Chi phí OpenAI API năm 2026: Bảng giá và công cụ tính
Chi phí OpenAI API phụ thuộc vào năm yếu tố: mô hình, token đầu vào không được lưu trong bộ nhớ đệm, token đầu vào được lưu trong bộ nhớ đệm, token ghi vào bộ nhớ đệm và token đầu ra. Cấp dịch vụ, độ dài ngữ cảnh, công cụ, các lần thử lại, nội dung đa phương tiện và xử lý theo khu vực có thể làm tăng thêm chi phí.
Thời điểm kiểm tra giá: ngày 12 tháng 10 năm 2026. OpenAI thường xuyên thay đổi mô hình và giá. Hãy sử dụng trang giá OpenAI API chính thức làm nguồn tham chiếu cuối cùng trước khi lập ngân sách hoặc triển khai vào môi trường sản xuất.
Chi phí OpenAI API: câu trả lời nhanh
Đối với chế độ xử lý Standard, bảng giá các mô hình chủ lực hiện tại của OpenAI niêm yết mức giá cho ngữ cảnh ngắn trên mỗi 1 triệu token như sau:
| Mô hình | Đầu vào | Đầu vào được lưu trong bộ nhớ đệm | Ghi vào bộ nhớ đệm | Đầu ra |
|---|---|---|---|---|
| GPT-6 Astra | $10.00 | $1.00 | $12.50 | $50.00 |
| GPT-6.1 Sol | $2.00 | $0.10 | $2.50 | $10.00 |
| GPT-6 Luna | $0.10 | $0.01 | $0.125 | $0.50 |
Bảng giá Standard này hiện cũng cho thấy mức giá cao hơn đối với ngữ cảnh dài:
| Mô hình | Đầu vào | Đầu vào được lưu trong bộ nhớ đệm | Ghi vào bộ nhớ đệm | Đầu ra |
|---|---|---|---|---|
| GPT-6 Astra | $20.00 | $2.00 | $25.00 | $75.00 |
| GPT-6.1 Sol | $4.00 | $0.20 | $5.00 | $15.00 |
| GPT-6 Luna | $0.20 | $0.02 | $0.25 | $0.75 |
Đừng chỉ đưa dòng có giá thấp nhất vào dự báo. Một mô hình có đơn giá thấp hơn vẫn có thể tốn nhiều chi phí hơn cho mỗi kết quả được chấp nhận nếu nó tạo ra câu trả lời dài hơn, không vượt qua bước xác thực hoặc làm phát sinh các lần thử lại và lệnh gọi dự phòng.
Công thức tính chi phí OpenAI API
Sử dụng công thức này cho một yêu cầu được tính phí theo token:
request cost =
(uncached input tokens / 1,000,000 × input rate)
+ (cached input tokens / 1,000,000 × cached-input rate)
+ (cache-write tokens / 1,000,000 × cache-write rate)
+ (output tokens / 1,000,000 × output rate)
+ tool, media, container, and regional charges
Để ước tính chi phí hằng tháng, hãy tính riêng từng khối lượng công việc, sau đó cộng thêm các lần thử lại, các lần thử dự phòng, lưu lượng đánh giá và các khoản phí không tính theo token.
monthly cost =
requests per month
× average token cost per request
× average upstream attempts per request
+ tool and infrastructure charges
Hệ số số lần thử rất quan trọng. Nếu một thao tác của người dùng tạo ra một yêu cầu chính, một lần thử lại và một lệnh gọi dự phòng, hóa đơn có thể bao gồm ba lần thử gửi lên hệ thống thượng nguồn dù sản phẩm chỉ ghi nhận một quy trình.
Ba ví dụ tính chi phí OpenAI API
Giả sử một khối lượng công việc với ngữ cảnh ngắn sử dụng 10 triệu token đầu vào không được lưu trong bộ nhớ đệm và 2 triệu token đầu ra với chế độ xử lý Standard.
| Mô hình | Phép tính | Chi phí token ước tính |
|---|---|---|
| GPT-6 Astra | 10 × $10 + 2 × $50 | $200.00 |
| GPT-6.1 Sol | 10 × $2 + 2 × $10 | $40.00 |
| GPT-6 Luna | 10 × $0.10 + 2 × $0.50 | $2.00 |
Đây là phép so sánh giá, không phải so sánh chất lượng. Hãy sử dụng cùng một tập dữ liệu đánh giá và quy tắc chấp nhận trước khi quyết định liệu một phương án rẻ hơn có thể đáp ứng khối lượng công việc hay không.
Ví dụ với đầu vào được lưu trong bộ nhớ đệm
Giả sử khối lượng công việc của GPT-6.1 Sol có 10 triệu token đầu vào, trong đó 60% được tính theo giá đầu vào lưu trong bộ nhớ đệm, cùng với 2 triệu token đầu ra:
uncached input: 4 × $2.00 = $8.00
cached input: 6 × $0.10 = $0.60
output: 2 × $10.00 = $20.00
estimated total: $28.60
Ước tính đó chưa bao gồm bất kỳ khoản phí ghi vào bộ nhớ đệm nào cần thiết để tạo hoặc làm mới phần tiền tố được lưu trong bộ nhớ đệm. Hãy đo riêng số lần truy xuất thành công từ bộ nhớ đệm và số lần ghi vào bộ nhớ đệm; đừng cho rằng mọi prompt lặp lại đều được tính theo mức giá dành cho dữ liệu trong bộ nhớ đệm.
Ngữ cảnh ngắn so với ngữ cảnh dài
Trang giá hiện tại phân biệt mức giá cho ngữ cảnh ngắn và ngữ cảnh dài đối với các mô hình chủ lực. Một yêu cầu vượt qua ngưỡng ngữ cảnh áp dụng có thể bị tính theo mức giá khác, vì vậy kích thước prompt trung bình là không đủ để dự báo.
Thay vào đó, hãy theo dõi phân phối của các chỉ số sau:
- token đầu vào ở các phân vị p50, p90 và p99;
- tỷ lệ yêu cầu thuộc mức ngữ cảnh dài;
- token đầu vào được lưu và không được lưu trong bộ nhớ đệm;
- token đầu ra và token suy luận;
- các lần thử lại và các lần thử dự phòng;
- chi phí cho mỗi kết quả được chấp nhận.
Một vài prompt rất lớn có thể chiếm phần lớn hóa đơn hằng tháng ngay cả khi yêu cầu ở mức trung vị có kích thước nhỏ.
Giá của Standard, Batch, Flex, Fast và Ultrafast
OpenAI hiện cung cấp nhiều chế độ xử lý trên trang giá của mình. Chế độ phù hợp phụ thuộc vào thời hạn và yêu cầu về tính sẵn sàng của khối lượng công việc.
| Chế độ | Phù hợp trong thực tế | Câu hỏi khi lập kế hoạch chi phí |
|---|---|---|
| Standard | Lưu lượng tương tác và vận hành thông thường | Mô hình và cấp ngữ cảnh có đáp ứng ngân sách độ trễ không? |
| Batch | Các tác vụ ngoại tuyến có thể chờ | Quy trình có thể chấp nhận việc hoàn thành chậm và ngữ nghĩa theo lô không? |
| Flex | Công việc nhạy cảm về chi phí có thể chấp nhận dịch vụ biến động | Tác vụ có thể chờ hoặc thử lại mà không gây ảnh hưởng đến người dùng không? |
| Fast | Các luồng vận hành nhạy cảm với độ trễ | Lợi ích về độ trễ có xứng đáng với mức giá cao hơn không? |
| Ultrafast | Các tuyến được hỗ trợ nhạy cảm với độ trễ nhất | Phần phụ phí có chỉ áp dụng cho các yêu cầu thực sự cần thiết không? |
Hãy xem tab đã chọn trên trang giá chính thức trước khi sao chép một con số. Mức giá từ Batch, Flex, Fast hoặc Ultrafast không phải là mức giá Standard.
Chi phí Responses API so với Chat Completions
OpenAI cho biết Responses API và Chat Completions API không được định giá như các sản phẩm riêng biệt. Mức sử dụng token được tính phí theo mức giá của mô hình đã chọn. Các công cụ tích hợp sẵn và khả năng khác có thể phát sinh phí riêng.
Chọn endpoint theo hợp đồng mà ứng dụng của bạn cần, rồi tính:
- token của mô hình;
- lượt đọc và ghi bộ nhớ đệm;
- lệnh gọi tìm kiếm web hoặc tìm kiếm tệp;
- phiên container hoặc thực thi mã;
- mức sử dụng hình ảnh, âm thanh hoặc thời gian thực;
- mức khuếch đại do thử lại và phương án dự phòng.
Đừng cho rằng việc chuyển đổi endpoint là miễn phí chỉ vì không có phí endpoint. Hành vi của công cụ, ngữ cảnh dài hơn, suy luận hoặc đầu ra lớn hơn có thể làm thay đổi tổng mức sử dụng.
Các khoản phí OpenAI API bổ sung mà các nhóm thường bỏ sót
Lệnh gọi công cụ
Trang giá chính thức liệt kê các khoản phí riêng cho những công cụ như tìm kiếm web và tìm kiếm tệp. Nội dung được truy xuất cũng có thể tạo ra token đầu vào của mô hình. Vì vậy, một hành động sản phẩm có thể bao gồm cả phí gọi công cụ lẫn phí token mô hình.
Container và thực thi mã
Container Hosted Shell và Code Interpreter có phí theo phiên và quy tắc thanh toán tối thiểu. Việc tái sử dụng phiên hoặc kết thúc phiên kịp thời có thể quan trọng hơn mức giá token đối với các agent sử dụng nhiều công cụ.
Xử lý theo khu vực và FedRAMP
Ghi chú giá hiện tại của OpenAI nêu mức tăng 10% cho các endpoint xử lý theo khu vực đủ điều kiện được phát hành vào hoặc sau ngày 5 tháng 3 năm 2026, và mức tăng 10% cho các endpoint FedRAMP. Hãy xác nhận liệu khối lượng công việc có thực sự sử dụng một trong các endpoint đó hay không.
Thời gian thực, âm thanh, hình ảnh và video
Các dịch vụ đa phương thức sử dụng đơn vị và mức giá khác nhau. Đừng ước tính quy trình giọng nói hoặc hình ảnh dựa trên bảng token văn bản.
Thử lại và nhiều phương án
Mỗi lần thử lại là một lần thử có tính phí khác. Nhiều phần hoàn thành hoặc phương án cũng có thể làm tăng số token được tạo. Hãy ghi nhận các lần thử ở thượng nguồn, không chỉ các yêu cầu mà người dùng nhìn thấy.
Bảy cách giảm chi phí OpenAI API
- Định tuyến theo khối lượng công việc. Sử dụng mô hình nhỏ nhất đáp ứng các kiểm tra về chất lượng và hợp đồng của tác vụ.
- Lưu đệm các tiền tố ổn định. Đặt các hướng dẫn có thể tái sử dụng, schema công cụ và ngữ cảnh dùng chung ở đầu khi API và mô hình hỗ trợ lưu đệm.
- Kiểm soát độ dài đầu ra. Đặt giới hạn đầu ra thực tế và yêu cầu schema ngắn gọn thay vì văn xuôi mở.
- Dùng Batch hoặc Flex cho công việc có thể trì hoãn. Chuyển các hoạt động đánh giá, bổ sung dữ liệu và tác vụ ngoại tuyến khác khỏi các cấp tương tác khi hợp đồng vận hành cho phép.
- Giới hạn số lần thử lại. Phân loại lỗi xác thực, xác minh, hạn mức, hết thời gian chờ và lỗi thượng nguồn trước khi thử lại.
- Đo lường kết quả được chấp nhận. Bao gồm JSON không hợp lệ, lệnh gọi công cụ thất bại, sửa chữa thủ công và lưu lượng dự phòng trong chỉ số chi phí.
- Đánh giá công cụ riêng biệt. Theo dõi tìm kiếm web, tìm kiếm tệp, container, phương tiện và vòng lặp agent như các yếu tố tạo chi phí riêng.
Để có khung công việc toàn diện hơn, hãy sử dụng hướng dẫn tối ưu hóa chi phí AI API.
OpenAI API trực tiếp hay cổng đa mô hình?
Truy cập OpenAI trực tiếp thường là lựa chọn rõ ràng nhất khi sản phẩm của bạn phụ thuộc vào các tính năng gốc của OpenAI, một nhà cung cấp là đủ và nhóm có thể thoải mái quản lý tài khoản, khóa, mức sử dụng và phương án dự phòng.
Một cổng đa mô hình hữu ích khi ứng dụng cần OpenAI cùng với Claude, Gemini, DeepSeek, Qwen, các mô hình hình ảnh, âm thanh hoặc video, đồng thời muốn có một khóa hướng đến ứng dụng, một base URL tương thích và một giao diện xem xét mức sử dụng.
Không nên đánh giá Flatkey chỉ dựa vào việc một mức giá niêm yết có thấp hơn hay không. Hãy so sánh toàn bộ quy trình:
- khả năng cung cấp mô hình và ID mô hình chính xác;
- khả năng tương thích endpoint và tính năng;
- tỷ lệ yêu cầu thành công và đầu ra được chấp nhận;
- độ trễ, số lần thử lại và hành vi dự phòng;
- khả năng hiển thị mức sử dụng và phân bổ chi phí;
- vận hành tài khoản và thanh toán của nhà cung cấp;
- công sức khôi phục.
Xem danh mục mô hình Flatkey và trang giá trực tiếp, sau đó thử nghiệm một khối lượng công việc có thể đảo ngược trước khi chuyển lưu lượng vận hành.
Danh sách kiểm tra chi phí OpenAI API
Trước khi phê duyệt ngân sách, hãy xác nhận:
- [ ] ID mô hình và cấp dịch vụ được nêu rõ.
- [ ] Lưu lượng ngữ cảnh ngắn và dài được dự báo riêng.
- [ ] Đầu vào được lưu đệm và các lượt ghi bộ nhớ đệm được đo lường riêng.
- [ ] Token đầu ra và token suy luận được tính đến.
- [ ] Chi phí công cụ, phương tiện và vùng chứa được tính đến.
- [ ] Các lần thử lại và thử nghiệm phương án dự phòng được tính.
- [ ] Phần tăng thêm theo khu vực hoặc FedRAMP được tính khi áp dụng.
- [ ] Chi phí được đo lường trên mỗi tác vụ được chấp nhận, không chỉ trên mỗi yêu cầu.
- [ ] Bảng giá có ngày kiểm tra và người phụ trách cập nhật.
- [ ] Có cảnh báo sử dụng và quy trình hoàn tác trước khi ra mắt.
Để xem mọi mức giá token hiện tại của GPT-6 và GPT-5.6, bao gồm Batch, Flex và đầu vào được lưu đệm, hãy xem hướng dẫn định giá OpenAI API của chúng tôi.
Để biết OpenAI so sánh như thế nào với Claude, Gemini, Qwen, DeepSeek và Kimi, hãy đọc bản so sánh giá AI API của chúng tôi.
Các prompt dài, lặp lại là nơi dễ tiết kiệm nhất; hướng dẫn lưu đệm prompt OpenAI của chúng tôi giải thích về mức giá đọc và ghi, TTL cũng như phép tính điểm hòa vốn.
Câu hỏi thường gặp
Làm thế nào để tính chi phí OpenAI API?
Nhân từng loại token với giá của loại đó trên 1 triệu token, sau đó cộng các chi phí công cụ, phương tiện, vùng chứa, khu vực, thử lại và dự phòng. Tách riêng token đầu vào không lưu đệm, đầu vào được lưu đệm, lượt ghi bộ nhớ đệm và token đầu ra.
Responses API có đắt hơn Chat Completions không?
OpenAI cho biết các endpoint không được định giá riêng; token được tính phí theo mức giá của mô hình đã chọn. Tổng chi phí vẫn có thể khác nếu một phương án triển khai sử dụng nhiều ngữ cảnh, suy luận, công cụ hoặc đầu ra hơn.
Mô hình OpenAI API rẻ nhất là gì?
Bảng giá trực tiếp hiện hiển thị GPT-6 Luna với mức giá token chủ lực thấp nhất. Điều đó không khiến nó trở thành lựa chọn rẻ nhất cho mọi tác vụ. Hãy kiểm tra chất lượng và tính chi phí trên mỗi kết quả được chấp nhận.
Lưu đệm prompt có giảm chi phí OpenAI API không?
Có thể giảm chi phí đầu vào lặp lại khi một yêu cầu được áp dụng mức giá đầu vào được lưu đệm. Hãy tính cả chi phí ghi bộ nhớ đệm và tỷ lệ trúng bộ nhớ đệm thực tế trước khi dự báo khoản tiết kiệm.
Tại sao hóa đơn OpenAI của tôi cao hơn ước tính token?
Các nguyên nhân phổ biến gồm định giá ngữ cảnh dài, ghi bộ nhớ đệm, suy luận hoặc đầu ra dài, công cụ, vùng chứa, phương tiện, thử lại, nhiều phương án ứng viên, lệnh gọi dự phòng và xử lý theo khu vực.
Một giải pháp thay thế OpenAI API có thể giảm chi phí không?
Có thể. Một nhà cung cấp, gateway, proxy tự lưu trữ hoặc mô hình nhỏ hơn có thể giảm một thành phần chi phí, nhưng công việc di chuyển, thử lại, lỗi chất lượng và vận hành cũng cần được tính đến. Hãy sử dụng hướng dẫn di chuyển sang các giải pháp thay thế OpenAI API và đo điểm chuẩn trên cùng một khối lượng công việc.
Nguồn
- Định giá OpenAI API, kiểm tra ngày 12 tháng 10 năm 2026.
- Hướng dẫn lưu đệm prompt OpenAI, kiểm tra ngày 12 tháng 10 năm 2026.
- Giải thích của OpenAI về cách đếm token và định giá, kiểm tra ngày 12 tháng 10 năm 2026.
Giá là ảnh chụp tại một thời điểm, không phải báo giá cố định. Hãy xác minh trang OpenAI chính thức và giao diện định giá Flatkey trực tiếp trước khi ra mắt.
