Giá API OpenAI, giải thích bằng số liệu thực tế

Trả lời nhanh: API OpenAI tính phí như thế nào

Ba con số quyết định mọi dòng trên hóa đơn của bạn: số input token đã gửi, số output token đã tạo, và giá mỗi triệu token của model bạn chọn. Không có subscription và không có phí cố định cho mỗi request. Nhân lên, chia cho một triệu, xong. Cái bẫy nằm ở chỗ ba con số này hoạt động khác nhau. Input token âm thầm tăng khi lịch sử chat tích lũy, output token mang phụ phí lớn theo từng token, và giá thay đổi mỗi khi bạn đổi model. Phần còn lại của hướng dẫn này sẽ đi qua cơ chế hoạt động, giá gpt-5.5 hiện hành, ba ví dụ tính toán đầy đủ, và những chỗ khiến hóa đơn tăng vọt mà không báo trước.

• Đơn vị tính phí: token, đo riêng cho input (prompt + lịch sử) và output (câu trả lời)
• Mô hình thanh toán: credit trả trước, trừ dần theo từng request; request sẽ thất bại khi hết số dư trừ khi bật tự động nạp
• Usage tier thay đổi rate limit của bạn, không thay đổi giá
• Batch API: giảm nửa giá cho các job bất đồng bộ có thể chờ tới 24 giờ

Credit trả trước, usage tier, và Batch API

OpenAI đã chuyển các tài khoản API sang tính phí trả trước: bạn mua credit trước và lượng dùng sẽ trừ dần vào đó. Có hai điểm khiến người dùng bất ngờ. Thứ nhất, credit chưa dùng hết hạn sau 12 tháng kể từ khi mua, nên việc nạp ngân sách cho cả năm vào tháng 1 sẽ là một khoản quyên góp nếu lưu lượng của bạn thấp. Thứ hai, khi số dư về 0, request của bạn bắt đầu trả về lỗi ngay lập tức, trông giống như một sự cố nếu không ai theo dõi dashboard thanh toán. Tự động nạp giải quyết việc dừng đột ngột này nhưng lại xóa bỏ mức trần chi tiêu tự nhiên, nên hãy kết hợp nó với giới hạn sử dụng. Usage tier là cơ chế thứ hai. Tài khoản leo tier khi tổng chi tiêu tích lũy và tuổi tài khoản tăng lên, và mỗi tier nâng rate limit của bạn (số request mỗi phút và số token mỗi phút). Tier không thay đổi giá theo token. Nếu bạn gặp lỗi 429 ở lượng dùng thấp, bạn đang ở tier thấp, và cách khắc phục là lịch sử chi tiêu hoặc yêu cầu tăng rate limit, không phải một plan khác. Batch API là khoản giảm giá tích hợp sẵn đáng để lên kế hoạch. Gửi một file request, chấp nhận nhận kết quả trong cửa sổ 24 giờ, và trả nửa giá tiêu chuẩn cho cả input lẫn output. Bất cứ thứ gì không hướng đến người dùng trực tiếp và không nhạy cảm về độ trễ (eval, backfill, tóm tắt, phân loại) đều nên đưa vào đây. Input được cache cũng được giảm giá khi các prompt của bạn chia sẻ một tiền tố dài ổn định, nên việc đặt các chỉ dẫn tĩnh lên đầu và nội dung thay đổi ở cuối sẽ được đền đáp.

Theo dõi lượng dùng chính xác từ response của API

Bạn không cần ước tính token bằng thư viện tokenizer sau khi đã gửi request. Mọi response chat completion đều đi kèm một object usage với số lượng chính xác mà bạn bị tính phí. Ghi log nó ở mọi lệnh gọi và việc hạch toán chi phí của bạn trở thành sự thật, không phải ước lượng. Một điểm cần lưu ý: khi bật streaming, object usage chỉ được gửi nếu bạn yêu cầu qua stream_options. Nếu log của bạn cho thấy các request streaming có 0 token, đó là lý do.

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.5",
    "messages": [{"role": "user", "content": "Summarize the attached notes in one line."}],
    "max_completion_tokens": 200,
    "stream_options": {"include_usage": true}
  }'

# Response includes the exact billed counts:
# "usage": {
#   "prompt_tokens": 42,
#   "completion_tokens": 118,
#   "total_tokens": 160
# }

Xây dựng công cụ tính chi phí API OpenAI trong mười dòng

Các công cụ tính chi phí online sẽ lỗi thời ngay tuần giá thay đổi. Một hàm mười dòng lấy dữ liệu từ object usage thì không bao giờ lỗi thời. Giữ một bảng giá theo từng model, nhân lên, và ghi log số tiền cạnh mỗi request ID. Lưu ý rằng các model có khả năng reasoning tính phí các token suy luận ẩn như completion token, nên công cụ tính bên dưới vẫn đúng miễn là bạn đọc completion_tokens từ response thay vì tự đếm phần văn bản hiển thị.

# USD per 1M tokens: {"in": input_rate, "out": output_rate}
RATES = {
    "gpt-5.5": {"in": 4.00, "out": 24.00},
    "claude-sonnet-4-6": {"in": 2.40, "out": 12.00},
    "deepseek-v4-flash": {"in": 0.126, "out": 0.252},
}

def cost_usd(model: str, prompt_tokens: int, completion_tokens: int) -> float:
    rate = RATES[model]
    return (prompt_tokens * rate["in"] + completion_tokens * rate["out"]) / 1_000_000

usage = response.usage
print(f"{cost_usd('gpt-5.5', usage.prompt_tokens, usage.completion_tokens):.6f}")

Bảng giá gpt-5.5 và so sánh model

Giá dưới đây là giá theo danh mục của APIsRouter: APIsRouter là gateway tương thích OpenAI (Base URL https://api.apisrouter.com/v1) với thanh toán trả sau theo lượng dùng và không subscription, nơi các model toàn cầu được định giá thấp hơn giá niêm yết chính thức và các model Trung Quốc thấp hơn giá niêm yết chính thức của chúng. Checkout tại /topup không cần đăng ký: thanh toán trước, key được gửi qua email, và lần nạp đầu tiên được cộng thêm +100% số dư. Luôn xác nhận giá chính thức của OpenAI trên trang giá của họ trước khi lập ngân sách cho một tài khoản trực tiếp, vì giá niêm yết có thể thay đổi. Để tham khảo, cùng danh mục đó có các model mà người ta thường cân nhắc so với gpt-5.5. kimi-k2.6 và mimo cũng được niêm yết cho các workload chat nặng.

gpt-5.5 so sánh về giá như thế nào

Cùng một phép tính, chỉ khác giá. Việc chọn model là đòn bẩy lớn nhất lên hóa đơn token, và hầu hết workload kết hợp nhiều model thay vì chỉ chọn một.

Ví dụ thực tế: ba workload được tính chi phí từ đầu đến cuối

Cả ba ví dụ đều dùng giá gpt-5.5 ở trên ($4.00 input, $24.00 output mỗi 1M token). Ví dụ 1, một chatbot production: 100,000 request mỗi tháng, trung bình 1,500 input và 300 output token mỗi request. Input: 150M token với giá $4.00 là $600. Output: 30M token với giá $24.00 là $720. Tổng: $1,320 mỗi tháng, và lưu ý rằng output chiếm hơn một nửa hóa đơn dù chỉ chiếm một phần năm số token. Ví dụ 2, một phiên roleplay hoặc character-chat 60 lượt, nơi frontend gửi lại trung bình 6,000 token context mỗi lượt với phản hồi 250 token. Input: 360K token là $1.44. Output: 15K token là $0.36. Tổng: khoảng $1.80 mỗi phiên. Cùng phiên đó chạy trên deepseek-v4-flash tốn khoảng năm xu, đó là lý do người dùng chat phiên dài hiếm khi chạy model chủ lực cho mọi lượt. Ví dụ 3, tóm tắt 20,000 tài liệu với 2,500 input và 150 output token mỗi tài liệu. Input: 50M token là $200. Output: 3M token là $72. Tổng: $272 nếu chạy đồng bộ, hoặc khoảng $136 qua Batch API vì không có gì ở đây nhạy cảm về độ trễ.

Những bất ngờ về chi phí khiến hóa đơn OpenAI phình to

Không cái nào trong số này xuất hiện ở một request test đơn lẻ. Chúng xuất hiện vào tháng thứ hai, khi các phiên chạy dài hơn và context window đã âm thầm tăng gấp ba. Hãy đo lường object usage từ ngày đầu tiên và vẽ biểu đồ input token mỗi phiên theo thời gian; chỉ một biểu đồ đó thôi cũng bắt được hầu hết danh sách trên.

• Gửi lại lịch sử: mỗi lượt chat gửi lại toàn bộ hội thoại, nên chi phí input mỗi phiên tăng gần như theo bình phương số lượt cho đến khi bạn cắt bớt
• Phụ phí output: output của gpt-5.5 đắt gấp 6 lần giá input, nên các phản hồi dài dòng và không giới hạn độ dài sẽ chi phối hóa đơn
• Reasoning token: chuỗi suy luận ẩn được tính phí như completion token mà bạn không bao giờ thấy trong văn bản
• Timeout phía client: nếu phía bạn bỏ dở một request sau khi server đã bắt đầu tạo phản hồi, các token đã tạo vẫn bị tính phí
• Input hình ảnh: hình ảnh được token hóa và một hình ảnh độ phân giải cao có thể tốn tới hàng nghìn input token
• Credit hết hạn: số dư trả trước mua hơn 12 tháng trước sẽ biến mất, dù đã dùng hay chưa

Cách giảm chi phí API OpenAI

Định tuyến là đòn bẩy lớn nhất. Các team chia lưu lượng giữa một model chủ lực và một model giá trị như deepseek-v4-flash hoặc glm-5 thường giảm chi tiêu nhiều hơn bất kỳ điều chỉnh prompt nào, vì model rẻ xử lý phần lớn các lượt có khối lượng cao. Đặc biệt với các frontend character-chat và roleplay, cặp deepseek-v4-pro và deepseek-v4-flash là câu trả lời phổ biến của cộng đồng về giá trị, kimi-k2.6 và mimo đáng để thử, và các model Claude là lựa chọn khi văn xuôi SFW trau chuốt là điều quan trọng nhất. Dù bạn kết nối với frontend nào, hãy tuân thủ điều khoản dịch vụ và yêu cầu độ tuổi của nó. Phép tính tính phí tự nó không bao giờ thay đổi: token vào, token ra, giá. Đưa ba con số đó vào log của bạn và mọi quyết định về chi phí trở thành phép tính thay vì phỏng đoán.

• Giới hạn output bằng max_completion_tokens ở mọi lệnh gọi; đây là biện pháp bảo vệ rẻ nhất có sẵn
• Cắt bớt lịch sử bằng sliding window, hoặc tóm tắt các lượt cũ thành một ghi chú gọn thay vì gửi lại nguyên văn
• Chuyển công việc không tương tác sang Batch API và trả nửa giá
• Giữ system prompt dài ổn định ở đầu và nội dung thay đổi ở cuối để giảm giá input được cache thực sự phát huy tác dụng
• Định tuyến theo tác vụ: phân loại, trích xuất và các lượt chat thông thường không cần model chủ lực; chỉ giữ gpt-5.5 cho các bước thất bại trên model rẻ hơn
• Đặt cảnh báo số dư và giới hạn theo từng key để một vòng lặp chạy loạn không rút cạn tài khoản

Câu hỏi thường gặp