrouter.com/vi/glossary/openai-compatible-api/)

API tương thích OpenAI là một HTTP API nhận cùng định dạng request và phản hồi như OpenAI API, ví dụ POST /v1/chat/completions, nên SDK và công cụ của OpenAI dùng được nó chỉ bằng cách đổi base URL, API key và tên model.

[Chain-of-thought (CoT)](https://broadrouter.com/vi/glossary/chain-of-thought/)

Chain-of-thought (CoT, chuỗi suy nghĩ) là kỹ thuật prompt trong đó model ngôn ngữ được cho xem ví dụ hoặc được yêu cầu viết các bước suy luận trung gian trước câu trả lời cuối. Nó tăng độ chính xác với bài toán nhiều bước như số học và logic, và model suy luận giờ tự sinh ra nó.

## Câu hỏi thường gặp

### Token suy luận được tính là đầu vào hay đầu ra?

Là đầu ra. Chúng do model sinh ra, được báo cáo trong completion\_tokens và tính theo giá đầu ra mỗi 1M token.

### Có tắt hẳn suy luận được không?

Tùy model. OpenAI ghi nhận các giá trị effort có thể gồm none hoặc minimal trên một số model. Trên BroadNet, hãy đặt reasoning\_effort là low, hoặc dùng Gemma 4 VL 26B, model mà BroadNet không ghi khả năng suy luận.

### Đặt max\_tokens thấp có tiết kiệm tiền với model suy luận không?

Chỉ một phần. Nó đặt trần cho hóa đơn, nhưng nếu suy luận dùng hết ngân sách thì bạn trả tiền cho phần suy nghĩ và nhận về câu trả lời trống. Thay vào đó hãy hạ effort, và giữ max\_tokens từ 1.000 trở lên.

### Tôi có thấy được nội dung suy luận không?

Thường thì không có trong trường content. Khối usage báo cáo số token suy luận đã dùng, khi model có báo cáo, trong completion\_tokens\_details.reasoning\_tokens.

## Đọc tiếp

-   [Giá API LLM: cách tính token đầu vào, cache, đầu ra và suy luận](https://broadrouter.com/vi/blog/llm-api-pricing-explained/)
-   [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 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/)
-   [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: Vì sao model suy luận trả về câu trả lời rỗng](https://broadrouter.com/vi/guides/reasoning-tokens-empty-response/)
-   [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-reasoning-tokens-cost&utm_content=page-cta) ·

**Nguồn**

-   [Tài liệu tham chiếu API BroadNet Inference, token suy luận và token từ cache (kiểm tra ngày 2026-11-15) (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-reasoning-tokens-cost&utm_content=sources#models)
-   [Giá máy đọc được của BroadNet Inference (pricing.json) (kiểm tra ngày 2026-11-15) (tiếng Anh)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-reasoning-tokens-cost&utm_content=sources)
-   [Hướng dẫn suy luận của OpenAI, tính phí, giá trị effort và max\_output\_tokens (truy cập ngày 2026-11-14)](https://developers.openai.com/api/docs/guides/reasoning)
