Chi phí API Qwen3.7 Plus cho tác vụ hỏi đáp tài liệu
Ước tính chi phí API Qwen3.7 Plus cho tác vụ hỏi đáp tài liệu có trích dẫn nguồn, dựa trên giả định token rõ ràng và phép tính có thể kiểm chứng.
Tóm tắt · TL;DR
Với khối lượng minh họa 150.000 lượt hỏi đáp tài liệu mỗi tháng, chi phí là $276 theo mức giá input và output tiêu chuẩn được cung cấp, hoặc $179.40 theo mức giá bậc thấp do OneMux công bố, chưa tính bộ nhớ đệm và các chi phí vận hành khác.
Điểm chính
- Với 3.000 token input và 400 token output mỗi lượt, phí model minh họa ở bậc thấp của OneMux là $0.001196 mỗi lượt.
- Cả trích đoạn nguồn và câu trả lời có trích dẫn đều tiêu thụ token; hãy đo trong khối lượng công việc đại diện thay vì chỉ dự trù cho câu hỏi của người dùng.
- Giá, điều kiện sử dụng bộ nhớ đệm, giới hạn ngữ cảnh và điều kiện áp dụng từng bậc khác nhau tùy dịch vụ và cần được xác nhận trước khi dự báo hóa đơn.
- Ước tính không bao gồm hạ tầng truy xuất, chuẩn bị tài liệu, gọi lại khi lỗi và các lượt gọi model bổ sung.
Mục lục (8)
Trả lời nhanh
Với khối lượng hỏi đáp tài liệu minh họa là 150.000 lượt mỗi tháng, mỗi lượt gồm 3.000 token input và 400 token output, phí model ước tính là $276 theo mức giá tiêu chuẩn được cung cấp hoặc $179.40 theo mức giá bậc thấp do OneMux công bố. Đây là phí token, không phải toàn bộ chi phí vận hành một dịch vụ hỏi đáp tài liệu.
OneMux, đơn vị xuất bản bài viết này, cung cấp quyền truy cập model qua API tương thích OpenAI. Phép so sánh dưới đây sử dụng bản chụp catalogue được công bố của OneMux vào ngày 12 tháng 11 năm 2026 và thông tin về dịch vụ Fireworks AI trong công cụ tính Qwen3.7 Plus của Future AGI. Công cụ này ghi nhận giá input và output lần lượt là $0.40 và $1.60 trên mỗi triệu token. Hãy kiểm tra điều khoản hiện hành trước khi chốt ngân sách.
Dữ liệu giá và đơn vị tính phí
Bảng sử dụng đơn vị USD trên 1 triệu token. Các cột giá chính thức là mức giá được gắn nhãn chính thức trong catalogue OneMux được cung cấp; thông tin Fireworks cũng độc lập ghi nhận cùng mức giá input và output tiêu chuẩn. Điều đó không chứng minh các dịch vụ có cùng giới hạn, quy tắc bộ nhớ đệm hay các điều khoản khác.
| Bậc ngữ cảnh Qwen3.7 Plus | Input chính thức | Output chính thức | Input OneMux | Output OneMux | Tỷ lệ giá OneMux so với giá chính thức được công bố |
|---|---|---|---|---|---|
| ≤256K | $0.40 | $1.60 | $0.26 | $1.04 | 0.65 |
| >256K | $1.20 | $4.80 | $0.78 | $3.12 | 0.65 |
Tỷ lệ 0.65 nghĩa là mức giá OneMux được niêm yết bằng 65% mức giá chính thức tương ứng được niêm yết. Hãy xác nhận bậc áp dụng và các điều kiện trên trang model Qwen3.7 Plus; đừng tự giả định một lượt yêu cầu gần ngưỡng sẽ được tính theo bậc nào khi chưa kiểm tra. Các ví dụ dưới đây đều giả định áp dụng bậc ≤256K.
Thông tin nguồn cũng khác nhau về ngữ cảnh: Future AGI ghi nhận cửa sổ ngữ cảnh 262.144 token và tối đa 65.536 token output cho dịch vụ Fireworks, trong khi catalogue OneMux được cung cấp ghi nhận ngữ cảnh 1M. Hãy xem đây là thông tin riêng của từng dịch vụ, không phải các giới hạn có thể dùng thay thế cho nhau. Trước khi gửi tài liệu dài, hãy xác minh giới hạn hiện hành của endpoint đã chọn, bao gồm cách input và output cùng sử dụng dung lượng ngữ cảnh khả dụng.
Tính chi phí hỏi đáp tài liệu hàng tháng
Giả sử bước truy xuất đã chọn các đoạn liên quan. Mỗi lượt yêu cầu model gồm câu hỏi của người dùng, chỉ dẫn, mã định danh đoạn và các trích đoạn, tổng cộng 3.000 token input. Câu trả lời và các tham chiếu nguồn của nó có tổng cộng 400 token output. Mỗi câu hỏi có một lượt gọi model, không dùng bộ nhớ đệm và không gọi lại khi lỗi.
Với 5.000 câu hỏi mỗi ngày trong tháng 30 ngày:
- Số lượt yêu cầu: 5.000 × 30 = 150.000.
- Input: 150.000 × 3.000 = 450 triệu token.
- Output: 150.000 × 400 = 60 triệu token.
| Khoản phí | Cách tính theo giá tiêu chuẩn | Cách tính theo giá bậc thấp của OneMux |
|---|---|---|
| Input | 450 × $0.40 = $180.00 | 450 × $0.26 = $117.00 |
| Output | 60 × $1.60 = $96.00 | 60 × $1.04 = $62.40 |
| Tổng mỗi tháng 30 ngày | $276.00 | $179.40 |
| Tổng mỗi lượt yêu cầu | $0.00184 | $0.001196 |
| Tổng mỗi 1.000 lượt yêu cầu | $1.84 | $1.196 |
Kết quả thay đổi tùy lượng bằng chứng bạn gửi và lượng nội dung model trả về. Chẳng hạn, thêm 1.000 token input vào mỗi lượt sẽ làm tăng 150 triệu token input hàng tháng: thêm $60 theo giá input tiêu chuẩn hoặc $39 theo giá input bậc thấp của OneMux. Thêm 100 token output cho mỗi câu trả lời sẽ làm tăng 15 triệu token output hàng tháng: tương ứng thêm $24 hoặc $15.60.
Ước tính không bao gồm nạp tài liệu, OCR, embeddings, tìm kiếm hoặc lưu trữ vector, lưu trữ ứng dụng, thuế và mọi khoản phí gateway. Ước tính cũng không bao gồm các lượt gọi thất bại hoặc gọi lại, cũng như các lượt gọi model bổ sung để viết lại truy vấn, kiểm tra trích dẫn hoặc chỉnh sửa câu trả lời. Hãy tính riêng các khoản này; chi phí chưa biết không có nghĩa là bằng không.
Dự trù chi phí trích dẫn nguồn
Một câu trả lời hữu ích cần chỉ ra bằng chứng để người đọc có thể kiểm tra, chứ không chỉ thêm vào một tiêu đề tài liệu có vẻ hợp lý. Ví dụ về cách triển khai:
- Gán cho mỗi đoạn được truy xuất một ID tài liệu ổn định và vị trí, chẳng hạn số trang hoặc số mục. Đưa các mã định danh này vào cùng các trích đoạn gửi tới model.
- Yêu cầu mỗi khẳng định quan trọng trích dẫn ID đoạn đã cung cấp, đồng thời hướng dẫn model cho biết khi các trích đoạn không đủ căn cứ để trả lời.
- Kiểm tra xem các ID trả về có nằm trong tập đoạn được truy xuất hay không. Xem xét liệu các đoạn được trích dẫn có thực sự hỗ trợ các khẳng định hay không; chỉ riêng một ID hợp lệ không chứng minh việc trích dẫn là chính xác.
- Ghi lại mức sử dụng input và output cho các câu hỏi đại diện, bao gồm câu trả lời dài và trường hợp không có câu trả lời. Tính lại dựa trên cả phân bố quan sát được lẫn giá trị trung bình.
Nhãn đoạn, chỉ dẫn trích dẫn và các tham chiếu đều được tính vào tổng token trong ví dụ. Nếu ứng dụng của bạn gọi model riêng để xác minh trích dẫn, hãy cộng thêm phí input và output của lượt gọi đó thay vì gộp ngầm vào giả định 400 token output ban đầu. Các nguồn được cung cấp không xác lập độ chính xác trích dẫn hoặc hiệu năng đo được cho quy trình này, vì vậy hãy tự đánh giá trên tài liệu của bạn trước khi xác định ngân sách vận hành.
Xem khoản tiết kiệm từ bộ nhớ đệm là có điều kiện
Catalogue OneMux được cung cấp niêm yết giá đọc và ghi bộ nhớ đệm ở bậc thấp lần lượt là $0.026 và $0.325 per million tokens. Ở bậc cao hơn, các mức giá này là $0.078 và $0.975. Công cụ Fireworks của Future AGI niêm yết giá input được lưu đệm là $0.080 per million, trong khi mục tính năng của công cụ cho biết prompt caching không được quảng bá. Không nên xem các con số và mô tả này là bằng chứng cho thấy các dịch vụ áp dụng cùng cơ chế hoặc điều kiện sử dụng bộ nhớ đệm.
Chỉ để minh họa độ nhạy, giả sử mỗi lượt có 2.400 token input đủ điều kiện được tính theo giá đọc bộ nhớ đệm bậc thấp của OneMux, 600 token input thông thường và 400 token output. Giả định bộ nhớ đệm đã có sẵn dữ liệu và không phát sinh phí ghi trong kỳ đo:
- Input được lưu đệm: 360 triệu token × $0.026 = $9.36.
- Input thông thường: 90 triệu token × $0.26 = $23.40.
- Output: 60 triệu token × $1.04 = $62.40.
- Tổng: $95.16 per 150,000 requests.
Đây không phải mức giá bộ nhớ đệm được cam kết hay dự báo đầy đủ về chi phí bộ nhớ đệm. Các phần đầu tài liệu lặp lại có thể chỉ đủ điều kiện theo những quy tắc cụ thể của nhà cung cấp; việc tạo bộ nhớ đệm, hết hạn hoặc không tìm thấy dữ liệu trong bộ nhớ đệm có thể làm thay đổi kết quả. Hãy xác nhận cách tính phí ghi và đưa khoản này vào ước tính thực tế. Đừng áp dụng giá đọc bộ nhớ đệm cho mọi đoạn được truy xuất chỉ vì chúng đến từ cùng một bộ tài liệu.
Trước khi phê duyệt ngân sách
Dùng ước tính không có bộ nhớ đệm làm cơ sở minh bạch, sau đó thay số token minh họa bằng mức sử dụng quan sát được. Kiểm tra quy tắc ngữ cảnh và bậc giá hiện hành của endpoint, dự phòng ngân sách cho các lượt gọi lại và kiểm tra trích dẫn, đồng thời đánh giá chất lượng trích dẫn riêng với giá. Trang giá hiện hành của OneMux là điểm khởi đầu để kiểm tra xem các mức giá công bố có thay đổi hay không.
Nguồn
- Future AGI: Qwen3.7 Plus trên Fireworks AI — mức giá model, giới hạn và thông tin tính năng được ghi nhận.
- OneMux: Qwen3.7 Plus — thông tin giá model và bậc ngữ cảnh được công bố; bản chụp catalogue sử dụng ở đây được ghi lại ngày 12 tháng 11 năm 2026.
Bản chụp giá công bố
Được ghi lại lúc 2026-11-12T22:30:06.019Z từ catalogue OneMux đã công bố. Giá giữ nguyên đơn vị tính phí trên website; đây không phải dữ liệu đối chiếu trực tiếp. Cách tính phí theo bậc, bộ nhớ đệm hoặc thời gian có thể khác nhau. Giá trị chưa biết không có nghĩa là bằng không.
| Model | Input chính thức | Output chính thức | Input OneMux | Output OneMux | Tỷ lệ giá công bố |
|---|---|---|---|---|---|
| Qwen3.7 Plus | $0.4 | $1.6 | $0.26 | $1.04 | 0.65 |
Giá OneMux hiện hành. Chỉ so sánh chi phí khối lượng công việc khi input/output và đơn vị tính phí tương ứng; xem trang từng model để biết điều kiện áp dụng các bậc.
FAQ
Qwen3.7 Plus tốn bao nhiêu cho 150.000 câu hỏi về tài liệu?
Với 3.000 token input và 400 token output mỗi câu hỏi, phí model minh họa trong 30 ngày là $276 theo mức giá tiêu chuẩn được cung cấp hoặc $179.40 theo mức giá bậc thấp do OneMux công bố. Chi phí truy xuất, gọi lại khi lỗi, phí bộ nhớ đệm và các chi phí vận hành khác không được tính vào.
Trích dẫn nguồn có làm tăng chi phí API không?
Có thể. Mã định danh đoạn và chỉ dẫn trích dẫn làm tăng token input, còn các tham chiếu trong câu trả lời làm tăng token output. Việc dùng model kiểm tra trích dẫn riêng sẽ phát sinh thêm một lượt gọi.
Có thể giả định toàn bộ văn bản tài liệu lặp lại đều được tính theo giá đọc bộ nhớ đệm không?
Không. Điều kiện sử dụng bộ nhớ đệm, thao tác ghi, thời hạn và cách tính phí phụ thuộc vào dịch vụ được chọn và các điều khoản của dịch vụ đó. Hãy đo mức sử dụng bộ nhớ đệm thực tế và tính cả phí ghi khi áp dụng.
Bài viết liên quan
Guides
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.
Guides
Ước tính chi phí API Claude Fable 5.2 cho hỏi đáp tài liệu
Phương pháp có thể tái lập để ước tính chi phí Claude Fable 5.2 cho việc hỏi đáp tài liệu, với các giả định token rõ ràng, hướng dẫn gán nguồn và mức giá có ngày áp dụng.
Guides
Chi phí API Gemini 3 Pro Image Preview cho tác vụ hỏi đáp tài liệu
Ước tính chi phí hỏi đáp tài liệu bằng các giả định token rõ ràng, đơn vị giá có thể so sánh và phép tính theo tháng có thể kiểm chứng.
Guides
Chi phí API GPT Image 2.6 Sunburst cho hỏi đáp tài liệu
Lập ngân sách hỏi đáp tài liệu có thể tái lập dựa trên các giả định đầu vào hình ảnh rõ ràng, đồng thời tách riêng chi phí chưa xác định của việc tạo câu trả lời và dẫn nguồn.