---
title: Token AI là gì? 1 token bằng bao nhiêu từ, và vì sao đơn vị tính phí của AI không có chuẩn chung
url: https://joelin.cc/vi/p/9770
source: https://joelin.cc/vi/p/9770
lang: vi
pubDate: '2026-10-19'
date_modified: '2026-10-19'
description: 'Token không có định nghĩa chung của ngành: mỗi mô hình tách chữ bằng bảng từ vựng cố định của riêng nó. Quy đổi token sang từ, BPE, cấu trúc giá và vì sao hội thoại dài càng tốn.'
author: joe
ai_role: ai_only
translation_of: /p/9770
mentions:
  - name: Anthropic
    sameAs:
      - https://www.wikidata.org/wiki/Q116758847
  - name: OpenAI
    sameAs:
      - https://www.wikidata.org/wiki/Q21708200
  - name: tiktoken
    sameAs:
      - https://www.wikidata.org/wiki/Q120549570
---

# Token AI là gì? 1 token bằng bao nhiêu từ, và vì sao đơn vị tính phí của AI không có chuẩn chung

Nói kết luận trước: token không có định nghĩa thống nhất trong ngành. Nó là một “bảng tách chữ” được cố định ngay khi mỗi mô hình được huấn luyện; cùng một đoạn văn đưa cho các mô hình khác nhau sẽ bị tách ra số lượng khác nhau, thậm chí các thế hệ mô hình khác nhau của cùng một công ty cũng khác nhau. Vì vậy câu hỏi “1 token bằng bao nhiêu từ” chỉ có quy tắc ước lượng, không có một chỉ số cố định.

Thứ thực sự được ngành thống nhất là cấu trúc tính giá — bao nhiêu tiền cho mỗi triệu token, đầu vào và đầu ra tính riêng — chứ không phải bản thân token. Khác biệt này sẽ trở nên rất nghiêm trọng khi bạn bắt tay làm bảng tính chi phí.

## Token là gì: mục tiêu là nén, không phải ngữ nghĩa

Token là đơn vị xử lý nhỏ nhất mà mô hình tách văn bản ra. Cách tách đến từ một nhóm thuật toán gọi là BPE (Byte Pair Encoding), gồm ba bước:

1. Thống kê trên một kho văn bản khổng lồ, liên tục gộp những tổ hợp ký tự hay đi cùng nhau nhất.
2. Kết quả gộp tạo thành một bảng từ vựng, quy mô thường từ 50.000 đến 200.000 mục.
3. Mọi đầu vào về sau đều được đem so với bảng này để tách.

Điểm mấu chốt là mục tiêu của thuật toán là nén, không phải hiểu ngữ nghĩa. Những chuỗi phổ biến — “the”, “and” trong tiếng Anh, những từ tiếng Trung thông dụng như 的 (“của”) hay 因為 (“bởi vì”), chữ “function” trong mã nguồn — mỗi chuỗi tính là một token; còn từ hiếm sẽ bị chẻ vụn: tên người, thuật ngữ chuyên môn, chữ gõ sai thường bị tách thành ba đến năm token.

Vậy token không phải “chữ”, cũng không phải “từ”; nó là “thành phần nhỏ nhất mà mô hình đó nhận ra”. Đây là tiền đề để hiểu mọi vấn đề chi phí phía sau.

## Vì sao không thể có chuẩn chung

Lúc đầu tôi cũng thấy lạ: đã là năm 2026 rồi, sao một đơn vị tính phí cơ bản như vậy lại không có chuẩn?

Câu trả lời là bảng từ vựng là một phần trọng số của mô hình, huấn luyện xong thì không sửa được. Về bản chất nó là một linh kiện của mô hình, không phải một bản đặc tả bên ngoài — tiêu chuẩn hóa về mặt kỹ thuật không có chỗ bám. Bạn không thể yêu cầu hai công ty dùng chung một bảng từ vựng, vì như thế chẳng khác gì yêu cầu họ dùng chung một mô hình.

Từ đó sinh ra một tình huống còn dễ vấp hơn: cùng một công ty khi ra thế hệ mới cũng có thể đổi tokenizer. Claude đã đổi tokenizer ở thế hệ Opus 4.7, cùng một đoạn văn cho ra số token khác với thế hệ trước. Nếu mô hình chi phí của bạn được lập từ năm ngoái, sau khi đổi thế hệ bảng đó đã không còn chính xác, mà nó không báo lỗi, chỉ khiến ước tính của bạn lặng lẽ lệch đi.

## Quy tắc ước lượng: dùng để ước tính được, dùng để báo giá thì không

| Loại nội dung | Quy đổi đại khái | Ghi chú |
|---|---|---|
| Tiếng Anh | 1 token ≈ 4 ký tự ≈ 0,75 từ | Cách ước lượng được trích dẫn nhiều nhất trong ngành |
| Tiếng Trung | 1 chữ Hán ≈ 0,6 đến 1,5 token | Khoảng rất rộng, lý do xem phần sau |
| Mã nguồn và JSON | Cao hơn rõ rệt | Thụt lề, dấu ngoặc nhọn, dấu nháy đều tốn tiền |
| Hình ảnh | Quy đổi theo kích thước | Một ảnh thường 1.000 đến 2.000 token |

Bảng này chỉ có một công dụng: giúp bạn đánh giá “việc này có đáng làm không”. Muốn ước chừng để quyết định có đầu tư hay không thì dùng bảng này là đủ; nhưng hễ liên quan đến báo giá, ngân sách hay cam kết với khách hàng thì không được dùng, vì sai số của nó với tiếng Trung và mã nguồn có thể lên tới gấp đôi.

## Vì sao tiếng Trung chịu thiệt, và thiệt bao nhiêu thì không cố định

Trong mã hóa UTF-8, một chữ Hán chiếm ba byte. Nếu bảng từ vựng của mô hình đó có từ bạn dùng, có thể hai ba chữ gộp thành một token; nếu không có, cách tách sẽ lùi về gần như theo từng byte, một chữ ngốn hai đến ba token.

Vì vậy hiệu suất token của tiếng Trung hoàn toàn phụ thuộc vào lượng ngữ liệu tiếng Trung mà mô hình đó được huấn luyện dày đến đâu. Đây là một khoản chi phí hiếm khi được giải thích rõ: cùng một đoạn tiếng Trung, chi phí trên mô hình của các hãng khác nhau có thể chênh hơn hai lần, và nhìn bảng đơn giá bạn hoàn toàn không thấy điều đó.

Đó cũng là lý do tôi không mấy tin vào kiểu “so đơn giá”. Đơn giá thấp không có nghĩa là rẻ — một mô hình có hiệu suất token tiếng Trung kém hơn 30%, dù đơn giá rẻ hơn 20%, thực tế vẫn đắt hơn.

## Cấu trúc tính giá: phần cả ngành dùng chung

| Hạng mục | Thông lệ của ngành |
|---|---|
| Đơn vị tính giá | Luôn là bao nhiêu đô la Mỹ cho mỗi triệu token |
| Đầu vào và đầu ra | Tính giá riêng, đầu ra thường đắt gấp bốn đến năm lần |
| Bộ nhớ đệm (prompt caching) | Phần tiền tố lặp lại sau khi được ghi vào bộ nhớ đệm, đọc lại thường chỉ tốn khoảng một phần mười giá đầu vào thông thường |
| Xử lý theo lô (batch) | Tác vụ theo lô không cần phản hồi ngay thường được giảm 50% |
| Token suy nghĩ | Tính vào đầu ra, dù bạn không nhìn thấy nội dung vẫn phải trả |

Lấy API chính thức của Anthropic vào giữa năm 2026 làm ví dụ: Claude Opus 5 khoảng 5 đô la cho đầu vào, 25 đô la cho đầu ra; Sonnet 5 là 2 và 10 đô la; Haiku 4.5 là 1 và 5 đô la (mỗi triệu token). Giá sẽ thay đổi; tôi liệt kê mấy con số này không phải để bạn đem đi báo giá, mà để bạn nhìn ra cấu trúc — đầu ra luôn đắt gấp bốn đến năm lần đầu vào.

Cấu trúc này trực tiếp thay đổi quyết định thiết kế. Một tính năng sinh báo cáo dài và một tính năng chỉ phân loại, xuất ra vài chữ, dù đầu vào như nhau, chi phí có thể chênh nhau cả một bậc độ lớn. Muốn giảm chi phí, việc đầu tiên là nhìn vào cột đầu ra.

## Điều dễ bị đánh giá thấp nhất: chi phí không tăng tuyến tính

Đây là điểm tôi cho là đáng tách riêng ra nói nhất.

Bản thân mô hình không có trí nhớ. Mỗi lượt hội thoại đều phải gửi lại toàn bộ lịch sử trước đó thì mô hình mới biết hai bên vừa nói gì. Vì vậy câu “OK” bạn gõ ở lượt thứ hai mươi, thực tế bị tính phí là toàn văn mười chín lượt trước được tính lại một lần nữa như đầu vào.

Nói theo ngôn ngữ toán học, chi phí của hội thoại dài tăng gần theo bình phương, không phải tuyến tính. Trên thực tế, điều này dẫn đến ba hệ quả:

- Chi phí của hội thoại dài dồn về phía cuối, không phân bố đều. Ở lượt thứ ba bạn thấy rất rẻ, đến lượt thứ ba mươi chi phí một lượt có thể gấp mười lần.
- System prompt là chi phí cố định bị tính lặp lại ở mỗi lượt, không phải trả một lần lúc đầu là xong. Một bản thiết lập vai trò viết rất chi tiết, mỗi câu bạn nói là bạn trả tiền cho nó thêm một lần.
- Cơ chế bộ nhớ đệm tồn tại chính là vì chuyện này. Cố định phần tiền tố không đổi, đọc lại phần lặp với giá khoảng một phần mười — đây hiện là cách hiệu quả nhất với hội thoại dài.

## Muốn con số chính xác, chỉ có một cách

Đo thực tế bằng chính tokenizer của mô hình đó.

Anthropic cung cấp endpoint count_tokens; khi gọi bắt buộc phải truyền đúng mã mô hình bạn thực sự sẽ dùng, vì mỗi mô hình cho ra con số khác nhau. Phía OpenAI, công cụ tương ứng là gói tiktoken.

Ở đây có một nguồn sai số thường gặp: dùng tiktoken để ước tính lượng dùng của Claude sẽ ước thấp khoảng 15% đến 20%, với tiếng Trung và mã nguồn còn lệch nhiều hơn. Bảng tách chữ của hai hãng khác nhau, vốn không nên dùng thay cho nhau. Tôi đã thấy không chỉ một bảng tính chi phí được lập theo cách này, kết quả là hóa đơn thực tế cao hơn dự tính khoảng 20% mà không tìm ra nguyên nhân.

## Bốn tình huống, nên dùng cách tính nào

| Tình huống | Cách nên dùng |
|---|---|
| Ước chừng để quyết định có làm hay không | Quy tắc ước lượng: số ký tự tiếng Anh chia 4, số chữ tiếng Trung nhân 1 |
| Cần báo giá, cần đưa vào ngân sách | Chạy count_tokens với đúng mã mô hình sẽ dùng khi vận hành chính thức |
| Đã vận hành, cần kiểm soát chi phí | Xem trường lượng dùng trả về sau mỗi lần gọi, nhất là tỷ lệ trúng bộ nhớ đệm |
| So giá giữa các hãng | Lấy cùng một mẫu, đo bằng tokenizer của từng hãng; không chỉ so đơn giá |

Khác biệt giữa bốn ô này không nằm ở độ chính xác, mà ở việc bạn sẽ dùng con số đó để ra quyết định gì. Lúc quyết định “có làm hay không”, ước sai 20% chẳng sao; lúc quyết định “thu khách bao nhiêu tiền” mà ước sai 20%, thì 20% đó lấy ra từ lợi nhuận của bạn.

Quay lại câu hỏi ban đầu: token là gì? Nó là thành phần nhỏ nhất mà mô hình đó nhận ra, và mỗi mô hình nhận ra những thứ khác nhau. Chấp nhận điều này, mô hình chi phí của bạn mới được xây trên nền móng đúng.

## Câu hỏi thường gặp

### Một token bằng bao nhiêu từ?

Không có câu trả lời cố định. Với tiếng Anh, 1 token tương ứng khoảng 4 ký tự, tức khoảng 0,75 từ; với tiếng Trung, 1 chữ Hán khoảng 0,6 đến 1,5 token. Khoảng này rộng như vậy vì trong UTF-8 một chữ Hán chiếm ba byte, và việc từ đó có nằm trong bảng từ vựng của mô hình hay không có thể làm kết quả chênh hơn hai lần. Những con số này chỉ dùng để ước tính có nên làm hay không, không dùng để báo giá.

### Vì sao token không có chuẩn chung của ngành?

Vì bảng từ vựng là một phần trọng số của mô hình, huấn luyện xong thì không sửa được. Về bản chất nó là một linh kiện của mô hình, không phải bản đặc tả bên ngoài, nên tiêu chuẩn hóa không có chỗ bám về mặt kỹ thuật — yêu cầu hai công ty dùng chung một bảng từ vựng cũng như yêu cầu họ dùng chung một mô hình. Cùng một công ty khi đổi thế hệ cũng có thể đổi tokenizer; mô hình chi phí lập năm ngoái năm nay có thể đã sai lệch, và sẽ không có thông báo lỗi nào.

### Có thể dùng tiktoken để ước tính lượng dùng của Claude không?

Không nên. tiktoken là tokenizer của OpenAI, đem dùng cho Claude sẽ ước thấp khoảng 15% đến 20%, với tiếng Trung và mã nguồn còn lệch nhiều hơn. Muốn con số chính xác chỉ có một cách: đo bằng chính tokenizer của mô hình đó; với Anthropic là endpoint count_tokens, và khi gọi phải truyền đúng mã mô hình bạn thực sự sẽ dùng.

### Vì sao hội thoại càng dài càng tốn?

Vì bản thân mô hình không có trí nhớ, mỗi lượt đều phải gửi lại toàn bộ lịch sử trước đó. Câu “OK” bạn gõ ở lượt thứ hai mươi thực tế bị tính phí là toàn văn mười chín lượt trước được tính lại như đầu vào, nên chi phí tăng gần theo bình phương chứ không tuyến tính. Hệ quả đi kèm là system prompt thuộc chi phí cố định bị tính lặp ở mỗi lượt, không phải trả một lần đầu là xong; prompt caching tồn tại chính là để giảm phần này.

### Mô hình đơn giá thấp hơn có chắc là tiết kiệm hơn không?

Không chắc. Hiệu suất token của tiếng Trung phụ thuộc vào lượng ngữ liệu tiếng Trung của mô hình đó dày đến đâu; cùng một đoạn tiếng Trung, trên mô hình của các hãng khác nhau có thể chênh hơn hai lần số token, và điều này hoàn toàn không thấy được trên bảng đơn giá. Một mô hình có hiệu suất token tiếng Trung kém hơn 30%, dù đơn giá rẻ hơn 20%, thực tế vẫn đắt hơn. Muốn so giá thì phải lấy cùng một mẫu, đo bằng tokenizer của từng hãng.

Từ khóa của bài: token AI là gì, token là gì, 1 token bằng bao nhiêu từ, tokenizer, BPE, chi phí AI, giá LLM, prompt caching, count_tokens

Nguồn: Bài gốc tiếng Trung xuất bản lần đầu ngày 15/9/2026, lần cập nhật gần nhất cũng là ngày 15/9/2026. Giá là giá tham khảo API chính thức của Anthropic tại thời điểm giữa năm 2026 và có thể thay đổi. Các quy tắc ước lượng trong bài chỉ áp dụng cho văn bản tiếng Anh và tiếng Trung.