Claude Sonnet 5.5 nên dùng cho việc gì? Chi phí nằm ở độ dài đầu ra

Ảnh bìa: hình minh họa do AI tạo cho chủ đề chi phí, không phải ảnh chụp sản phẩm.

Bạn có một việc lặp lại trong ứng dụng: đọc log lỗi rồi trả về JSON theo đúng danh sách trường đã định, hoặc rút gọn ghi chú vận hành thành bảng. Claude Sonnet 5.5 có thể là ứng viên cho những việc như vậy. Nhưng giao cả chuỗi cho mô hình ngay từ đầu sẽ khiến bạn khó biết chỗ nào rẻ, chỗ nào đắt, và vì sao hóa đơn tháng này lại khác tháng trước.

Điểm khởi đầu hợp lý là một tác vụ có đầu vào rõ ràng và kết quả dễ đối chiếu. Từ ba lần gọi như vậy, một quy tắc hiện ra khá rõ: chi phí không nằm ở đơn giá, mà nằm ở việc mô hình viết bao lâu thì dừng.

Token là gì, và vì sao nó quyết định hóa đơn

Mô hình không đọc chữ theo từ mà theo token, đơn vị nhỏ hơn từ, thường là một mảnh của từ. Bạn trả tiền cho số token gửi vào (đầu vào) và số token mô hình viết ra (đầu ra). Với Sonnet 5.5, đầu ra đắt gấp năm lần đầu vào: 2 USD so với 10 USD cho mỗi triệu token.

Vì chênh lệch đó, biến số quan trọng nhất trong hóa đơn không phải đơn giá mà là độ dài câu trả lời. Một mô hình viết dài gấp rưỡi có thể đắt hơn hẳn một mô hình có đơn giá cao hơn.

Ba thông tin chính thức cần nắm

Anthropic phát hành Sonnet 5.5 ngày 28/09/2026 và nêu ba điểm:

• Nhanh hơn 30% so với Sonnet 5.
• Phần lớn công việc rẻ hơn tới 30% tính trên mỗi tác vụ.
• Đơn giá mỗi token không đổi: 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra.

Hai điểm đầu nói về kết quả, điểm thứ ba nói về đơn giá. Khi đơn giá đứng yên mà chi phí hoàn thành một tác vụ lại giảm, phần chênh đó phải đến từ số token. Chỉ có một chỗ có thể bù vào: số token mô hình tiêu trước khi nó cho rằng việc đã xong.

Vì sao cùng một yêu cầu lại ra hai hóa đơn khác nhau?

Lấy một yêu cầu không có kích thước tự nhiên: viết lại một đoạn mã thử lại thanh toán và trả về toàn bộ tệp. Cùng một prompt được gửi hai lần trong ngày 22/10/2026 qua một endpoint tương thích OpenAI, mỗi lần một mô hình, không đổi thiết lập effort và không đổi gì khác.

Sonnet 5 viết 4.012 token đầu ra và dừng ở 0,0405 USD. Sonnet 5.5 viết 5.753 token đầu ra và dừng ở 0,0579 USD, tức nhiều hơn khoảng 43% cho cùng một việc. Phần nội dung trả về cũng dài ra: từ 3.267 ký tự lên 6.924 ký tự.

Trong prompt có một câu mời gọi câu trả lời dài hơn: "đừng bỏ sót phần nào". Một mô hình hoàn thành chỉ dẫn tốt hơn sẽ đọc câu đó như một yêu cầu kỹ thuật chứ không phải một gợi ý. Kết quả là bản triển khai đầy đủ hơn, nhiều chú thích hơn, và phần giải thích dài hơn về những gì nó chọn. Không có gì trong đó là lỗi. Nhưng nó cũng không miễn phí.

Hai điều rút ra từ đây. Thứ nhất, "rẻ hơn tới 30%" không phải mức sàn hay một bảo đảm, mà là mô tả cho công việc thường ngày. Thứ hai, phần đắt nhất của một yêu cầu có thể là một câu bạn thêm vào mà không hề nghĩ tới chi phí.

Khi đầu ra có điểm dừng thì chi phí giảm

Kết quả ngược lại xuất hiện ngay khi đầu ra có hình dạng cố định. Sáu dòng log lỗi được chuyển thành JSON theo một danh sách trường cố định, chỉ đưa cho mô hình schema và không đưa gì thêm.

Sonnet 5.5 trả về 410 token đầu ra và 805 ký tự trong 4,41 giây. Sonnet 5 trả về 682 token đầu ra và 793 ký tự trong 11,68 giây. Hai câu trả lời gần như cùng độ dài, 805 so với 793 ký tự, chênh khoảng 1,5%, trong khi số token đầu ra lệch 40%.

Đây là kiểu tiết kiệm khác với "viết ít hơn". Nó viết lượng tương đương và tốn ít token hơn để làm việc đó. Một cách giải thích khả dĩ là cùng một đoạn chữ đang được chia thành ít token hơn trước, điều này thể hiện rõ nhất ở những ngôn ngữ mà bộ tách token cũ xử lý kém. Hai phản hồi được lưu lại cho thấy xu hướng đó; chúng không chứng minh cơ chế, và tài liệu về bộ tách token chưa được đối chiếu trong lần đo này.

Chi phí tính theo đơn giá chính thức 2 USD cho đầu vào và 10 USD cho đầu ra mỗi triệu token, áp lên số liệu ghi lại của ba lần gọi ngày 22/10/2026. Dòng thứ ba là tác vụ mở nói ở trên.

Một tác vụ có cấu trúc thứ hai cho kết quả cùng hướng. Năm mục ghi chú vận hành chuyển thành bảng Markdown tốn 628 token đầu ra trên Sonnet 5.5 so với 911 trên Sonnet 5, giảm khoảng 31%, và xong trong 7,48 giây thay vì 13,04 giây.

Hãy thử quy đổi chênh lệch đó ra con số theo tháng, vì tỷ lệ phần trăm thì dễ gật đầu cho qua. Giả sử một pipeline chạy 20.000 lần trích xuất mỗi tháng, mỗi lần trả về 800 token đầu ra. Với 10 USD mỗi triệu token đầu ra, đó là 16 triệu token, khoảng 160 USD. Cùng công việc đó ở 480 token mỗi lần còn khoảng 96 USD. Giờ chỉ đổi prompt: một yêu cầu mở, trung bình 3.000 token đầu ra mỗi lần, đẩy 20.000 lần gọi đó lên gần 600 USD, và không mô hình nào chạm được vào con số đó. Chính prompt đặt ra nó.

Đặt ba kết quả cạnh nhau, quy tắc vẫn nhất quán: tác vụ nói rõ chỗ dừng thì rẻ hơn, tác vụ không nói thì đắt hơn.

Đọc con số chính thức mà không suy diễn quá

Bảng giá công bố rất ngắn. Đầu vào giữ 2 USD và đầu ra giữ 10 USD mỗi triệu token, không đổi so với Sonnet 5. Dòng duy nhất dịch chuyển là đọc cache, từ 0,20 xuống 0,10 USD mỗi triệu token. Với khối lượng công việc gửi lại cùng một system prompt, cùng định nghĩa công cụ hay cùng tệp ngữ cảnh ở mỗi lượt, mức giảm một nửa đó có thể quan trọng hơn con số 30% trên tiêu đề, vì phần đầu vào đã cache thường là chỗ tốn tiền nhất trong một vòng lặp agent. Nếu các lần gọi của bạn ngắn và luôn khác nhau, dòng này không giúp được gì.

Bảng điểm chuẩn và đơn giá do Anthropic công bố, đối chiếu ngày 22/10/2026. Điểm số là của nhà cung cấp và chưa được kiểm chứng độc lập.

Bảng điểm chuẩn cần một lưu ý. Terminal-Bench 4.0 cho Sonnet 5.5 70,6%, so với 10,3% của Sonnet 5 và 66,4% của Opus 5.5. Mức nhảy như vậy trong cùng một thế hệ khó chỉ do năng lực mô hình; điều kiện đánh giá hoặc quyền dùng công cụ nhiều khả năng cũng đã thay đổi. Nên đọc là "nhóm việc này đã nằm trong tầm với" chứ không phải "mô hình giỏi lên bảy lần".

Hai con số đáng tin hơn là hai con số gần như không nhúc nhích. Nhóm việc tri thức ở mức 1844 so với 1846 của Opus 5.5, còn lập trình dài hơi ở 46,2% so với 54,4%. Cặp đầu cho thấy khoảng cách với mô hình đầu bảng đã khép lại với việc tài liệu, bảng biểu và báo cáo. Cặp sau cho thấy nó chưa khép lại ở những việc chạy dài và liên tục đòi hỏi phán đoán. Chính Anthropic cũng nói rõ: Opus 5.5 vẫn mạnh hơn hẳn với các bài toán mở và phức tạp.

Bắt đầu từ một tác vụ trong ứng dụng của bạn

Ước lượng bạn cần nhỏ hơn vẻ ngoài của nó. Ba lần gọi thường đủ để chốt.

Chọn ba prompt bạn dùng nhiều nhất, hoặc ba prompt tốn tiền nhất hiện nay. Chạy mỗi prompt một lần trên mô hình đang dùng và một lần với claude-sonnet-5-5, giữ nguyên prompt. Sau đó đọc các trường trong phản hồi thay vì đọc nội dung:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["API_KEY"],
    base_url=os.environ["API_BASE_URL"],
)

resp = client.chat.completions.create(
    model="claude-sonnet-5-5",
    messages=[{"role": "user", "content": prompt}],
)
print(resp.usage.prompt_tokens, resp.usage.completion_tokens)
print(resp.choices[0].finish_reason)

Nếu chỉ làm một việc, hãy kiểm tra finish_reason trước khi nhìn chi phí:

if resp.choices[0].finish_reason == "length":
    raise RuntimeError("câu trả lời bị cắt, chạy lại với max_tokens lớn hơn")

Giá trị length nghĩa là câu trả lời đã bị cắt, và dòng số liệu đó đang mô tả một việc chưa xong. Đây là lỗi hay gặp nhất khi chuyển sang một mô hình viết dài hơn: max_tokens cũ vẫn trả về mã 200, nhưng nội dung đã bị cụt.

Sau đó chỉ cần một quyết định về effort. Anthropic nói Sonnet 5.5 đạt kết quả tốt nhất của Sonnet 5 ngay ở mức Low hoặc Medium, và Medium là mặc định trong ứng dụng Claude. Bắt đầu từ mức thấp và chỉ nâng khi tác vụ thất bại sẽ giữ được lợi thế token, vì mức cao hơn khiến mô hình suy luận lâu hơn và viết nhiều hơn.

Cuối cùng, hãy viết điều kiện dừng vào mọi prompt chạy hàng loạt. Một schema đầu ra cố định, một giới hạn độ dài và một định dạng bắt buộc là những gì biến một yêu cầu mở thành một trong những dòng rẻ hơn ở bảng trên.

Khi nào nên giữ Opus 5.5?

Nếu công việc hằng ngày của bạn là trích xuất, định dạng, phân loại hoặc tóm tắt có độ dài xác định, Sonnet 5.5 là lựa chọn mặc định hợp lý. Nếu công việc chạy dài, nhiều bước và cần phán đoán ở giữa, hãy giữ Opus 5.5 cho những lần đó. Mức 46,2% so với 54,4% ở lập trình dài hơi không phải khác biệt nhỏ, và một mô hình rẻ hơn cho việc thường ngày không thay thế được mô hình dùng cho các ca khó.

Một trường hợp đáng cân nhắc hơn là khi bạn phải chạy một tác vụ hai lần vì lần đầu phải sửa tay. Nếu mô hình mới làm xong trong một lần, đơn vị so sánh không còn là token mỗi lần gọi mà là chi phí của một kết quả hoàn chỉnh.

Những gì chưa kiểm chứng được

Ba kết quả trên đến từ những lần gọi đơn lẻ trong một ngày, qua một tuyến. Không có chuỗi lặp lại, không có so sánh đối chứng, và chất lượng câu trả lời chưa được chấm điểm ngoài việc đọc nội dung. Chúng cho thấy một xu hướng đáng để tự kiểm tra, không xác lập một mức giá cho công việc của bạn.

Bốn thông tin không xác nhận được từ tài liệu công khai nên không được dùng ở đây: giới hạn token đầu ra tối đa, ngày cắt kiến thức, khả năng tắt suy luận mở rộng, và mức effort mặc định phía API.

Một chi tiết cuối cần kiểm tra khi chuyển: tên mô hình. claude-sonnet-5-5, claude-sonnet-5 và claude-sonnet-4-6 là ba mô hình riêng biệt, không phải ba phiên bản của một mô hình. Đổi chuỗi trong mã là một lần chuyển đổi, và tên trả về trong phản hồi tự nó không chứng minh mô hình nào đã phục vụ yêu cầu. Hãy chạy thử prompt của chính bạn trước khi chuyển lưu lượng thật.

Có thể xem danh sách mô hình và điều kiện truy cập Claude Sonnet 5.5 trên Crazyrouter, hoặc hỏi trực tiếp nhà cung cấp bạn đang dùng, vì đơn giá và điều kiện tài khoản có thể khác theo từng tuyến.

Nguồn: thông báo phát hành và trang mô hình chính thức của Claude Sonnet 5.5 (Anthropic, công bố ngày 28/09/2026), đối chiếu ngày 22/10/2026. Số liệu token, chi phí, thời gian và ký tự lấy từ ba lần gọi ngày 22/10/2026 qua một endpoint tương thích OpenAI, mỗi tác vụ một lần.