Phân Tích API Pricing: Tại Sao Output Token Đắt Hơn Input 2-5 Lần?

Phân Tích API Pricing: Tại Sao Output Token Đắt Hơn Input 2-5 Lần?

Ngày: 06/07/2026 | Chủ đề: LLM API Pricing Deep Dive

Bảng giá LLM API — Tháng 7/2026 (USD / 1M tokens)

表格 Model Input Output Tỷ lệ Context GPT-5.5 (OpenAI) $5.00 $30.00 6x 1M Claude Opus 4.7 (Anthropic) $5.00 $25.00 5x 1M Claude Sonnet 4.6 (Anthropic) $3.00 $15.00 5x 1M Gemini 3.1 Pro (Google) $1.25 $10.00 8x 2M Gemini 3.5 Flash (Google) $0.30 $2.50 8x 1M DeepSeek V4 $0.435 $0.87 2x 384K

Tại sao output đắt hơn input?

Input — xử lý song song: Toàn bộ sequence đi qua các transformer layer trong một forward pass duy nhất. GPU tính hàng nghìn token cùng lúc — chi phí trên mỗi token rất thấp.

Output — sinh tuần tự (autoregressive): Model phải sinh từng token một. Mỗi token cần một forward pass hoàn chỉnh, tính phân phối xác suất trên toàn vocabulary (~100K+ tokens). Sinh 100 token = 100 forward passes riêng biệt, mỗi pass xử lý lại toàn bộ input + các token đã sinh.

Thêm vào đó, KV cache phình to theo sequence length — mỗi token mới phải đọc lại cache của tất cả token trước đó, làm tăng VRAM và giảm throughput.

Tối ưu chi phí

Prompt Caching: Giảm 90% chi phí input. System prompt 2K tokens, cache hit 70%: $300 → $32/tháng. Batch API: Giảm 50% tổng hóa đơn cho tác vụ không cần real-time. Chọn đúng model: Tác vụ đơn giản → Gemini Flash ($0.30/$2.50). Code/reasoning → Claude Sonnet 4.6 ($3.00/$15.00). Chỉ dùng Opus/GPT-5.5 khi thực sự cần.

Tham khảo

LLM API Pricing Comparison 2026 2026 Frontier LLM Pricing — CometAPI AI API Pricing Comparison 2026 — Dev.to OpenAI Pricing · Anthropic Pricing · Google Gemini Pricing

Miễn trừ trách nhiệm: Bảng giá tổng hợp từ nguồn chính thức tính đến tháng 7/2026. Giá có thể thay đổi — hãy kiểm tra trang pricing chính thức trước khi quyết định.

Tác giả: Mình là developer đang làm việc với LLM API. Nếu bạn cần tư vấn về model selection, cost optimization, hay architecture design — cứ nhắn mình qua Viblo.