1 Triệu Token AI Tốn Bao Nhiêu Năm 2026?
1 triệu token AI tốn từ $0.06 đến $75 năm 2026 tùy model và chiều. Bảng giá đầy đủ trên OpenAI, Claude, Gemini, Llama và DeepSeek.
Một triệu token AI tốn từ $0.06 đến $75 năm 2026 tùy model và chiều (input vs output). Output token tốn 3–5× input token trên hầu hết provider vì generation là compute-bound. Hướng dẫn này chỉ chính xác 1M token tốn bao nhiêu trên 22 model và giúp bạn tính hóa đơn thực trước khi commit ngân sách. Cho pricing real-time mọi model, dùng Token & Pricing Comparator của chúng tôi.
Đơn vị "1 triệu token" là tham chiếu pricing chuẩn vì đại khái đó là đơn vị tại đó hóa đơn provider trở nên đáng kể. Chatbot 100k request/tháng ở size điển hình tốn 200M+ token — nhân với rate blended mỗi triệu của bạn và đó là hóa đơn inference tháng.
1 triệu token tốn bao nhiêu trên các model lớn?
Bảng pricing 2026 đầy đủ cho output token (thường là chi phí chi phối):
| Model | Input / 1M | Output / 1M |
|---|---|---|
| Amazon Nova Lite | $0.06 | $0.24 |
| Mistral Small 3 | $0.20 | $0.60 |
| Google Gemini 2.5 Flash | $0.30 | $2.50 |
| DeepSeek V3 | $0.27 | $1.10 |
| GPT-5 mini | $0.40 | $1.60 |
| Cohere Command R | $0.15 | $0.60 |
| Claude Haiku 4.5 | $0.80 | $4.00 |
| Amazon Nova Pro | $0.80 | $3.20 |
| DeepSeek R1 | $0.55 | $2.19 |
| Llama 4 70B (Together) | $0.88 | $0.88 |
| Mistral Large 2 | $2.00 | $6.00 |
| Cohere Command R+ | $2.50 | $10.00 |
| OpenAI GPT-4o | $2.50 | $10.00 |
| Google Gemini 2.5 Pro | $2.50 | $15.00 |
| Claude Sonnet 4.6 | $3.00 | $15.00 |
| Llama 4 405B (Together) | $3.50 | $3.50 |
| xAI Grok 4 | $5.00 | $25.00 |
| OpenAI o3 | $10.00 | $40.00 |
| OpenAI GPT-5 | $10.00 | $30.00 |
| Claude Opus 4.7 | $15.00 | $75.00 |
Đó là chênh 1,250× giữa input rẻ nhất (Nova Lite $0.06) và output đắt nhất (Opus 4.7 $75). Chiến lược thắng năm 2026 là tiered model routing: model rẻ cho 80% request, model premium chỉ khi cần.
Vì sao output đắt hơn input?
Ba lý do output cấu trúc đắt hơn input:
- Tạo tuần tự. Token output được tạo từng cái một — token N phụ thuộc token 1 đến N-1. Mỗi token output cần một forward pass đầy đủ qua model. Token input xử lý song song được (một pass cho toàn prompt).
- Memory bandwidth chi phối. Tại inference time, bottleneck là đọc trọng số model từ GPU HBM cho mỗi token output, không phải compute. Output bandwidth-intensive hơn ~5× mỗi token.
- Mẫu utilization GPU. Tạo output underutilize cluster GPU lớn (batch nhỏ = song song thấp). Provider price opportunity cost này.
Ngụ ý thực tế: nếu workload nặng input (RAG, document analysis), bạn có thể dùng model có tỷ lệ giá output:input thấp hơn. Claude có tỷ lệ 5:1 trên Sonnet; Llama trên Together là 1:1 vì họ không phân biệt.
1 triệu token lớn cỡ nào?
Sizing thực tế cho 1 triệu token:
- ~750,000 từ trong văn bản tiếng Anh (1.33 token/từ trung bình)
- ~4 cuốn tiểu thuyết trung bình (200k từ mỗi cuốn)
- ~3 triệu ký tự code (nhiều token hơn tiếng Anh do syntax)
- ~50 giờ lời nói transcribed ở 150 từ/phút
- ~600 cuộc trò chuyện chatbot điển hình 10-turn (1,700 token/cuộc)
Cho calibration production thực:
- Chatbot customer-support: 200k-300k token mỗi 1,000 cuộc trò chuyện
- Sản phẩm code-completion (kiểu Copilot): 100k-500k token mỗi user tích cực/ngày
- Sản phẩm research-agent (kiểu Devin): 50k-200k token mỗi task
Dùng những con số này để calibrate forecast tháng. Nhân token ngày × 30 × rate mỗi triệu của model.
App trung vị thực sự trả bao nhiêu mỗi tháng?
Khảo sát ngành hóa đơn AWS startup AI 2025-2026 cho thấy chi tiêu LLM tháng trung vị theo category app:
| App | Token tháng (trung vị) | Chi tháng (Sonnet 4.6 blended) |
|---|---|---|
| Công cụ AI nội bộ | 10M | $90 |
| B2B SaaS có AI features | 50M | $450 |
| Customer support chatbot | 150M | $1,350 |
| Coding assistant | 400M | $3,600 |
| Sản phẩm chat consumer | 2,000M (2B) | $18,000 |
| AI agent platform | 10,000M (10B) | $90,000 |
Chênh 10× giữa chat consumer và B2B SaaS phản ánh khác biệt volume user thô, không phải lựa chọn architecture. Ngay cả model "đắt" cũng OK ở scale B2B.
Cách tính chi phí mỗi triệu token của tôi?
Cho chatbot với 2,000 token input + 400 token output mỗi request, dùng Claude Sonnet 4.6 ở $3 input + $15 output mỗi triệu:
Mỗi request:
Input: 2000 × $3 / 1M = $0.006
Output: 400 × $15 / 1M = $0.006
Tổng: $0.012
Mỗi 100,000 request:
$0.012 × 100k = $1,200
Đó hiệu dụng là $5 mỗi triệu token blended (200M token dùng để tạo hóa đơn $1,200).
Lưu ý rate blended phụ thuộc tỷ lệ input-to-output của bạn. Workload RAG-heavy với 95% input và 5% output thấy rate hiệu dụng rẻ hơn nhiều trên cùng model. Cắm số cụ thể vào Token & Pricing Comparator cho phép tính real-time.
Cách giảm chi phí mỗi triệu token năm 2026?
Ba động tác leverage cao nhất:
1. Đổi model (giảm 5-50× có thể)
Phần lớn workload chạy tốt trên Claude Haiku 4.5 ($0.80 input, $4 output) thay vì Claude Sonnet 4.6 ($3 input, $15 output) — cắt 4× chi phí. Hoặc xuống Gemini 2.5 Flash ($0.30 / $2.50) cho 3× cắt nữa. Luôn chạy eval 100-example trước khi đổi; nhiều workload chịu được chất lượng cấp Haiku.
2. Prompt caching (giảm input 40-80%)
Cho workload RAG nơi cùng context (system prompt + document retrieved) được tái dùng qua nhiều query, Anthropic charge chỉ 10% giá input bình thường trên cache hit. OpenAI charge 50%. Google 25%. Cache hit rate thực tế steady-state là 50-70%.
3. Batch API (giảm 50% trên non-realtime)
OpenAI Batch API charge 50% pricing bình thường cho job chờ được tới 24 giờ. Anthropic Batch API tương tự. Phần lớn provider có discount batch. Dùng cho: summarization qua đêm, backfill content moderation, embedding generation, eval run.
Workload production trưởng thành điển hình kết hợp cả ba: tiered routing + caching + batch. Tổng giảm so naive: 70-90%. Cắm số vào LLM Monthly Cost Estimator để thấy projection.
Chi phí ẩn nào làm rate mỗi triệu sai lệch?
Năm line item không trong rate niêm yết:
- Rate limit output. Một số provider throttle token output/phút. Burst traffic incur queueing latency, không phải chi phí — nhưng UX user khổ.
- Generation thất bại. Safety refusal, JSON output malformed, disconnect mid-stream. Wastage thực tế là 3-8% ngân sách token.
- Speculative decoding. Một số provider charge token tạo speculatively bị reject. Cộng 5-15% vào hóa đơn.
- Surcharge context dài. Google Vertex charge 2× mỗi token cho context >128k. Anthropic không surcharge nhưng TTFT degrade.
- Transfer cross-region. Self-hosted model chịu phí egress mà rate per-token không nắm bắt.
Lên ngân sách buffer 15-20% trên toán raw per-million-token. Agent Dev Cost Calculator cộng cái này như "inference tax" default 30% — phù hợp cho workload agentic.
Đường rẻ nhất đến 1 triệu token năm 2026?
Nếu bạn chỉ quan tâm chi phí mỗi triệu token (không phải chất lượng hay reliability):
- Amazon Nova Lite ở $0.06 input, $0.24 output — 100M token với $30 tổng
- DeepSeek V3 ở $0.27 input, $1.10 output — reasoning mạnh với giá rẻ
- Self-hosted Llama 4 8B trên H100 thuê — break-even ở ~500M token/tháng
- Together Llama 4 8B ở $0.22 / $0.22 — open-weight trên hạ tầng hosted
Cho chất lượng flagship-class rẻ nhất, Claude Sonnet 4.6 ở $3 / $15 là sweet spot. GPT-5 ở $10 / $30 là premium-priced; hiếm khi đáng so với Sonnet trừ khi cụ thể cần feature ecosystem OpenAI.
Best practice 2026 là theo dõi chi phí hiệu dụng mỗi task hoàn thành, không phải mỗi triệu token. Workload dùng ít token 30% trên Sonnet (vì đúng answer nhanh hơn) có thể đánh bại workload dùng token Haiku rẻ nhưng loop 3× trên output xấu. Đo outcome, không đo unit cost.
Cho mô hình chi phí toàn diện qua token + GPU + vector DB + mọi thứ khác, dùng Agent Dev Cost Calculator. Cho chỉ phần LLM qua 22 model, dùng Token & Pricing Comparator.