---
title: "Cách tính giá API LLM theo token, kèm ví dụ cụ thể | BroadRouter"
description: "Giá API LLM theo token hoạt động thế nào: đầu vào, đầu vào từ cache, đầu ra, token suy luận, hình ảnh và âm thanh tính theo phút, kèm ví dụ từ bảng giá công khai."
url: https://broadrouter.com/vi/blog/llm-api-pricing-explained/
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-api-pricing-explained/) (cập nhật ngày 2026-11-15).

# Giá API LLM: cách tính token đầu vào, cache, đầu ra và suy luận

Đội ngũ BroadNet Inference · 6 phút đọc · Đăng ngày 2026-11-14 · Cập nhật 2026-11-15

API LLM tính phí theo mỗi triệu token, với giá riêng cho đầu vào, đầu vào từ cache và đầu ra. Token suy luận tính như đầu ra, hình ảnh tính là token đầu vào, còn chuyển giọng nói thành văn bản tính theo phút. Trên BroadNet Inference, DeepSeek V4.1 Flash có giá $0.175 đầu vào, $0.0055 cache và $0.52 đầu ra cho 1 triệu token.

## Ý chính

-   Hóa đơn có ba đồng hồ đo token: đầu vào mới, đầu vào từ cache và đầu ra. Mỗi loại có giá riêng cho 1 triệu token.
-   Đầu ra thường đắt gấp vài lần đầu vào. Với DeepSeek V4.1 Flash là $0.52 so với $0.175.
-   Token suy luận không hiện trong câu trả lời nhưng vẫn bị tính theo giá đầu ra.
-   Hình ảnh được tính là token đầu vào; chép lời âm thanh tính theo phút, ví dụ $0.0042 mỗi phút cho tiếng Ả Rập.
-   Gói giá cố định và key theo giờ thay đồng hồ đo token bằng giá theo thời gian, phù hợp với agent chạy liên tục.

**Trong trang này**

1.  Thực ra bạn đang trả tiền cho cái gì?
2.  Mỗi model có giá bao nhiêu cho mỗi token?
3.  Vì sao đầu ra đắt hơn đầu vào?
4.  Token đầu vào từ cache được tính phí thế nào?
5.  Vì sao model suy luận tính nhiều token đầu ra hơn những gì bạn thấy?
6.  Hình ảnh và âm thanh được tính giá thế nào?
7.  Một request thực tế tốn bao nhiêu? Ví dụ tính toán
8.  Làm sao đọc con số thực từ một response?
9.  Còn những mô hình tính giá nào khác?
10.  BroadNet Inference phù hợp với ai?

_[image: A stream of tokens flowing into the words "Ideas become answers."]_

API LLM tính phí theo mỗi triệu token trên các đồng hồ đo riêng: đầu vào mới, đầu vào từ cache và đầu ra. Token suy luận tính như đầu ra, hình ảnh tính là token đầu vào, còn chuyển giọng nói thành văn bản tính theo phút âm thanh. Bài viết này giải thích từng loại, rồi tính giá các request thực tế bằng bảng giá công khai của BroadNet Inference, đồng bộ ngày 2026-11-14.

## Thực ra bạn đang trả tiền cho cái gì?

Một [token](https://broadrouter.com/vi/glossary/token/) là một đoạn văn bản, thường dài vài ký tự. Theo đo đạc của chính BroadRouter trên năm tokenizer, 1.000 từ tiếng Anh tương đương khoảng 1,290 token; quy tắc ước lượng của OpenAI là khoảng 75 từ cho mỗi 100 token. Các ngôn ngữ khác thì khác; hãy dán văn bản của bạn vào [công cụ đếm token](https://broadrouter.com/tools/token-counter/) miễn phí để xem con số thực. Mỗi request báo cáo số token trong khối `usage`, và hóa đơn là tổng của các mục sau:

| Đồng hồ đo | Đếm cái gì | Tính theo giá |
| --- | --- | --- |
| Đầu vào (prompt) | System prompt, lịch sử hội thoại, tài liệu, định nghĩa công cụ, hình ảnh | Giá đầu vào |
| Đầu vào từ cache | Phần đầu vào nhà cung cấp đã xử lý và dùng lại | Giá cache, thấp hơn nhiều |
| Đầu ra (completion) | Câu trả lời hiển thị cộng với phần suy luận | Giá đầu ra |
| Phút âm thanh | Độ dài âm thanh gửi đi để chép lời | Giá mỗi phút |

Cách chia [token đầu vào và đầu ra](https://broadrouter.com/vi/glossary/input-and-output-tokens/) là quan trọng nhất, vì hai mức giá cách nhau rất xa.

## Mỗi model có giá bao nhiêu cho mỗi token?

Giá BroadNet Inference, trên 1 triệu token:

| Model | Đầu vào | Đầu vào từ cache | Đầu ra | Context |
| --- | --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/vi/models/deepseek-v4.1-flash/) | $0.175 | $0.0055 | $0.52 | 1.048.576 |
| [GLM 5.3](https://broadrouter.com/vi/models/glm-5.3/) | $0.78 | $0.173 | $3.46 | 1.048.576 |
| [Qwen3.8 27B](https://broadrouter.com/vi/models/qwen3.8-27b/) | $0.175 | $0.0435 | $2.17 | 262.144 |
| [Gemma 4 VL 26B](https://broadrouter.com/vi/models/gemma-4-vl-26b/) | $0.10 | Không giảm giá cache | $0.22 | 32.768 |

Hai quy luật đúng với bảng giá này và với hầu hết các bảng giá khác. Đầu ra đắt hơn đầu vào, từ khoảng gấp đôi với Gemma 4 VL 26B đến hơn mười lần với Qwen3.8 27B. Đầu vào từ cache chỉ tốn một phần nhỏ so với đầu vào mới. Để so sánh các mức giá này với OpenAI, Anthropic, Google và các nhà cung cấp khác, hãy xem [bảng giá API LLM](https://broadrouter.com/llm-api-pricing/). Để xem trung vị toàn thị trường, mức chênh giữa các nhà cung cấp và tỷ lệ đầu ra so với đầu vào của mọi model chúng tôi theo dõi, hãy xem [chỉ số giá API LLM](https://broadrouter.com/data/llm-api-price-index/) (CSV và JSON mở).

## Vì sao đầu ra đắt hơn đầu vào?

Model đọc toàn bộ prompt của bạn trong một lượt xử lý song song. Còn câu trả lời được viết từng token một, và mỗi token mới cần thêm một lượt xử lý. Vì vậy đầu ra tốn nhiều thời gian GPU hơn cho mỗi token, và giá phản ánh điều đó. Một prompt ngắn với câu trả lời dài có thể tốn nhiều hơn một prompt dài với câu trả lời ngắn.

## Token đầu vào từ cache được tính phí thế nào?

Khi phần đầu prompt của bạn trùng với một request gần đây, nhà cung cấp có thể dùng lại phần việc đã làm. Các [token đầu vào từ cache](https://broadrouter.com/vi/glossary/cached-input-tokens/) đó xuất hiện trong `prompt_tokens_details.cached_tokens` và được tính theo giá cache. Với DeepSeek V4.1 Flash, đó là $0.0055 thay vì $0.175 cho 1 triệu token.

Cache có lợi cho prompt có phần đầu ổn định: system prompt, danh sách công cụ và tài liệu đặt trước, tin nhắn mới đặt cuối cùng. Agent gửi lại cùng một repository ở mỗi lượt được lợi nhiều nhất. Để biết từng nhà cung cấp tính phí đọc và ghi cache ra sao, hãy xem [giải thích về token đầu vào từ cache](https://broadrouter.com/vi/blog/cached-input-tokens-explained/); để mô phỏng tỷ lệ cache của riêng bạn, hãy dùng [công cụ tính prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/).

## Vì sao model suy luận tính nhiều token đầu ra hơn những gì bạn thấy?

DeepSeek V4.1 Flash, GLM 5.3 và Qwen3.8 27B suy nghĩ trước khi trả lời. Phần suy nghĩ đó là [token suy luận](https://broadrouter.com/vi/glossary/reasoning-tokens/). Bạn không thấy chúng trong câu trả lời, nhưng chúng được đếm trong `completion_tokens` và tính theo giá đầu ra. Hướng dẫn suy luận của OpenAI mô tả cùng quy tắc cho các model của họ: token suy luận “are billed as output tokens” (bản dịch: được tính phí như token đầu ra).

Phần suy luận cũng được tính vào `max_tokens`. Đặt giá trị này quá thấp thì bạn trả tiền cho phần suy nghĩ mà không nhận được câu trả lời. Xem [vì sao câu trả lời trả về rỗng](https://broadrouter.com/vi/guides/reasoning-tokens-empty-response/) và [cách giữ chi phí suy luận ở mức thấp](https://broadrouter.com/vi/blog/reasoning-tokens-cost/).

## Hình ảnh và âm thanh được tính giá thế nào?

**Hình ảnh.** Một [model vision](https://broadrouter.com/vi/glossary/vision-language-model/) chuyển hình ảnh thành token đầu vào. Bạn trả giá đầu vào cho chúng, và ảnh càng lớn càng dùng nhiều token. BroadNet không thu phí riêng cho mỗi ảnh. [So sánh chi phí mỗi ảnh](https://broadrouter.com/vi/blog/cheapest-vision-llm-api/).

**Âm thanh.** [Chuyển giọng nói thành văn bản](https://broadrouter.com/vi/glossary/speech-to-text/) được tính theo độ dài âm thanh, không theo token:

| Model | Mỗi phút | Mỗi giờ âm thanh |
| --- | --- | --- |
| BroadNet Transcribe Arabic | $0.0042 | $0.25 |
| BroadNet Transcribe (14 ngôn ngữ) | $0.002 | $0.12 |

## Một request thực tế tốn bao nhiêu? Ví dụ tính toán

Các ví dụ dưới đây dùng DeepSeek V4.1 Flash. Mỗi ví dụ được chọn để tổng số token tròn hàng triệu, giúp bạn dễ kiểm tra phép tính.

1.  **Một tính năng chat.** 500 request, mỗi request 2.000 token đầu vào và 2.000 token đầu ra, dùng 1 triệu token đầu vào và 1 triệu token đầu ra. Chi phí: $0.175 cộng $0.52.
2.  **Một agent đọc lại context.** Mười lượt, mỗi lượt gửi cùng một context 100.000 token, cộng lại thành 1 triệu token đầu vào. Nếu không phần nào được cache, chi phí là $0.175. Nếu toàn bộ được cache thì chi phí sẽ là $0.0055, nhưng lượt đầu tiên không có gì để dùng lại, nên hãy coi đó là mức thấp nhất: tối đa 900.000 token được tính theo giá cache, còn 100.000 token đầu tiên tính theo giá đầu vào.
3.  **Suy luận ẩn.** 1.000 câu trả lời có 200 token hiển thị, mỗi câu kèm 800 token suy luận, bị tính 1 triệu token đầu ra: $0.52. Chỉ một phần năm trong đó là văn bản bạn thấy.
4.  **Chép lời.** 1.000 giờ âm thanh tiếng Ả Rập tốn $252.00. 10.000 tin nhắn thoại dài 30 giây tốn $21.00.

Công thức chung:

```text
cost = new_input/1M × input_price
     + cached_input/1M × cached_price
     + output/1M × output_price      (output includes reasoning)
```

Để tính các con số này cho lưu lượng của riêng bạn, hãy dùng [công cụ tính chi phí API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) miễn phí. Để dự báo đầy đủ cho một tính năng mới, hãy xem [cách ước tính chi phí API LLM trước khi ra mắt](https://broadrouter.com/vi/blog/estimate-llm-api-cost-before-launch/).

## Làm sao đọc con số thực từ một response?

Khi đã có traffic, đừng ước lượng từ số từ nữa. Hãy đọc trực tiếp:

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
r = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    messages=[{"role": "user", "content": "Summarise this ticket in one line: ..."}],
)
u = r.usage
details = u.prompt_tokens_details  # can be None when the model reports no cache data
cached = (details.cached_tokens or 0) if details else 0
print(u.prompt_tokens, cached, u.completion_tokens)
```

Khi dùng streaming, hãy thêm `stream_options={"include_usage": True}` để chunk cuối cùng mang theo `usage`. [Hướng dẫn streaming](https://broadrouter.com/vi/guides/streaming-chat-completions/).

## Còn những mô hình tính giá nào khác?

Tính theo token không phải lựa chọn duy nhất:

-   **Gói giá cố định.** Một [gói giá cố định](https://broadrouter.com/vi/glossary/flat-rate-llm-plan/) tính tiền theo thời gian, không theo token. Gói Full Moon của BroadNet có giá $60 mỗi tháng cho mỗi phiên, dùng DeepSeek V4.1 Flash không giới hạn, một request tại một thời điểm. Orbit có giá $15 mỗi tuần, Meteor $1 mỗi giờ.
-   **Key theo giờ.** Với $0.50, bạn mua một giờ dùng Gemma 4 VL 26B trên một luồng. [Giải thích về key theo giờ](https://broadrouter.com/vi/blog/hourly-llm-api-key-explained/).
-   **Batch và GPU chuyên dụng.** Một số nhà cung cấp giảm giá cho job batch chạy qua đêm hoặc cho thuê nguyên GPU theo giờ. [Cách các nhà cung cấp khác định giá model mở](https://broadrouter.com/vi/blog/llm-inference-provider-pricing-compared/).

[Khi nào gói cố định rẻ hơn tính theo token](https://broadrouter.com/vi/blog/flat-rate-vs-pay-per-token-llm-api/) phụ thuộc vào khối lượng sử dụng và tỷ lệ cache. Để xem lần lượt mọi cách tiết kiệm, từ cache đến giảm giá batch, hãy đọc [cách giảm chi phí API LLM](https://broadrouter.com/vi/blog/how-to-reduce-llm-api-costs/).

Giá theo token cũng thay đổi theo thời gian, theo cả hai chiều. Trong các trang giá được lưu trữ của 11 nhà cung cấp, 80% model chưa từng đổi giá. Trên các model có đổi giá, chúng tôi ghi nhận tổng cộng 100 lần giảm giá và 52 lần tăng giá, mỗi lần là giá của một model so với giá trước đó của chính model ấy. Xem [giá API LLM thay đổi thường xuyên đến mức nào](https://broadrouter.com/vi/blog/how-often-llm-api-prices-change/) và [những lần giảm giá API LLM lớn nhất, kèm nguồn](https://broadrouter.com/vi/blog/llm-api-price-cuts-2023-2026/).

## BroadNet Inference phù hợp với ai?

BroadNet công bố một bảng giá chung cho mọi model họ phục vụ, trong một [tệp máy đọc được](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-pricing-explained&utm_content=body) mà [trang giá](https://broadrouter.com/vi/pricing/) của website này đọc. Tài khoản mới bắt đầu với $5 tín dụng; Gemma 4 VL 26B và cả hai model chép lời dùng được bằng khoản này, còn các model chat khác cần nạp tiền. Đây là lựa chọn phù hợp nếu bạn muốn cả giá theo token lẫn giá cố định trên cùng một tài khoản; các gói có key riêng. Đây không phải nơi dành cho các model đóng hàng đầu: BroadNet chỉ phục vụ model open-weight và các bản build riêng của mình.

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 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.

[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.

[Chuyển giọng nói thành văn bản (speech-to-text)](https://broadrouter.com/vi/glossary/speech-to-text/)

Chuyển giọng nói thành văn bản, hay nhận dạng giọng nói tự động (ASR), là công nghệ biến lời nói thành chữ viết. API nhận tệp hoặc luồng âm thanh, trả về bản chép lời, thường tính theo phút. Độ chính xác đo bằng tỷ lệ lỗi từ, thay đổi theo giọng, phương ngữ và chất lượng ghi âm.

[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.

[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.

[Model trọng số mở (open-weight model)](https://broadrouter.com/vi/glossary/open-weight-model/)

Model trọng số mở (open-weight) là model học máy có trọng số đã huấn luyện được công bố để ai cũng tải về và chạy, thường kèm giấy phép có điều kiện. Nó khác AI mã nguồn mở hoàn toàn, vốn công bố thêm code huấn luyện và chi tiết dữ liệu huấn luyện để người khác tái tạo model.

[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.

## Câu hỏi thường gặp

### Giá API LLM được tính như thế nào?

Nhân số token đầu vào với giá đầu vào, token đầu vào từ cache với giá cache và token đầu ra với giá đầu ra, đều tính trên 1 triệu token, rồi cộng lại. Token suy luận nằm trong phần đầu ra.

### Vì sao token đầu ra đắt hơn token đầu vào?

Model đọc đầu vào trong một lượt xử lý song song, nhưng sinh đầu ra từng token một, nên mỗi token đầu ra tốn nhiều thời gian GPU hơn. Nhà cung cấp tính chênh lệch đó vào giá.

### Token suy luận có bị tính phí không?

Có, với key tính theo token. Chúng được báo cáo trong completion tokens và tính theo giá đầu ra, dù không hiện trong câu trả lời.

### Một hình ảnh trong API LLM tốn bao nhiêu tiền?

Hình ảnh được chuyển thành token đầu vào, nên chi phí bằng số token nhân với giá đầu vào. Ảnh càng lớn càng tốn nhiều token. Hãy đọc prompt\_tokens trong khối usage để biết con số thực.

### Cách trả tiền rẻ nhất cho một agent chạy 24/7 là gì?

Thường là gói giá cố định. Trên BroadNet, một phiên Full Moon có giá $60 mỗi tháng để dùng DeepSeek V4.1 Flash không giới hạn, một request tại một thời điểm.

## Đọc tiếp

-   [Token đầu vào từ cache: cách giảm hóa đơn API LLM](https://broadrouter.com/vi/blog/cached-input-tokens-explained/)
-   [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/)
-   [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/)
-   [Token suy luận: vì sao bạn trả cho nhiều đầu ra hơn những gì thấy](https://broadrouter.com/vi/blog/reasoning-tokens-cost/)
-   [Tín dụng API LLM miễn phí: khoản tín dụng ban đầu dùng được bao lâu](https://broadrouter.com/vi/blog/free-llm-api-credit/)
-   [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-llm-api-pricing-explained&utm_content=page-cta) ·

**Nguồn**

-   [Bảng giá dạng 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-api-pricing-explained&utm_content=sources)
-   [Trang giá BroadNet Inference (tiếng Anh)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-pricing-explained&utm_content=sources)
-   [Tài liệu tham chiếu API BroadNet Inference, token suy luận và token cache (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-pricing-explained&utm_content=sources)
-   [Hướng dẫn suy luận của OpenAI, cách tính phí token suy luận (truy cập ngày 2026-11-14)](https://developers.openai.com/docs/guides/reasoning)
-   [Trung tâm trợ giúp OpenAI, token là gì và cách đếm token (truy cập ngày 2026-11-14)](https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them)
