Tính khả dụng và ID mô hình được kiểm tra vào ngày 14 tháng 10 năm 2026, đối chiếu với danh mục haimaker. Đây là những ứng viên để bạn tự thử nghiệm trên tác vụ của mình, không phải kết quả từ một benchmark có kiểm soát mới.
API AI rẻ nhất không phải lúc nào cũng là API có giá đầu vào thấp nhất. Token đầu ra thường là phần khiến hóa đơn tăng mạnh nhất, và coding agent tạo ra rất nhiều đầu ra.
Vậy câu hỏi đúng hơn là: API nào đủ rẻ để dùng cả ngày mà không khiến agent trở nên vô dụng?
Xếp hạng nhanh
| Họ mô hình | Điểm mạnh điển hình | Cần lưu ý |
|---|---|---|
| DeepSeek V4.1 Flash | Đầu ra rất rẻ, giá trị tốt cho lập trình | Độ ổn định có thể không đồng đều |
| Gemini 3.8 Flash | Ngữ cảnh dài, có gói miễn phí, tốc độ tốt | So sánh với Argon trên các tác vụ khó |
| MiniMax M3 | Rẻ cho công việc agent hàng ngày | Chưa được kiểm chứng nhiều như Claude/OpenAI |
| Grok 4.1 Fast | Ngữ cảnh lớn với chi phí thấp | Không phải mô hình tốt nhất cho các tác vụ lập trình khó |
| GPT-6 Luna / Claude Haiku 5.5 | Công việc tập trung, khối lượng lớn | Kiểm tra tool use và số lần thử lại trên agent của bạn |
| GLM-5.3 Flash | Công việc agent tiết kiệm chi phí | Xác minh chất lượng hoàn thành trên tác vụ của bạn |
| Mô hình cục bộ Ollama | Không tốn phí token | Giới hạn về phần cứng, tốc độ và chất lượng |
Nếu bạn đang xây dựng coding agent, tôi sẽ không tối ưu cho mô hình rẻ nhất tuyệt đối trên bảng tính. Tôi sẽ tối ưu cho mô hình rẻ nhất có thể hoàn thành những công việc nhàm chán mà không cần giám sát liên tục.
Tại sao giá đầu ra quan trọng
Ứng dụng chat chủ yếu đọc prompt ngắn và viết câu trả lời ngắn. Coding agent thì khác. Nó đọc file, viết patch, giải thích lỗi, viết lại test, và đôi khi xuất ra rất nhiều code.
Điều đó có nghĩa là giá đầu ra rất quan trọng. Một mô hình có giá đầu vào rẻ nhưng giá đầu ra đắt có thể trông ổn cho đến lần refactor lớn đầu tiên.
Với các công việc nhiều đầu ra, DeepSeek V4.1 Flash và Grok 4.1 Fast đáng chú ý vì đầu ra tương đối rẻ. Với các công việc cần ngữ cảnh dài, Gemini Flash và Grok 4.1 Fast thường tốt hơn các mô hình nhỏ với cửa sổ ngữ cảnh hạn chế.
API rẻ nhất theo từng trường hợp sử dụng
Mặc định rẻ nhất cho agent hàng ngày
Bắt đầu với MiniMax M3, DeepSeek V4.1 Flash hoặc GLM-5.3 Flash. So sánh thêm GPT-6 Luna và Claude Haiku 5.5 cho công việc tập trung, khối lượng lớn. Chúng đủ rẻ để dùng hàng ngày và đủ năng lực cho công việc lập trình thường nhật.
Ngữ cảnh lớn rẻ nhất
Grok 4.1 Fast và Gemini 3.8 Flash là hai lựa chọn nổi bật. Nếu agent của bạn cần đọc nhiều trước khi trả lời, chi phí ngữ cảnh rẻ quan trọng hơn việc khoe benchmark.
Thiết lập cục bộ rẻ nhất
Ollama là lựa chọn rẻ nhất nếu bạn đã có sẵn phần cứng. Gemma 4 và Qwen3.8 là những lựa chọn khởi đầu tốt. Đánh đổi lại là tốc độ. Agent cục bộ có thể rất tốt cho các chỉnh sửa nhỏ nhưng lại rất vất vả với các vòng lặp tool dài.
Fallback nghiêm túc rẻ nhất
Đừng dùng fallback cho mọi thứ. Claude Sonnet 5.5, Gemini 4 Argon và GPT-6.1 Sol nên được dành cho các tác vụ mà mô hình mặc định rẻ đã thất bại một lần.
Thiết lập định tuyến thực tế
Hãy áp dụng mẫu hình (pattern) định tuyến sau:
- Mô hình rẻ cho toàn bộ lưu lượng mặc định
- Mô hình ngữ cảnh dài cho việc đọc ở quy mô repo
- Mô hình cao cấp chỉ khi mô hình rẻ bị bế tắc
- Mô hình cục bộ cho công việc riêng tư hoặc rủi ro thấp
Trong OpenClaw, điều đó có thể là:
- MiniMax M3 làm mặc định
- Gemini 3.8 Flash cho ngữ cảnh dài
- Claude Sonnet 5.5 cho lập trình khó
- Gemma 4 qua Ollama cho tác vụ cục bộ riêng tư
Cách này ít hào nhoáng hơn việc chạy theo mô hình đứng đầu benchmark. Nhưng nó tiết kiệm tiền thật.
So sánh tổng chi phí công việc
Khi định giá API, hãy ước tính toàn bộ công việc:
total cost =
input_tokens / 1,000,000 * input_price
+
output_tokens / 1,000,000 * output_price
Sau đó chạy ước tính đó cho một ngày bình thường, không phải một prompt duy nhất. Với agent, chênh lệch giữa mặc định rẻ và mặc định cao cấp có thể từ 10x đến 50x trong một tháng.
Haimaker phù hợp ở đâu
Nếu bạn đã mệt với việc mở năm tài khoản nhà cung cấp chỉ để so sánh giá, hãy truy cập qua Haimaker. Bạn chỉ cần một API key duy nhất và có thể chuyển đổi giữa các mô hình rẻ, ngữ cảnh dài và cao cấp mà không cần viết lại ứng dụng. Và nếu coding agent là thứ thực hiện các cuộc gọi đó, bạn không cần cấu hình thủ công — npx -y @haimaker/connect tự viết cấu hình của agent để sử dụng key duy nhất đó (Claude Code, Codex, OpenClaw, opencode, Hermes, Cline hoặc Kilo Code), nên việc đổi mặc định rẻ sau này chỉ là thay đổi cấu hình, không phải viết lại.
Điều này quan trọng vì mô hình rẻ nhất sẽ thay đổi. Kiến trúc của bạn nên khiến việc chuyển đổi trở nên đơn giản, không có gì đáng bận tâm.