GuidesOneMux

Ước tính chi phí API GPT 6.2 Astra cho hỏi đáp tài liệu

Ước tính chi phí hỏi đáp tài liệu bằng GPT 6.2 Astra với các giả định token rõ ràng, mức ngữ cảnh, giá cache và phép tính có thể kiểm chứng.

AI

Tóm tắt · TL;DR

Mô hình chi phí minh họa cho câu trả lời từ tài liệu có trích dẫn nguồn, bao gồm giá token chính thức và OneMux, chi phí cache và danh sách kiểm tra để thay các giả định bằng mức sử dụng thực tế.

Điểm chính

  • Với 12.000 token đầu vào và 1.000 token đầu ra cho mỗi câu trả lời, chi phí Astra minh họa là $0.136 theo giá chính thức được niêm yết hoặc $0.014144 theo mức giá OneMux tại thời điểm chụp.
  • Với 10.000 câu trả lời có cùng cơ cấu token, các ước tính tương ứng là $1,360 và $141.44, chưa gồm truy xuất, nạp tài liệu, thử lại và các chi phí khác.
  • Yêu cầu trên 272K token đầu vào có mức giá đầu vào và đầu ra niêm yết cao hơn; hãy ước tính riêng thay vì áp dụng một mức giá bình quân.
  • Mức tiết kiệm từ cache phụ thuộc vào số lần ghi và đọc thực tế đủ điều kiện, thời gian lưu và cách tính phí — không chỉ vì nội dung tài liệu được lặp lại.
Mục lục (8)

Với hệ thống hỏi đáp tài liệu có trích dẫn nguồn, hãy dự trù chi phí cho cả bằng chứng gửi đến mô hình lẫn câu trả lời nhận về. Trong khối lượng công việc minh họa với 12.000 token đầu vào và 1.000 token đầu ra cho mỗi câu trả lời, GPT 6.2 Astra có giá $0.136 cho mỗi câu trả lời theo mức giá chính thức được niêm yết, hoặc $0.014144 theo mức giá OneMux tại thời điểm chụp, chưa gồm truy xuất và các chi phí khác.

Đây là một kịch bản tính giá, không phải kết quả đo lường. OneMux, đơn vị xuất bản bài viết này, cũng là sản phẩm được đưa vào so sánh giá. Chi phí thực tế phụ thuộc vào mức sử dụng token, điều kiện áp dụng cache, kích thước yêu cầu và mức giá có hiệu lực khi bạn chạy khối lượng công việc.

Mức giá và đơn vị sử dụng

Bản chụp danh mục OneMux sau đây được ghi nhận vào ngày 18 tháng 11 năm 2026. Mọi mức giá đều tính bằng đô la Mỹ trên 1 triệu token. Tỷ lệ giá được công bố bằng giá OneMux chia cho giá chính thức niêm yết; đây không phải tỷ lệ giảm giá phần trăm. Với các mức giá được nêu, tỷ lệ 0.104 tương ứng về mặt số học với mức giá token thấp hơn 89,6%, chứ không đảm bảo tổng chi phí công việc cũng giảm tương ứng.

Mức ngữ cảnh đầu vàoĐầu vào chính thứcĐầu ra chính thứcĐầu vào OneMuxĐầu ra OneMuxTỷ lệ giá công bố
Tối đa và bao gồm 272K token$8$40$0.832$4.160.104
Trên 272K token$16$60$1.664$6.240.104

Changelog gateway được cung cấp cũng ghi nhận mức giá Astra tiêu chuẩn $8/$40 và mức $16/$60 cho prompt trên 272K token đầu vào. Hãy kiểm tra điều khoản hiện hành của nhà cung cấp và giá OneMux trước khi chốt ngân sách. Mức giá được xác định theo từng yêu cầu, vì vậy hãy tách riêng các yêu cầu có ngữ cảnh dài khi ước tính. Đừng cho rằng cửa sổ ngữ cảnh lớn đồng nghĩa với việc gửi toàn bộ bộ sưu tập tài liệu là tiết kiệm.

Ước tính chi phí cho một câu trả lời có trích dẫn nguồn

Giả sử bước truy xuất chọn các đoạn tài liệu liên quan, sau đó mô hình nhận các đoạn này cùng câu hỏi và hướng dẫn trích dẫn. Trong ví dụ này:

  • Mỗi yêu cầu dùng 12.000 token đầu vào, bao gồm câu hỏi, hướng dẫn, đoạn trích tài liệu và mã định danh nguồn.
  • Mỗi phản hồi dùng 1.000 token đầu ra được tính phí, bao gồm câu trả lời, trích dẫn và mọi token suy luận được tính phí. Nguồn về gateway cho biết token suy luận được tính như token đầu ra; không tính lại nếu chúng đã nằm trong tổng token đầu ra.
  • Mọi yêu cầu đều thuộc mức tối đa 272K. Kịch bản cơ sở này không có lượt đọc hoặc ghi cache, lần thử lại hay yêu cầu thất bại.
  • Khối lượng công việc tạo ra 10.000 câu trả lời mỗi tháng. Đây là giả định, không phải dự báo lưu lượng.

Tính riêng từng nhóm token: chia số token cho một triệu rồi nhân với mức giá tương ứng.

Thành phần chi phíPhép tính chính thứcChi phí chính thứcPhép tính OneMuxChi phí OneMux
Đầu vào mỗi câu trả lời12,000 ÷ 1,000,000 × $8$0.09612,000 ÷ 1,000,000 × $0.832$0.009984
Đầu ra mỗi câu trả lời1,000 ÷ 1,000,000 × $40$0.0401,000 ÷ 1,000,000 × $4.16$0.004160
Tổng mỗi câu trả lời$0.096 + $0.040$0.136$0.009984 + $0.004160$0.014144
10.000 câu trả lời10,000 × $0.136$1,36010,000 × $0.014144$141.44

Ước tính này chỉ bao gồm token của mô hình. Hãy cộng riêng chi phí phân tích tài liệu, embeddings, lập chỉ mục, truy xuất, lưu trữ, lưu trữ ứng dụng, đánh giá và các lần thử lại có tính phí. Giá của những hạng mục này không được cung cấp ở đây; chúng không bằng không. Thuế và các khoản phí áp dụng khác cũng nằm ngoài ví dụ.

Nếu một yêu cầu vượt quá 272K token đầu vào thì sao?

Với một yêu cầu minh họa riêng gồm 300.000 token đầu vào và 1.000 token đầu ra, áp dụng mức giá niêm yết cho mức trên 272K vào các số lượng này cho kết quả:

Cơ sở giáChi phí đầu vàoChi phí đầu raTổng mỗi câu trả lời
Chính thức300,000 ÷ 1,000,000 × $16 = $4.801,000 ÷ 1,000,000 × $60 = $0.06$4.86
OneMux300,000 ÷ 1,000,000 × $1.664 = $0.49921,000 ÷ 1,000,000 × $6.24 = $0.00624$0.50544

Kịch bản này giả định mức giá cao hơn áp dụng cho toàn bộ token đầu vào và đầu ra trong yêu cầu. Hãy xác nhận quy tắc tính phí áp dụng cho tài khoản của bạn. Đây không phải phép so sánh chất lượng tương đồng với yêu cầu ngắn hơn: bằng chứng cung cấp cho mô hình là khác nhau.

Tính đến lượt ghi và đọc cache

Các câu hỏi lặp lại về cùng tài liệu có thể sử dụng lại phần tiền tố prompt đủ điều kiện lưu cache, nhưng việc lặp lại tự nó không chứng minh có lượt truy cập cache thành công. Danh mục niêm yết các mức giá cache Astra sau đây trên mỗi triệu token; các cột ghi phân biệt theo thời gian lưu được niêm yết.

Mức ngữ cảnh đầu vàoĐọc cache chính thứcGhi chính thức, 30 phútGhi chính thức, 12 giờĐọc cache OneMuxGhi OneMux, 30 phútGhi OneMux, 12 giờ
Tối đa và bao gồm 272K$0.40$10$20$0.0416$1.04$2.08
Trên 272K$0.80$20$40$0.0832$2.08$4.16

Với một lô minh họa ở mức tiêu chuẩn, giả sử 10.000 token được tính phí một lần theo giá ghi cache 30 phút, sau đó được tính theo giá đọc cache trong chín yêu cầu tiếp theo. Chỉ tính phần dùng chung này, chi phí chính thức là $0.10 cho lượt ghi cộng $0.036 cho chín lượt đọc, tức $0.136. Phép tính OneMux tương ứng là $0.0104 cộng $0.003744, tức $0.014144. Nếu không dùng cache, mười lần tính phí đầu vào thông thường cho cùng phần 10.000 token đó sẽ là $0.80 theo giá chính thức hoặc $0.0832 theo giá OneMux.

Đây là ví dụ tính riêng theo từng nhóm, không phải cam kết rằng mười yêu cầu đó đủ điều kiện. Ví dụ giả định giá ghi cache thay thế phí đầu vào thông thường cho phần được ghi, mỗi lần sử dụng sau đó được tính là một lượt đọc và mọi lượt đọc đều diễn ra trong thời gian lưu áp dụng. Hãy xác nhận điều kiện, cách hạch toán và quy tắc lưu thực tế. Cộng riêng đầu vào không được lưu cache và toàn bộ đầu ra; không tính cùng token vừa là đầu vào thông thường vừa là đầu vào cache, trừ khi điều khoản tính phí yêu cầu.

Chuyển ước tính thành ngân sách có thể kiểm chứng

  1. Xác định thế nào là câu trả lời đạt yêu cầu. Yêu cầu trích dẫn mã định danh tài liệu ổn định và các đoạn hỗ trợ từng nhận định quan trọng. Một câu trả lời có trích dẫn không tự động được xem là có căn cứ; hãy kiểm tra xem đoạn được trích có thực sự hỗ trợ nhận định đó hay không.
  2. Đo lường một mẫu đại diện. Ghi lại đầu vào, đầu ra, lượt đọc và ghi cache, mức yêu cầu và chi phí được tính nếu có. Bao gồm tài liệu ngắn và dài, câu hỏi không thể trả lời và câu hỏi liên quan đến nhiều nguồn. Không có đánh giá trả phí nào được thực hiện cho bài viết này.
  3. Theo dõi chi phí cho mỗi câu trả lời được chấp nhận. Chia tổng chi phí công việc được tính — bao gồm các lần thử lại và thất bại — cho số câu trả lời vượt qua bước kiểm tra trích dẫn nguồn. Cách này cho thấy những chi phí bị che khuất khi tính trung bình theo yêu cầu.
  4. Kiểm tra các trường hợp bất thường. Đoạn truy xuất lớn, hướng dẫn lặp lại, trích dẫn dài dòng và đầu ra dài có thể làm tăng mức sử dụng token. Kiểm tra xem mã định danh nguồn có được giữ nguyên khi các đoạn bị cắt ngắn hoặc sắp xếp lại hay không.
  5. Tính lại theo mức giá và nhóm cache. Nhân tổng token quan sát được với mức giá hiện hành tương ứng, rồi cộng chi phí ngoài mô hình. Xem mức sử dụng hoặc giá không có dữ liệu là chưa biết, không phải bằng không.

Khi nào nên cân nhắc phương án khác

Nếu có thể đạt mục tiêu chất lượng trích dẫn với ít ngữ cảnh hơn hoặc bằng một mô hình khác, hãy thử nghiệm trên tập tài liệu của bạn trước khi chỉ dựa vào giá token để lựa chọn. Changelog gateway được cung cấp cho biết GPT 6.2 Sol và Astra đều giải được một ví dụ nhỏ về giới hạn tốc độ trong năm lần chạy, với chi phí của Sol thấp hơn trong ví dụ đó. Kết quả này không xác lập độ chính xác tương đối hoặc chi phí cho mỗi câu trả lời được chấp nhận trong bài toán hỏi đáp tài liệu; những kết quả đó chưa được biết nếu không có đánh giá phù hợp.

Để lập ngân sách ban đầu, hãy dùng phép tính cơ sở, rồi thay mọi giả định về token và tỷ lệ thành công bằng dữ liệu quan sát được. Tách riêng lưu lượng ngữ cảnh dài và lưu lượng dùng cache để một mức trung bình có vẻ hợp lý không che khuất cơ cấu yêu cầu tốn kém.

Nguồn

Bản chụp giá công bố

Ghi nhận lúc 2026-11-18T08:00:05.571Z từ danh mục công bố của OneMux. Giá giữ nguyên đơn vị tính phí trên trang web; đây không phải kết quả benchmark trực tiếp. Cách tính phí theo mức, cache hoặc thời gian có thể khác nhau. Giá trị chưa biết không có nghĩa là bằng không.

Mô hìnhĐầu vào chính thứcĐầu ra chính thứcĐầu vào OneMuxĐầu ra OneMuxTỷ lệ giá công bố
GPT 6.2 Astra$8$40$0.832$4.160.104

Giá OneMux hiện tại. Chỉ so sánh chi phí công việc khi đầu vào/đầu ra và đơn vị tính phí tương ứng; xem từng trang mô hình để biết điều kiện áp dụng các mức giá.

FAQ

GPT 6.2 Astra tốn bao nhiêu cho mỗi câu trả lời từ tài liệu?

Với 12.000 token đầu vào và 1.000 token đầu ra, không dùng cache và áp dụng mức giá trong bản chụp cho ngưỡng tối đa 272K, chi phí token mô hình minh họa là $0.136 theo giá chính thức niêm yết hoặc $0.014144 theo giá OneMux. Chi phí truy xuất, nạp tài liệu, thử lại và các chi phí khác chưa được tính.

Trích dẫn có mức giá token riêng không?

Thông tin giá được cung cấp không liệt kê khoản phí riêng cho trích dẫn. Hướng dẫn trích dẫn và mã định danh nguồn được tính vào token đầu vào, còn trích dẫn được tạo trong câu trả lời được tính vào token đầu ra.

Lặp lại một tài liệu có đảm bảo được giảm giá cache không?

Không. Mức tiết kiệm phụ thuộc vào việc nội dung lặp lại có đủ điều kiện lưu cache hay không, nhóm giá ghi và đọc được tính, thời gian lưu và các điều khoản áp dụng. Hãy đo mức sử dụng cache thực tế thay vì giả định mọi lần lặp đều truy cập cache thành công.

Nên dự trù ngân sách cho yêu cầu có ngữ cảnh dài như thế nào?

Hãy ước tính riêng các yêu cầu trên 272K token đầu vào bằng mức giá cao hơn tương ứng. Xác nhận cách áp dụng các mức giá đó cho toàn bộ yêu cầu và tính cả các nhóm cache cùng token đầu ra.

Bài viết liên quan