Chi phí API Claude Haiku 5.5: Lập ngân sách cho lần thử lại và xử lý phục hồi
Ước tính chi phí quy trình Claude Haiku 5.5 trong môi trường production với các giả định rõ ràng về token, cache, lần thử lại, xử lý phục hồi và mức ngữ cảnh.
Tóm tắt · TL;DR
Một khối lượng công việc minh họa trong môi trường production gồm 100.000 tác vụ, bao gồm các lần thử lại, lệnh gọi phục hồi và số token ghi cache theo giả định, có chi phí $149.59 theo mức giá chính thức được trích dẫn hoặc $44.73 theo mức giá OneMux công bố. Chi phí thực tế phụ thuộc vào mức sử dụng token, cách hoạt động của cache, mức ngữ cảnh và các khoản phí bổ sung.
Điểm chính
- Hãy lập ngân sách theo số lần gọi API, không chỉ theo số tác vụ hoàn thành: các lần thử lại và lệnh gọi phục hồi cũng tiêu thụ token.
- Theo mức giá bậc thấp được trích dẫn, một lệnh gọi có 8.000 token đầu vào, trong đó 80% được đọc từ cache, và 2.000 token đầu ra có chi phí $0.001224 trước phí ghi cache.
- Ước tính chi phí hàng tháng tách riêng ghi cache và đọc cache, đồng thời giả định khối lượng token được tính phí của hai loại này không trùng lặp.
- Prompt trên 100.000 token áp dụng mức giá cao hơn theo nguồn giá được cung cấp; hãy đo toàn bộ prompt, không chỉ tin nhắn mới nhất của người dùng.
- OneMux công bố tỷ lệ giá 0.29900000000000004 cho mô hình này trong bản chụp danh mục có ghi ngày; hóa đơn thực tế cần được đối chiếu với điều khoản và mức sử dụng áp dụng.
Mục lục (10)
Quyết định cần đưa ra: lập ngân sách theo số lần gọi, không phải số tác vụ hoàn thành
Với một quy trình production sử dụng Claude Haiku 5.5, hãy bắt đầu từ chi phí của một lần gọi API thông thường, sau đó cộng thêm các lần thử lại, lệnh gọi phục hồi và ghi cache. Ngân sách chỉ dựa trên các tác vụ thành công sẽ bỏ sót những lệnh gọi có khả năng tăng cao nhất khi xảy ra sự cố.
Trong khối lượng công việc minh họa dưới đây, 100.000 tác vụ mỗi tháng tạo ra 112.000 lần gọi API. Với các giả định về cache đã nêu và khoản dự trù riêng cho ghi cache, chi phí ước tính là $149.59 theo mức giá chính thức được trích dẫn hoặc $44.73 theo mức giá OneMux công bố. Đây là các ước tính chi phí token, không phải báo giá hay cam kết.
Đây là hướng dẫn về chi phí từ OneMux, đơn vị xuất bản đồng thời là sản phẩm được đề cập trong bài. Phép tính này hữu ích dù bạn gọi trực tiếp nhà cung cấp hay sử dụng dịch vụ truy cập mô hình.
Bảng giá tại thời điểm ghi nhận và đơn vị tính phí
Tất cả giá dưới đây tính bằng USD trên mỗi triệu token. Bản chụp danh mục OneMux được ghi nhận vào ngày 12 tháng 11 năm 2026; đây không phải lần kiểm tra giá trực tiếp. Bài đánh giá giá được cung cấp nêu mức giá chính thức cho token thông thường và cache, bao gồm một mức cao hơn cho prompt có trên 100.000 token đầu vào. Hãy kiểm tra điều khoản hiện hành trước khi chốt ngân sách.
| Mức prompt | Đầu vào chính thức | Đầu ra chính thức | Đầu vào OneMux | Đầu ra OneMux | Tỷ lệ giá OneMux so với giá chính thức được công bố |
|---|---|---|---|---|---|
| Đến 100K token đầu vào | $0.10 | $0.50 | $0.0299 | $0.1495 | 0.29900000000000004 |
| Trên 100K token đầu vào | $0.50 | $2.50 | $0.1495 | $0.7475 | 0.29900000000000004 |
Tỷ lệ này là hệ số nhân giá, không phải số tiền tính bằng đô la. Tỷ lệ được giữ nguyên như công bố thay vì làm tròn thành một mức giảm giá. Trang mô hình OneMux liệt kê mức giá riêng cho mô hình này.
Giá cache được tính riêng với giá đầu vào và đầu ra thông thường:
| Mức prompt | Đọc cache chính thức | Ghi cache chính thức | Đọc cache OneMux | Ghi cache OneMux |
|---|---|---|---|---|
| Đến 100K token đầu vào | $0.01 | $0.125 | $0.00299 | $0.037375 |
| Trên 100K token đầu vào | $0.05 | $0.625 | $0.01495 | $0.186875 |
Danh mục cũng liệt kê mức giá riêng cho ghi cache một giờ: $0.20 theo giá chính thức và $0.0598 theo giá OneMux trên mỗi triệu token ở bậc thấp; tương ứng $1.00 và $0.299 ở bậc cao. Ví dụ sử dụng giá ghi tiêu chuẩn, không phải giá một giờ. Xử lý theo khu vực, công cụ và các khoản phí áp dụng khác có thể làm tăng tổng chi phí. Cần xác minh điều kiện sử dụng cache, thời hạn và cách tính phí đối với endpoint và cấu hình bạn sử dụng.
Ước tính hàng tháng có thể tái lập
Giả sử một quy trình phân loại sự kiện vận hành và trả về quyết định có cấu trúc. Các con số sau chỉ mang tính minh họa, không phải hiệu năng đo được hay khuyến nghị tự động hóa một quyết định cụ thể.
| Giả định | Số lượng hàng tháng hoặc cho mỗi lần gọi |
|---|---|
| Tác vụ ban đầu | 100.000 mỗi tháng |
| Lần thử lại bổ sung | 10.000 mỗi tháng |
| Lệnh gọi phục hồi bổ sung | 2.000 mỗi tháng |
| Đầu vào mỗi lần gọi | 8.000 token |
| Đầu vào được đọc từ cache | 80% đầu vào |
| Đầu ra mỗi lần gọi | 2.000 token |
| Ghi cache được tính phí riêng | 100 triệu token mỗi tháng |
Giả định tất cả các lần gọi có cùng cơ cấu token và đều thuộc mức prompt thấp hơn. 100 triệu token ghi cache là một danh mục tính phí riêng: chúng không đồng thời được tính vào token đầu vào thông thường hoặc token đọc cache bên dưới. Cách này giúp đơn giản hóa ví dụ; hãy dùng số lượng thực tế theo từng danh mục tính phí khi có dữ liệu.
Chi phí của một lần gọi
Theo mức giá chính thức ở bậc thấp được trích dẫn, chia 8.000 token đầu vào thành 1.600 token đầu vào thông thường và 6.400 token đọc cache:
- Đầu vào thông thường: 1.600 ÷ 1.000.000 × $0.10 = $0.000160.
- Đọc cache: 6.400 ÷ 1.000.000 × $0.01 = $0.000064.
- Đầu ra: 2.000 ÷ 1.000.000 × $0.50 = $0.001000.
- Tổng cộng: $0.001224 mỗi lần gọi, chưa bao gồm ghi cache.
Con số này tương đương $0.1224 trên mỗi triệu token đầu vào và đầu ra cộng lại, với tỷ lệ đầu vào so với đầu ra 4:1 và giả định 80% đầu vào được đọc từ cache trong ví dụ cụ thể này. Đây không phải mức giá bình quân áp dụng chung: nếu thay đổi độ dài đầu ra hoặc tỷ lệ cache hit, kết quả cũng thay đổi.
Cộng chi phí thử lại, phục hồi và ghi cache
Khối lượng công việc gồm 100.000 + 10.000 + 2.000 = 112.000 lần gọi. Với chi phí $0.001224 mỗi lần, tổng chi phí các lần gọi là $137.088 theo giá chính thức. Khoản giả định riêng cho 100 triệu token ghi cache có giá 100 × $0.125 = $12.50, đưa tổng chi phí lên $149.588, hoặc $149.59 khi làm tròn đến cent.
Áp dụng mức giá OneMux bậc thấp được công bố cho cùng các danh mục:
- Một lần gọi: đầu vào $0.00004784 + đọc cache $0.000019136 + đầu ra $0.000299 = $0.000365976.
- 112.000 lần gọi: $40.989312.
- 100 triệu token ghi cache tiêu chuẩn: $3.7375.
- Tổng cộng: $44.726812, hoặc $44.73 khi làm tròn đến cent.
Để có đơn vị vận hành dễ so sánh, chia cho 100.000 tác vụ ban đầu: xấp xỉ $0.001496 mỗi tác vụ theo mức giá chính thức được trích dẫn và $0.000447 mỗi tác vụ theo mức giá OneMux công bố. Đây là chi phí trên mỗi tác vụ ban đầu, bao gồm số lần gọi bổ sung và ghi cache theo giả định — không phải chi phí trên mỗi tác vụ thành công. Nếu một số tác vụ vẫn chưa được giải quyết, chi phí trên mỗi tác vụ thành công sẽ cao hơn.
Đặt quy tắc thử lại và phục hồi trước khi triển khai
Thử lại là thực hiện thêm một lần cùng thao tác. Lệnh gọi phục hồi là một lần gọi riêng để xử lý kết quả không chắc chắn hoặc không hợp lệ. Cần ghi nhận riêng số lần và số token của từng loại: một prompt phục hồi có kèm bản ghi lỗi có thể lớn hơn prompt ban đầu.
Hãy sử dụng chính sách có giới hạn thay vì thử lại mọi lỗi:
- Phân loại lỗi. Cân nhắc thử lại có giới hạn khi gặp lỗi truyền tải tạm thời hoặc phản hồi giới hạn tốc độ, kết hợp backoff và jitter. Kiểm tra cách endpoint phản hồi và hướng dẫn thử lại trong tài liệu.
- Đặt số lần gọi tối đa và thời hạn. Tính cả lần gọi đầu tiên vào giới hạn. Chuyển các tác vụ đã hết lượt sang hàng đợi hoặc để người vận hành xem xét thay vì lặp vô thời hạn.
- Thận trọng khi trạng thái hoàn thành không rõ ràng. Timeout không chứng minh rằng nhà cung cấp chưa xử lý hoặc một hành động bên ngoài chưa xảy ra. Đối soát kết quả trước khi lặp lại hành động có tác động phụ; sử dụng cơ chế idempotency ở nơi các hệ thống liên quan hỗ trợ.
- Xem đầu ra không hợp lệ là một luồng phục hồi riêng. Kiểm tra phản hồi theo cấu trúc mà ứng dụng yêu cầu. Nếu cho phép lệnh gọi sửa lỗi, hãy giới hạn số lần và xác định cách xử lý nếu lệnh gọi đó cũng thất bại.
- Dự phòng ngân sách sự cố. Theo dõi số lần gọi trên mỗi tác vụ ban đầu, các danh mục token được tính phí, số tác vụ chưa giải quyết và khối lượng ghi cache. Thiết lập cảnh báo khi các chỉ số thay đổi, không chỉ khi nhận hóa đơn cuối tháng.
Đừng mặc định một lần gọi thất bại hoặc bị timeout là miễn phí. Hãy ghi nhận mức sử dụng và khoản phí thực tế được báo cáo; khi không có dữ liệu sử dụng, hãy duy trì một khoản dự phòng thận trọng cho đến khi có thể đối soát hóa đơn.
Theo dõi ngưỡng prompt 100K
Bài đánh giá giá được trích dẫn áp dụng mức ngữ cảnh cao hơn khi đầu vào mỗi request vượt quá 100.000 token. Hãy tính cả chỉ dẫn hệ thống, định nghĩa công cụ, lịch sử hội thoại và tài liệu được truy xuất — không chỉ tin nhắn mới nhất. Theo mức giá được liệt kê, giá đầu vào thông thường, đầu ra, đọc cache và ghi cache tiêu chuẩn ở bậc cao đều gấp năm lần mức tương ứng ở bậc thấp.
Ví dụ, 101.000 token đầu vào thông thường và 2.000 token đầu ra, không sử dụng cache, có giá $0.0555 theo mức giá chính thức bậc cao: $0.0505 cho đầu vào cộng $0.005 cho đầu ra. Một prompt có 100.000 token đầu vào thông thường với cùng lượng đầu ra có giá $0.011 ở bậc thấp. Ví dụ này minh họa ranh giới giữa các mức giá, không khẳng định về phân bố của prompt thực tế.
Hãy đo kích thước prompt trước khi gọi, đặc biệt với các lần thử lại có nối thêm lịch sử. Đặt chính sách cắt bớt hoặc định tuyến các request quá lớn và kiểm tra điều khoản hiện hành của nhà cung cấp về cách áp dụng mức giá.
Trước khi phê duyệt ngân sách
Thay số token trong ví dụ bằng mức sử dụng được tính phí thực tế quan sát được, sau đó tính thử kịch bản cho tháng thông thường và tháng có sự cố. Tách riêng đọc và ghi cache, xác minh mức giá áp dụng cho từng lần gọi và cộng mọi khoản phí không tính theo token. OneMux cung cấp quyền truy cập các mô hình thông qua một API tương thích OpenAI, nhưng khả năng tương thích với một quy trình cụ thể phụ thuộc vào mức hỗ trợ endpoint và tham số được ghi trong tài liệu; ví dụ này không khẳng định rằng một tích hợp đã được kiểm thử.
Nguồn
- LLMLearner: Bảng giá Claude Haiku 5.5 — bài đánh giá giá được trích dẫn, điều kiện về mức ngữ cảnh và các ví dụ về khối lượng công việc.
- OneMux: Claude Haiku 5.5 — giá trong danh mục mô hình; bản chụp được ghi nhận ngày 12 tháng 11 năm 2026.
Bản chụp giá công bố
Được ghi nhận lúc 2026-11-12T22:00:06.144Z từ danh mục công bố của OneMux. Giá giữ nguyên đơn vị tính phí trên trang web; đây không phải phép đối chiếu trực tiếp. Cách tính phí theo bậc, cache hoặc thời gian có thể khác nhau. Giá trị chưa biết không có nghĩa là bằng không.
| Mô hình | Đầu vào chính thức | Đầu ra chính thức | Đầu vào OneMux | Đầu ra OneMux | Tỷ lệ giá công bố |
|---|---|---|---|---|---|
| Claude Haiku 5.5 | $0.1 | $0.5 | $0.0299 | $0.1495 | 0.29900000000000004 |
Giá OneMux hiện tại. Chỉ so sánh chi phí khối lượng công việc khi đơn vị đầu vào/đầu ra và đơn vị tính phí khớp nhau; xem từng trang mô hình để biết điều kiện áp dụng theo bậc.
FAQ
Claude Haiku 5.5 có giá bao nhiêu trên mỗi triệu token?
Bài đánh giá giá được cung cấp liệt kê $0.10 trên mỗi triệu token đầu vào thông thường và $0.50 trên mỗi triệu token đầu ra cho prompt có tối đa 100.000 token đầu vào. Trên ngưỡng đó, mức giá được liệt kê là $0.50 cho đầu vào và $2.50 cho đầu ra. Phí cache và các khoản phí khác được tính riêng.
Có nên tính các lần thử lại vào ước tính chi phí API không?
Có. Hãy tính đầu vào và đầu ra của mọi lần gọi, bao gồm lần thử lại và lệnh gọi phục hồi, theo các danh mục tính phí và mức sử dụng thực tế được báo cáo. Timeout không chứng minh rằng lần gọi đó miễn phí.
Ví dụ có giả định mọi prompt đều được cache không?
Không. Ví dụ giả định 80% đầu vào của mỗi lần gọi được tính phí đọc cache và 20% được tính là đầu vào thông thường, cộng thêm một khoản dự trù riêng cho 100 triệu token ghi cache mỗi tháng. Cách cache hoạt động trên thực tế có thể khác.
Ước tính thay đổi thế nào khi prompt vượt quá 100.000 token đầu vào?
Bài đánh giá giá được cung cấp cho biết mức ngữ cảnh cao hơn sẽ được áp dụng. Theo mức giá được liệt kê, từng mức giá tương ứng cho đầu vào thông thường, đầu ra, đọc cache và ghi cache tiêu chuẩn đều gấp năm lần mức giá ở bậc thấp.
Bài viết liên quan
Guides
Ước tính chi phí API MiniMax M3.1 Flash cho quy trình sản xuất
Hướng dẫn ước tính chi phí MiniMax M3.1 Flash có thể tái lập cho quy trình sản xuất, dựa trên mức giá OneMux đã công bố, các giả định rõ ràng và quy tắc thực tế về thử lại, khôi phục.
Guides
Chi phí API GPT 6.2 Astra cho quy trình vận hành thực tế: Ước tính có tính đến lượt thử lại
Ước tính chi phí quy trình GPT 6.2 Astra bằng cách so sánh giá token, nêu rõ giả định về lượt thử lại và sử dụng ví dụ hàng tháng có thể tính lại.
Guides
Chi phí API Gemini 4 Carbon: Ước tính khối lượng công việc có tính đến lượt thử lại
Ước tính chi phí tác vụ Gemini 4 Carbon với các giả định rõ ràng về token, quy tắc thử lại và bảng kê có thể kiểm chứng.
Guides
Ước tính chi phí API GPT Image 2.6 Flare cho quy trình sản xuất
Ước tính chi phí workload GPT Image 2.6 Flare với giả định token minh bạch, đơn vị tính phí có thể đối chiếu, tỷ lệ chấp nhận và quy tắc retry trong môi trường production. Bài viết gồm ảnh chụp giá OneMux có ghi ngày và phương pháp lập ngân sách có thể tái hiện.