Token là một mảnh của từ, không phải một từ
Mô hình không đọc từng chữ cái và cũng không đọc từng từ. Trước khi tin nhắn của bạn đến được mô hình, một bộ tokenizer sẽ tách nó thành các mảnh lấy từ một bộ từ vựng cố định gồm hàng chục nghìn mảnh. Từ thông dụng là một token. Từ hiếm là hai hoặc ba token. "The" là một token; "tokenization" thường là hai hoặc ba; một URL dài có thể là hàng chục token.
Quy tắc ước lượng mà OpenAI công bố cho văn bản tiếng Anh: một token dài khoảng bốn ký tự, tức khoảng ba phần tư một từ. Vậy 100 token là khoảng 75 từ, và 1.000 token là một trang rưỡi.
Có hai yếu tố khiến con số này thay đổi. Code dày đặc hơn, gần một token trên ba ký tự, vì có nhiều ký hiệu và thụt lề. Và các ngôn ngữ ít xuất hiện trong dữ liệu huấn luyện của tokenizer sẽ tốn nhiều token hơn: cùng một nội dung viết bằng tiếng Thái, tiếng Hindi hay tiếng Ả Rập có thể chiếm gấp hai đến ba lần số token so với bản tiếng Anh, điều này quan trọng nếu bạn trả phí theo token và viết bằng một trong các ngôn ngữ đó.
Bạn có thể tự kiểm chứng. Dán bất kỳ đoạn văn bản nào vào công cụ tính chi phí token và nó sẽ hiển thị số token cùng mức giá trên từng mô hình.
Token đầu vào và token đầu ra là hai mức giá khác nhau
Mỗi tin nhắn có hai nửa. Token đầu vào là tất cả những gì mô hình đọc: câu hỏi của bạn, chỉ dẫn hệ thống, toàn bộ cuộc trò chuyện trước đó, mọi tệp bạn đính kèm. Token đầu ra là những gì mô hình viết ra để trả lời.
Các nhà cung cấp tính phí hai loại này ở mức khác nhau, và khoảng cách không hề nhỏ. Bảng dưới đây là giá niêm yết trên mỗi triệu token, lấy từ chỉ số chi phí mô hình AI, với giá được lấy từ OpenRouter vào ngày 2026-08-20.
| Mô hình | Đầu vào, $ trên một triệu | Đầu ra, $ trên một triệu | Tỷ lệ đầu ra trên đầu vào |
|---|---|---|---|
| GPT-5.6 Luna | $0.20 | $1.20 | 6x |
| Gemini 3.7 Flash | $0.375 | $1.875 | 5x |
| Claude Haiku 4.5 | $1 | $5 | 5x |
| Claude Sonnet 5 | $2 | $10 | 5x |
| GPT-5.6 Terra | $2 | $12 | 6x |
| Claude Opus 5 | $5 | $25 | 5x |
| GPT-5.5 | $5 | $30 | 6x |
Đầu ra đắt hơn là do cách mô hình vận hành. Đọc đầu vào diễn ra trong một lượt xử lý song song qua toàn bộ token cùng lúc. Viết đầu ra diễn ra từng token một, mỗi token mới đòi hỏi một lượt xử lý riêng qua toàn bộ mô hình. Một câu trả lời 500 token là 500 lượt xử lý tuần tự.
Một tin nhắn thực tế tốn bao nhiêu, tính chi tiết
Lấy một đoạn trao đổi điển hình: một câu hỏi 300 từ kèm một đoạn ngữ cảnh, được trả lời trong 400 từ. Đó là khoảng 400 token đầu vào và 530 token đầu ra.
- Trên GPT-5.6 Luna: 400 × $0.20 trên một triệu cộng 530 × $1.20 trên một triệu, tức $0.00008 cộng $0.00064, khoảng $0.0007. Bảy phần trăm của một cent.
- Trên Claude Sonnet 5: 400 × $2 cộng 530 × $10, trên một triệu, tức $0.0008 cộng $0.0053, khoảng $0.006. Nhỉnh hơn nửa cent một chút.
- Trên GPT-5.5: 400 × $5 cộng 530 × $30, trên một triệu, tức $0.002 cộng $0.0159, khoảng $0.018. Gần hai cent.
Hãy để ý rằng nửa đầu ra chiếm 80 đến 90 phần trăm hóa đơn ở mọi hàng. Hình dạng của tin nhắn, chứ không chỉ mô hình, mới quyết định chi phí: một câu hỏi một dòng yêu cầu bài luận 2.000 từ là kiểu tốn kém nhất, còn một tài liệu dài kèm một câu hỏi ngắn về nó là kiểu rẻ nhất trên cùng một mô hình.
Nhìn rộng ra, độ chênh lệch trên toàn bộ danh mục mới là điều đáng nói. Mọi mô hình được niêm yết giá trong chỉ số chi phí mô hình AI đều nằm trên đường biểu diễn dưới đây theo chi phí của một câu trả lời chuẩn. Rẻ nhất, Ling-3.0-flash, là $0.000053; đắt nhất, Claude Opus 4.7 ở chế độ nhanh, là $0.105: chênh nhau khoảng 2.000 lần cho cùng 1.500 token.
Yếu tố nhân đôi thứ hai là lịch sử. Trong một cuộc trò chuyện, mô hình đọc lại toàn bộ nội dung trước đó ở mỗi lượt, nên số token đầu vào tăng dần theo từng tin nhắn. Một cuộc trò chuyện 40 lượt gửi lại tin nhắn đầu tiên 40 lần. Đó là lý do các luồng chat dài trở nên chậm, và cũng là lý do cửa sổ ngữ cảnh là gì chính là giới hạn mà bạn sẽ chạm tới.
Vì sao gói thuê bao che giấu chiếc đồng hồ đo nhưng không loại bỏ nó
Các gói dành cho người dùng phổ thông tính một mức phí cố định hàng tháng, và bên dưới mức phí đó, mọi nhà cung cấp vẫn đang đếm token. Con số đó hiện ra dưới dạng giới hạn số tin nhắn, thông báo "bạn đã đạt giới hạn", và việc âm thầm chuyển sang mô hình nhỏ hơn khi ngân sách sắp cạn.
Whizi đo ngược lại. Mỗi mô hình có một mức giá credit cố định cho mỗi tin nhắn: 1 credit cho mô hình mặc định của Whizi, 10 cho Claude Sonnet 5, 20 cho Claude Opus 5 và GPT-5.5, và 100 ở bậc cao nhất của thang giá. Con số này không bao giờ phụ thuộc vào độ dài của tin nhắn hay câu trả lời. Thang giá được neo theo một lượt token thực tế, 3.000 token vào và 800 token ra trên mô hình mặc định, tốn khoảng $0.00156 chi phí từ nhà cung cấp và định nghĩa một credit. Cách hoạt động của credit Whizi có đầy đủ bảng chi tiết.
Đây là một sự đánh đổi có chủ đích. Đồng hồ đo theo token thì chính xác nhưng khó đoán trước; credit theo tin nhắn thì hơi hào phóng với tin nhắn dài và hơi eo hẹp với tin nhắn ngắn, nhưng bạn luôn biết giá trước khi nhấn gửi.
Token cũng là giới hạn dung lượng
Lý do thứ hai khiến token quan trọng là dung lượng. Mỗi mô hình có một cửa sổ ngữ cảnh được đo bằng token: mức tối đa mà nó có thể xem xét cùng lúc, gồm cả đầu vào và đầu ra. Claude Haiku 4.5 giữ được 200.000 token. GPT-5.6 Terra, Claude Sonnet 5 và Gemini 3.7 Flash giữ được khoảng 1 triệu token. Với tỷ lệ 750 từ trên 1.000 token, một triệu token tương đương khoảng 750.000 từ, hay khoảng 1.500 trang.
Cửa sổ này không miễn phí. Lấp đầy nó tốn token đầu vào ở mỗi lượt, nên một tài liệu 300.000 token được hỏi mười câu hỏi sẽ tiêu tốn 3 triệu token đầu vào, tương đương $6 trên Claude Sonnet 5 theo giá niêm yết. Truy xuất (retrieval), khi ứng dụng tìm kiếm trong tài liệu và chỉ gửi những trang liên quan, ra đời chính là để tránh khoản chi đó. RAG là gì giải thích cơ chế này, và so sánh cửa sổ ngữ cảnh có giới hạn của từng mô hình trong một bảng. Chỉ gửi những trang mà câu hỏi cần, không bao giờ gửi cả tệp.
- Ước tính token theo bốn ký tự mỗi token cho tiếng Anh, ba ký tự cho code, và nhân đôi hoặc gấp ba với các ngôn ngữ ít phổ biến hơn
- Giả định đầu ra tốn gấp năm đến sáu lần đầu vào, nên giữ độ dài câu trả lời khớp với nhu cầu thực tế
- Bắt đầu một cuộc trò chuyện mới khi luồng chat trở nên dài; mỗi lượt đều gửi lại toàn bộ lịch sử
- Chỉ gửi những trang liên quan của một tài liệu dài, hoặc dùng một công cụ tự truy xuất giúp bạn, thay vì gửi cả tệp ở mỗi câu hỏi
- Kiểm tra giá mỗi tin nhắn trước khi chọn mô hình; mô hình cao cấp nhất tốn gấp 5 đến 25 lần mô hình nhỏ trong cùng dòng
Câu hỏi thường gặp
Một từ có bao nhiêu token?
Trung bình khoảng 1,3 token cho mỗi từ tiếng Anh, hay ba phần tư từ trên mỗi token. Từ ngắn và thông dụng là một token; từ dài hoặc hiếm hơn tách thành hai token trở lên. Quy tắc ước lượng mà OpenAI công bố là bốn ký tự trên một token, nghĩa là 1.000 token tương đương khoảng 750 từ.
Vì sao token đầu ra đắt hơn token đầu vào?
Vì mô hình tạo ra đầu ra từng token một, và mỗi token cần một lượt xử lý đầy đủ qua toàn bộ mạng, trong khi nó đọc đầu vào chỉ trong một lượt song song. Trên các mô hình lớn, mức giá đầu ra gấp năm đến sáu lần mức giá đầu vào: $2 cho đầu vào và $10 cho đầu ra trên một triệu token với Claude Sonnet 5, $5 vào và $30 ra với GPT-5.5, theo giá niêm yết của OpenRouter lấy ngày 2026-08-20.
Gói thuê bao có tính phí theo token không?
Không phải trên hóa đơn, nhưng bên dưới thì có. Các gói phí cố định đặt ra giới hạn tin nhắn và âm thầm chuyển bạn sang mô hình nhỏ hơn khi ngân sách sắp cạn, cả hai đều là cách tính token trá hình. Whizi tính một số credit cố định cho mỗi tin nhắn thay vì vậy, từ 1 credit trên mô hình mặc định đến 20 trên Claude Opus 5 và GPT-5.5, nên bạn biết giá trước khi gửi.
1.000 token tương đương bao nhiêu từ?
Khoảng 750 từ văn xuôi tiếng Anh, tức khoảng một trang rưỡi. Code dày đặc hơn, gần 600 từ code trên 1.000 token, còn văn bản ở những ngôn ngữ mà tokenizer xử lý kém hiệu quả hơn có thể chỉ còn 300 đến 400 từ cho cùng 1.000 token.
Token có giống nhau giữa ChatGPT, Claude và Gemini không?
Không. Mỗi dòng mô hình có bộ tokenizer riêng với bộ từ vựng riêng, nên cùng một câu có thể được đếm khác nhau ở mỗi mô hình. Quy tắc bốn ký tự vẫn đúng cho tất cả như một cách ước lượng. Để có con số chính xác trên một mô hình cụ thể, hãy dán văn bản vào một công cụ tokenizer.
