Grok API do xAI cung cấp, tính phí theo token, đầu vào và đầu ra tính giá riêng. Nhiều đội ngũ lập ngân sách chỉ nhìn đơn giá mô hình, đến khi lên sản xuất mới thấy hóa đơn lệch xa ước tính: tin nhắn lịch sử truyền lại mỗi lượt, đầu ra viết quá dài, thử lại không lùi, tài liệu dài nạp lặp, đều khuếch đại chi phí.
Bài viết không ghi cố định đơn giá nào, mà bóc tách cấu trúc tính phí của Grok API, đưa một phương pháp đo có thể tái hiện và thứ tự kiểm soát chi phí. Đơn giá cụ thể, mô hình khả dụng và độ dài ngữ cảnh căn cứ theo tài liệu chính thức xAI và giá mô hình trên trang.
Lưu ý: xAI và Grok là nhãn hiệu của chủ sở hữu tương ứng; bài viết chỉ nhằm giới thiệu kỹ thuật. Tên mô hình, giao diện và giá có thể điều chỉnh; trước khi mua, hãy kiểm tra trang chính thức và giá mô hình trên trang.
1. Hóa đơn Grok API gồm những phần nào
Grok API dùng dạng Chat Completions tương thích OpenAI; hóa đơn thường chủ yếu là token đầu vào và token đầu ra. Trong dự án thực tế, còn phải tính cả bộ nhớ đệm, gọi công cụ, ngữ cảnh dài và thử lại thất bại.
| Khoản tính phí | Khi nào phát sinh | Yếu tố khuếch đại phổ biến | Cách kiểm soát |
|---|---|---|---|
| Token đầu vào | System prompt, tin nhắn lịch sử, định nghĩa công cụ, tài liệu | Mỗi lượt truyền lại toàn bộ lịch sử | Tóm tắt, cắt bớt, truy xuất |
| Đầu vào bộ nhớ đệm | Dùng lại cùng tiền tố | Tiền tố không ổn định nên không trúng | Cố định system và thứ tự công cụ |
| Token đầu ra | Nội dung mô hình sinh | Trả lời dài dòng, định dạng không kiểm soát | Đặt max_tokens, đầu ra có cấu trúc |
| Gọi công cụ | Gọi hàm, tìm kiếm và năng lực bổ trợ | Vòng lặp nhiều lượt, truy vấn lặp | Giới hạn số lượt, lưu kết quả |
| Ngữ cảnh dài | Tài liệu dài, hội thoại dài | Nhét cả kho, đọc lặp | Chia đoạn, chỉ lấy đoạn liên quan |
| Thử lại | Gửi lại sau 429, quá thời gian | Không lùi, đồng thời quá cao | Lùi cấp số nhân, kiểm tra idempotent |
Các mô hình và năng lực khác nhau có thể có cách tính riêng, ví dụ đầu vào bộ nhớ đệm có tính phí không, gọi công cụ có tính riêng không; đều phải căn cứ theo hướng dẫn tính phí chính thức của xAI. Khi lập ngân sách, xác nhận các khoản mình dùng trước, rồi mới bàn đơn giá.
2. Cùng số lần gọi, vì sao hóa đơn chênh nhiều lần
Số lần gọi giống nhau, hóa đơn có thể hoàn toàn khác. Chênh lệch thường đến từ sáu chỗ:
- Tỷ lệ đầu vào đầu ra: chatbot chăm sóc khách hàng đầu vào nhiều, đầu ra trung bình; tạo nội dung đầu vào ngắn, đầu ra dài. Cấu trúc chi phí hai bên không thể ước bằng cùng một giá trị trung bình.
- Tích lũy ngữ cảnh: hội thoại nhiều lượt mang toàn bộ lịch sử mỗi lượt, token đầu vào tăng nhanh theo số lượt.
- Tỷ lệ trúng bộ nhớ đệm: tiền tố cố định có thể tái sử dụng; dấu thời gian, ID ngẫu nhiên, danh sách công cụ động làm bộ nhớ đệm mất hiệu lực.
- Bậc mô hình: các mô hình Grok khác nhau về năng lực và đơn giá; dùng mô hình cao cấp cho tác vụ đơn giản sẽ khuếch đại ngân sách.
- Số lần thử lại: mỗi lần thử lại là một yêu cầu mới; gửi lại ngay sau 429 dễ tạo bão thử lại.
- Độ dài đầu ra: đơn giá đầu ra thường cao hơn đầu vào; câu trả lời dài, giải thích lặp và định dạng không kiểm soát đều làm tăng chi phí.
| Tình huống | Cấu trúc token | Chi phí chính | Hướng tối ưu |
|---|---|---|---|
| Chatbot chăm sóc khách hàng | Đầu vào nhiều, đầu ra trung bình | Tin nhắn lịch sử truyền lặp | Tóm tắt kèm bộ nhớ đệm |
| Trích xuất tài liệu | Đầu vào dài, đầu ra ngắn | Tài liệu bị đọc lặp | Truy xuất kèm mô hình nhỏ |
| Trợ lý mã | Đầu vào đầu ra đều lớn | Kết quả công cụ và quá trình suy nghĩ | Cắt kết quả công cụ, định tuyến mô hình |
| Tạo nội dung | Đầu vào ngắn, đầu ra dài | Token đầu ra | Tạo theo đoạn, giới hạn độ dài |
3. Tính rõ chi phí một yêu cầu
Tách một yêu cầu ra, chi phí có thể biểu diễn bằng công thức:
Chi phí một yêu cầu =
Token đầu vào chưa cache × đơn giá đầu vào
+ Token đầu vào cache × đơn giá cache
+ Token đầu ra × đơn giá đầu ra
+ Phí bổ sung như công cụ hoặc tìm kiếm
Công thức không khó, khó là lấy được số token thật. Đừng đoán theo số chữ, hãy đọc trực tiếp trường usage trong phản hồi:
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["GROK_API_KEY"],
base_url=os.environ.get("GROK_BASE_URL", "https://ai.zhongshangqihang.com/v1"),
)
resp = client.chat.completions.create(
model="grok-4",
messages=[{"role": "user", "content": "Chia yêu cầu này thành năm nhiệm vụ phát triển."}],
max_tokens=512,
)
usage = resp.usage
print("Token đầu vào:", usage.prompt_tokens)
print("Token đầu ra:", usage.completion_tokens)
print("Tổng token:", usage.total_tokens)
Số tiền phải nhân với đơn giá thực tế của tài khoản bạn; đọc đơn giá từ giá mô hình, đừng dùng ảnh chụp vài tháng trước. Tên trường thống kê trúng bộ nhớ đệm có thể khác nhau giữa các bản triển khai tương thích; căn cứ theo phản hồi thực tế.
4. Thứ tự giảm chi phí
Giảm chi phí có trước có sau; đảo thứ tự dễ làm không công. Đề xuất làm theo bảy bước:
- Định lượng đường cơ sở trước: xuất nhật ký yêu cầu thật của tuần gần nhất, thống kê token đầu vào đầu ra theo dự án, mô hình, tình huống; biết tiền đang tiêu ở đâu trước.
- Định tuyến mô hình: phân loại, trích xuất, viết lại đi mô hình nhỏ; suy luận phức tạp mới lên mô hình cao cấp; phân bổ theo độ khó tác vụ chứ không theo thói quen đội ngũ.
- Giảm đầu vào: RAG chỉ truy xuất đoạn liên quan, tóm tắt tin nhắn lịch sử, kết quả công cụ chỉ giữ trường cần thiết.
- Giới hạn đầu ra: đặt
max_tokenshợp lý, yêu cầu JSON hoặc trường cố định, giảm lời chào hỏi và giải thích lặp. - Dùng bộ nhớ đệm: cố định system prompt, định nghĩa công cụ và tiền tố cơ sở tri thức, kiểm chứng bộ nhớ đệm có thực sự trúng không.
- Quản trị thử lại: 429 và quá thời gian dùng lùi cấp số nhân kèm nhiễu ngẫu nhiên, đặt số lần tối đa, tránh thử lại dồn dập theo khoảng cố định.
- Ngân sách và cảnh báo: đặt trần hạn mức theo dự án, rà soát bảng xếp hạng tiêu thụ mỗi tuần, phát hiện tăng bất thường thì định vị kịp thời.
Làm quản trị đầu vào và bộ nhớ đệm trước, rồi mới cân nhắc đổi mô hình rẻ hơn. Nếu không chỉ là làm đầu ra không ổn định rẻ hơn, chi phí làm lại vẫn quay về.
5. Quản lý ngân sách và hóa đơn thế nào
- Một dự án một Key, đặt trần ngân sách theo dự án, tránh nhiều dịch vụ chiếm dụng hạn mức lẫn nhau.
- Nhật ký tối thiểu ghi thời gian, mô hình, token đầu vào đầu ra, mã trạng thái và request ID; không ghi toàn bộ Key và nội dung nhạy cảm.
- Đối chiếu hàng tháng theo ba chiều "dự án, mô hình, tình huống", tìm lệnh gọi tăng nhanh nhất.
- Khoản tiết kiệm từ bộ nhớ đệm, định tuyến mô hình và giới hạn đầu ra phải ghi riêng, nếu không không chứng minh được hiệu quả tối ưu.
- Đội ngũ cần thanh toán nhân dân tệ và hóa đơn VAT có thể dùng cổng AI trong nước để thống nhất hóa đơn; giá cụ thể, tỷ giá và quy tắc hóa đơn căn cứ theo giá mô hình.
Câu hỏi thường gặp
Grok API chỉ có hai khoản phí đầu vào và đầu ra phải không?
Hóa đơn phổ biến chủ yếu là token đầu vào và đầu ra, nhưng đầu vào bộ nhớ đệm, gọi công cụ, tìm kiếm và các năng lực khác có thể có cách tính riêng. Các khoản cụ thể căn cứ theo hướng dẫn tính phí chính thức và chi tiết hóa đơn.
Vì sao ước theo token trung bình không chính xác?
Giá trị trung bình che khuất yêu cầu đuôi dài. Một số ít yêu cầu ngữ cảnh siêu dài, đầu ra dài hoặc thử lại có thể đóng góp phần lớn chi phí. Dùng nhật ký thật xem phân bố đáng tin hơn lấy một con số trung bình nhân số lần gọi.
Bộ nhớ đệm tiết kiệm được bao nhiêu?
Phụ thuộc tỷ lệ tái sử dụng tiền tố và tỷ lệ trúng. Đọc bộ nhớ đệm thường thấp hơn đơn giá đầu vào thường, nhưng ghi bộ nhớ đệm có thể có phụ phí; tiền tố quá ngắn hoặc mỗi lần đều đổi thì không trúng. Hãy xác nhận trúng bằng nhật ký trước rồi mới đánh giá tiết kiệm.
Đầu ra càng dài càng đắt phải không?
Thường đúng, vì token đầu ra tính giá riêng và đơn giá thường cao hơn đầu vào. Giới hạn câu trả lời trong độ dài nghiệp vụ cần và dùng đầu ra có cấu trúc thường có hiệu quả nhanh hơn đổi mô hình.
Đội ngũ trong nước thanh toán bằng nhân dân tệ thế nào?
Có thể gọi Grok qua cổng AI cung cấp nạp tiền nhân dân tệ và hóa đơn VAT, thống nhất hóa đơn nhiều mô hình. Mô hình khả dụng, giá và quy tắc hóa đơn cụ thể căn cứ theo giá mô hình.
Bước tiếp theo
Trước hết tạo Key kiểm thử tại ZSQH AI Gateway, dùng một lô tác vụ thật ghi token đầu vào đầu ra, rồi lập ngân sách theo công thức trên. Mô hình khả dụng và giá căn cứ theo giá mô hình.
Bài viết liên quan:
