Một trang web mới có tên pricepertoken.com đã ra mắt để giúp các nhà phát triển so sánh giá cả giữa các API Mô hình Ngôn ngữ Lớn ( LLM ) khác nhau, nhưng đang nhận được phản ứng trái chiều từ cộng đồng công nghệ. Trang web được tạo ra bởi nhà phát triển Alex Ellman để giải quyết sự bất tiện khi phải kiểm tra từng trang web của nhà cung cấp để tìm thông tin giá token.
Lựa chọn mô hình hạn chế gây ra chỉ trích
Điểm tranh cãi chính tập trung vào việc trang web chỉ tập trung hẹp vào ba nhà cung cấp lớn: OpenAI , Google và Anthropic . Các thành viên cộng đồng nhanh chóng chỉ ra những thiếu sót đáng kể, với người dùng yêu cầu các mô hình phổ biến như DeepSeek , Qwen , Mistral và Llama . Một nhà phê bình mô tả đây là nỗ lực kém khi chỉ bao phủ 26 mô hình trong khi các đối thủ như OpenRouter cung cấp 473 mô hình từ hàng chục nhà cung cấp.
Người tạo ra trang web đã thừa nhận những mối quan ngại này và cho biết kế hoạch mở rộng danh sách mô hình sau khi đánh giá sự quan tâm ban đầu. Tuy nhiên, một số người dùng đặt câu hỏi tại sao lại phát hành một bộ dữ liệu hạn chế như vậy khi đã có các lựa chọn thay thế toàn diện hơn.
Phạm vi mô hình hiện tại theo nhà cung cấp:
- OpenAI: 13 mô hình (bao gồm GPT-4.5-preview với giá $75.00 USD đầu vào/$150.00 USD đầu ra trên 1 triệu token)
- Google: 6 mô hình ( Gemini 2.0 Flash-Lite bắt đầu từ $0.07 USD đầu vào/$0.30 USD đầu ra trên 1 triệu token)
- Anthropic: 6 mô hình ( Claude Haiku 3 đến Claude Opus 4 dao động từ $0.25-$15.00 USD đầu vào)
- Xai: 5 mô hình (các biến thể Grok từ $0.30-$5.00 USD đầu vào trên 1 triệu token)
Các lựa chọn thay thế hiện có đã sẵn sàng
Một số thành viên cộng đồng đã nêu bật rằng các dịch vụ tương tự đã tồn tại, bao gồm llm-prices.com của Simon Willison và các tính năng so sánh mô hình của OpenRouter . Điều này đặt ra câu hỏi về sự cần thiết của một công cụ so sánh giá khác, đặc biệt là một công cụ có phạm vi bao phủ hạn chế hơn so với các lựa chọn hiện có.
Bất chấp những chỉ trích, một số người dùng thấy giá trị trong giao diện sạch sẽ, đơn giản và đã đánh dấu trang web để sử dụng trong tương lai. Định dạng bảng đơn giản giúp dễ dàng so sánh nhanh chi phí đầu vào và đầu ra giữa các mô hình được bao gồm.
So sánh đối thủ cạnh tranh:
- OpenRouter: 473 mô hình từ hơn 60 nhà cung cấp với giá caching
- llm-prices.com của Simon Willison: Máy tính định giá đã được thiết lập
- models.dev: Phạm vi bao phủ mô hình toàn diện hơn
- artificialanalysis.ai: Bao gồm tính toán chi phí kết hợp và các chỉ số hiệu suất
Thực tế định giá phức tạp vượt ra ngoài chi phí token đơn giản
Cuộc thảo luận tiết lộ rằng việc định giá LLM phức tạp hơn nhiều so với tỷ lệ mỗi token đơn giản. Các thành viên cộng đồng chỉ ra nhiều yếu tố định giá mà trang web không đề cập, bao gồm định giá ngoài giờ cao điểm của DeepSeek , giảm giá định giá hàng loạt, định giá khác biệt theo cửa sổ ngữ cảnh và chi phí bộ nhớ đệm lời nhắc.
Một số mô hình sử dụng định giá theo cấp dựa trên độ dài lời nhắc, và các nhà cung cấp không đều đếm token theo cùng một cách, nhưng nói chung một token tương đương với 3-4 ký tự.
Người dùng cũng lưu ý rằng việc đếm token khác nhau đáng kể giữa các nhà cung cấp và mô hình, khiến việc so sánh giá trực tiếp có thể gây hiểu lầm. Ví dụ, một hình ảnh có thể tiêu tốn gấp 10 lần token trên GPT-4o-mini so với GPT-4 , và Gemini 2.5 Pro của Google đếm ký tự khác đi đối với đầu ra có cấu trúc.
Các phức tạp về giá cả còn thiếu:
- Giảm giá trong giờ thấp điểm ( DeepSeek )
- Mức giá xử lý hàng loạt ( OpenAI , Anthropic )
- Giá theo tầng cửa sổ ngữ cảnh ( Google , Grok )
- Chi phí token suy nghĩ so với không suy nghĩ ( Qwen )
- Chi phí lưu trữ prompt và KV caching
- Biến động giá đầu ra có cấu trúc
Kế hoạch phát triển tương lai
Người tạo ra trang web đã phản hồi tích cực với phản hồi, hứa sẽ thêm nhiều nhà cung cấp như Groq và OpenRouter , triển khai tự động thu thập dữ liệu để cập nhật thời gian thực, và tạo ra các bài kiểm tra tiêu chuẩn để so sánh chi phí thực tế giữa các mô hình. Kế hoạch cũng bao gồm thêm dữ liệu giá lịch sử và tính năng máy tính chi phí.
Trang web đại diện cho một nỗ lực tập trung hóa thông tin giá LLM , nhưng phạm vi hạn chế hiện tại của nó làm nổi bật thách thức trong việc tạo ra các công cụ toàn diện trong bối cảnh AI phát triển nhanh chóng. Liệu nó có thể tạo sự khác biệt so với các lựa chọn thay thế hiện có sẽ phụ thuộc vào việc nó mở rộng phạm vi bao phủ nhanh như thế nào và giải quyết các thực tế định giá phức tạp mà người dùng đã xác định.
Tham khảo: Price Per Token