API Qwen giá rẻ: chi phí do bậc, chế độ và cache quyết định
Ý chính
- Qwen không bán bằng một mức giá. Model Studio tách giá đầu vào và đầu ra, và với nhiều mô hình mức giá đầu vào phụ thuộc số token của một yêu cầu — toàn bộ token trong yêu cầu đó được tính theo mức của bậc mà nó rơi vào.
- Chế độ suy luận và không suy luận là hai sản phẩm khác nhau. Với dòng Max, giá đầu ra gồm cả chuỗi suy luận lẫn câu trả lời, nên một câu trả lời ngắn vẫn có thể mang chi phí dài.
- Batch là mức giảm 50% được công bố ở những mô hình hỗ trợ, và cache ngữ cảnh tính một lần cache khớp ở mức nhỏ hơn giá đầu vào, trong khi tạo cache lại đắt hơn giá đầu vào chuẩn.
- Endpoint tương thích OpenAI chính thức vẫn cần khóa gắn khu vực. Khóa tạo ở khu vực này bị endpoint khu vực khác từ chối bằng lỗi 401 trông như khóa hỏng.
- Trên KuaiAPI, Qwen phục vụ qua cổng tương thích OpenAI, trong một nhóm có danh sách mô hình công khai. Số bạn trả là giá chính thức nhân hệ số nhóm, thấy được trước khi nạp tiền.
Vì sao "api qwen giá rẻ" là một ma trận
Qwen đã thành lựa chọn tiết kiệm mặc định cho nhiều việc không cần mô hình mạnh nhất: phân loại, trích xuất, tóm tắt, hỗ trợ code thường ngày, và nửa rẻ hơn trong một vòng lặp agent. Tìm cách gọi rẻ là phản xạ hợp lý, và thị trường đã trả lời — các nhà cung cấp suy luận, router và bên bán lại đều xếp hạng cho đúng cụm từ này bằng trang Qwen riêng.
Cụm từ đó vẫn che một vấn đề. Qwen bán theo ma trận: loại token, bậc, chế độ, hành vi cache, và khu vực mà khóa thuộc về. Ma trận đó công khai trên trang giá của nhà cung cấp. Đọc mất năm phút. Bỏ qua là cách một báo giá trông rẻ biến thành hóa đơn cao gấp mấy lần ước tính.
Một yêu cầu, nhiều mức giá
Model Studio áp bậc giá trên một số mô hình theo tổng token đầu vào của một yêu cầu. Nếu mô hình có hai bậc — ví dụ tới 32K và tới 1M — một yêu cầu mang 100K token đầu vào rơi vào bậc thứ hai, và mọi token trong yêu cầu đó được tính theo mức của bậc thứ hai. Đó không phải giá trộn, cũng không phải trung bình theo từng tin nhắn.
| Bạn gửi gì | Rơi vào bậc nào | Tác động lên chi phí |
|---|---|---|
| prompt ngắn, vài tệp | bậc thấp | mức giá quảng cáo được áp |
| tài liệu dài hoặc toàn bộ ngữ cảnh repo | bậc cao | cả yêu cầu chuyển sang mức cao hơn |
| hội thoại gửi lại mỗi lượt | tăng dần mỗi lượt | lượt cuối có thể vượt bậc dù phía bạn không đổi gì |
Hai hệ quả. Thứ nhất, chia việc lớn thành nhiều yêu cầu nhỏ có thể rẻ hơn gửi một lần — nhưng chỉ khi chất lượng mô hình giữ được trên các phần nhỏ. Thứ hai, một cuộc chat giữ toàn bộ lịch sử sẽ trôi lên; bậc do yêu cầu quyết định, không do gói bạn mua.
Cách kiểm tra: lấy một yêu cầu thật, đọc số token đầu vào trong khối usage, rồi so với các ranh giới bậc trên trang giá. Nếu bạn đang gần ranh giới, chạy lại cùng prompt đã cắt bớt và xem số trừ có giảm không tương xứng — đó là bậc đang dịch chuyển, không phải mô hình rẻ đi.
Chế độ suy luận là đồng hồ thứ hai
Dòng Max chạy ở hai chế độ: không suy luận và suy luận, và giá đầu ra gồm chuỗi suy luận cộng câu trả lời. Nghĩa là đồng hồ đếm cả phần suy luận bạn không nhìn thấy trong câu trả lời. Với một câu trả lời ngắn, phần đó có thể chiếm phần lớn chi phí: hai đoạn đầu ra có thể mang theo một bản ghi suy luận dài.
Đây là chỗ hay bị bỏ nhất trong một ước tính "Qwen giá rẻ". Người ta tính theo câu trả lời đọc được; hóa đơn gồm cả phần suy luận không đọc được. Với việc mà câu trả lời ngắn nhưng suy luận dài — trích xuất theo quy tắc, phân loại có ca biên, review code — công tắc chế độ quan trọng hơn việc chọn mô hình.
Cách kiểm tra: chạy một prompt ở chế độ suy luận, đọc số token đầu ra, so với độ dài câu trả lời. Khoảng chênh là phần suy luận. Sau đó chạy lại cùng prompt với mức suy luận thấp hơn và so cả khoảng chênh lẫn chất lượng câu trả lời. Chỉ giữ mức thấp ở nơi chất lượng không đổi.
Batch và cache: hai mức giảm tự lấy được
Hai mức giảm nằm ngay trên trang chính thức và không cần bên thứ ba.
Batch là mức giảm 50% được công bố ở các mô hình hỗ trợ suy luận batch, dành cho việc có thể chờ. Trích xuất ban đêm, gán nhãn lại hàng loạt và chạy đánh giá là chỗ hợp tự nhiên. Nếu việc phải trả lời trong vài giây thì đó không phải việc batch, và so giá batch với giá tương tác không phải là so sánh.
Cache ngữ cảnh đổi cách tính của các prompt lặp lại. Phần đầu được cache khớp tính ở mức nhỏ hơn giá đầu vào chuẩn — trong ví dụ công bố, một lần khớp khoảng một phần mười giá đầu vào — trong khi tạo cache rõ ràng tốn hơn giá đầu vào chuẩn. Nhà cung cấp cũng ghi rõ giảm giá batch và cache không áp dụng đồng thời, nên chọn cái khớp với công việc.
Điều đó đổi nghĩa thực tế của chữ "rẻ". Hai nhóm gọi cùng một mô hình, cùng mức giá niêm yết, có thể trả hai số rất khác: một bên gửi khối hệ thống lớn, ổn định ở mọi lần gọi và để nó cache; bên kia dựng lại prompt mỗi lần và trả đủ giá đầu vào mãi mãi.
Cách kiểm tra: đặt phần ổn định lên đầu, giữ nguyên từng byte giữa các lần gọi, và gửi các lần gọi gần nhau. Rồi mở chi tiết usage: nếu trường token cache khớp vẫn bằng không qua những lần lẽ ra giống nhau, phần đầu đang đổi hoặc cache chưa từng được tạo. Sửa phần đầu trước khi đi tìm nhà cung cấp rẻ hơn.
Cột khu vực đổi con số
Cùng một model ID không có cùng giá ở mọi nơi. Model Studio liệt kê bảng riêng cho Singapore, Bắc Kinh, Hồng Kông, Frankfurt, Virginia và Nhật Bản, và cùng một mô hình có thể nằm ở mức khác nhau tùy phạm vi triển khai — quốc tế, toàn cầu, hay Mỹ. Một số khu vực còn có giá ban đêm giới hạn theo khung giờ địa phương.
Có một cái bẫy sắc hơn: khóa API gắn với khu vực đã tạo khóa. Gọi endpoint của khu vực khác bằng khóa đó trả 401 với invalid_api_key và "Incorrect API key provided". Lỗi đó trông như vấn đề quyền và thực ra là lệch khu vực.
Cách kiểm tra: trước khi so báo giá, đọc cột khu vực chứ không chỉ dòng mô hình. Rồi xác nhận khóa bạn giữ được tạo ở cùng khu vực với endpoint bạn gọi. Nếu một yêu cầu lỗi xác thực trên khóa bạn biết là hợp lệ, hãy kiểm khu vực trước khi đổi khóa.
Trên KuaiAPI thì thế nào
Trên KuaiAPI, Qwen chạy qua cổng tương thích OpenAI, nên tích hợp là thứ hầu hết SDK đã nói: trỏ base URL về cổng, giữ client, đặt tên model. Các mô hình Qwen nằm trong nhóm mô hình Trung Quốc cùng các dòng khác, và danh sách mô hình của nhóm đó công khai trên bảng mô hình.
Cách tính phí là cách dùng chung trên site: giá chính thức nhân hệ số nhóm, với token đầu vào, đầu ra và cache đếm riêng, và một dòng usage cho mỗi yêu cầu. Yêu cầu thất bại không bị trừ phí, và số dư được coi là tài sản thay vì khuyến mại hết hạn. Đó là các câu đã công bố, không phải lời hứa viết riêng cho bài này.
Điều bạn không phải quản là khóa gắn khu vực. Một khóa phủ dòng Qwen và các dòng khác trong nhóm, và bảng mô hình hiện hệ số nhóm trước khi bạn nạp tiền. Nếu cần con số hiện tại, đọc ở đó — bài này cố ý không mang con số nào, vì một con số chép vào bài sẽ sai ngay tuần sau.
Danh sách kiểm trước khi trả tiền
| # | Điều kiểm | Câu trả lời tốt |
|---|---|---|
| 1 | Danh sách mô hình có công khai? | Các biến thể Qwen bạn cần đọc được mà không cần đăng nhập, kèm nhóm của chúng |
| 2 | Dòng đầu ra có nói rõ phần suy luận? | Nhà cung cấp nói đầu ra gồm chuỗi suy luận, không chỉ câu trả lời nhìn thấy |
| 3 | Cache có nhìn thấy được? | Có trường token cache khớp trong khối usage, và có quy tắc tạo cache |
| 4 | Bậc có được gọi tên? | Bạn biết báo giá là standard, batch hay mức theo bậc |
| 5 | Khu vực của khóa có khớp endpoint? | Nhà cung cấp nêu quy tắc khu vực, và một lần gọi thử từ phía bạn thành công |
| 6 | Giao thức client có khớp nhóm? | Client tương thích OpenAI và nhóm tương thích OpenAI, hoặc có cầu nối được ghi rõ |
Câu hỏi thường gặp
API Qwen có miễn phí không? Một phần. Model Studio có hạn mức miễn phí ở một số mô hình, gắn với khu vực và thời hạn tính từ lúc kích hoạt. Đó là chỗ tốt để thử và là nền dở cho lưu lượng sản xuất mang dữ liệu khách hàng. Coi hạn mức miễn phí là bản dùng thử, không phải giá.
API Qwen giá bao nhiêu? Không có một con số. Hóa đơn là bậc đầu vào × chế độ × batch hoặc cache × khu vực, và báo giá duy nhất đáng tin là trang hiện tại của nhà cung cấp. Một con số một dòng từ bên bán lại thường đang trả lời câu đơn giản hơn câu bạn hỏi. API key Kimi giá rẻ đi qua đúng ma trận đó trên một dòng chi phí thấp khác.
Có thể gọi Qwen bằng SDK OpenAI hiện có không? Có. Model Studio công bố endpoint tương thích OpenAI, nên thay đổi chỉ là API Key, base URL và tên model. Trên KuaiAPI, nhóm Qwen cũng phục vụ qua cổng tương thích OpenAI, nên cùng client đó chạy với base URL của cổng mà không phải sửa code.
Vì sao chi phí cao hơn độ dài câu trả lời? Ba lý do quen thuộc: token suy luận được tính như đầu ra, toàn bộ hội thoại được gửi lại mỗi lượt và vượt bậc, và phần đầu cứ đổi thì không bao giờ được cache. Khối usage tách cả ba, nên đó là nơi xem trước tiên.
Bước tiếp theo
Bảng mô hình công khai giá từng mô hình và hệ số từng nhóm mà không cần đăng nhập, để dòng Qwen và nhóm của nó nhìn thấy được trước khi cam kết. Trang trạng thái cho biết từng nhóm đang chạy thế nào lúc này, và trang hoàn tiền ghi rõ đường xử lý nếu bạn dừng.
Cho các quyết định lân cận, Một khóa API cho mọi mô hình nói về cấu hình client khi một khóa phải phục vụ nhiều công cụ, API key Gemini giá rẻ áp đúng cách kiểm cấu trúc chi phí lên một dòng khác, và tài liệu tiếng Việt trình bày endpoint cùng cách cấu hình khóa.