Chi phí token AI agent cho mỗi tác vụ: cách tính bằng sổ chi phí thực tế

Đo chi phí theo tác vụ hoàn tất

Khi hỏi chi phí token AI agent cho mỗi tác vụ, đơn vị đúng không phải là “một câu trả lời giá bao nhiêu”. Đơn vị hữu ích hơn là: một tác vụ đã hoàn tất và được kiểm chứng tốn bao nhiêu. Một tác vụ Android có thể gồm nhiều lượt mô hình, đọc trạng thái màn hình, tạo bản nháp, phê duyệt, thử lại và kiểm tra kết quả. Nếu chỉ nhìn một lượt gọi API, bạn sẽ bỏ sót phần chi phí làm lại.

Công thức cơ bản là:

Chi phí mỗi tác vụ hoàn tất = tổng chi phí đo được của lô tác vụ / số tác vụ hoàn tất và kiểm chứng.

Tổng chi phí đo được có thể gồm phí mô hình, phí cache, phí công cụ ngoài, phí gói hoặc tín dụng nếu cần phân bổ, thời gian con người và năng lượng tăng thêm nếu bạn muốn quy đổi. Đừng cộng hai lần khoản đã bao gồm trong gói hoặc tín dụng đã trả trước. Nếu một gói thuê bao đã bao gồm mức dùng nhất định, hãy ghi nó như một khoản phân bổ riêng thay vì cộng lại vào từng token.

Với FoneClaw, chúng tôi nhìn chi phí theo kết quả trên điện thoại: nội dung có nằm đúng ô không, lịch có được tạo đúng không, tuyến đường có mở đúng không, và bước nhạy cảm có được kiểm tra không. Bài Tự động hóa tác vụ nhiều bước Android: xác nhận, chạy và khôi phục giúp định nghĩa thế nào là một tác vụ điện thoại hoàn chỉnh trước khi bạn bắt đầu đo.

Lập sổ chi phí từ mức dùng của nhà cung cấp

Một sổ chi phí đơn giản nên tách các nhóm không chồng lên nhau. Với mô hình tính theo token, hãy lấy tổng token đầu vào chưa cache, tổng token đầu vào đọc từ cache và tổng token đầu ra tính phí trên toàn bộ lô tác vụ, bao gồm cả lần thử lại và lần thất bại. Nếu đơn giá ghi theo mỗi triệu token, chia lượng token thô của từng nhóm cho một triệu rồi nhân với đơn giá tương ứng.

Công thức phần token mẫu:

Tạm tính token = (token đầu vào chưa cache / một triệu × giá đầu vào) + (token đọc từ cache / một triệu × giá đọc cache) + (token đầu ra tính phí / một triệu × giá đầu ra).

Tổng chi phí đo được = tạm tính token + phí tạo/lưu cache nếu có + phí công cụ ngoài nếu có + phần gói thuê bao cần phân bổ nếu có.

Tài liệu Gemini về token nêu token có thể đến từ văn bản và các dạng khác như hình ảnh; mức dùng thực tế có thể có trường cho đầu vào, đầu ra, token suy luận và ngữ cảnh cache. Tài liệu giá Gemini API cũng cho thấy giá thay đổi theo mô hình, dạng dữ liệu và dịch vụ; một số giá đầu ra đã gồm token suy luận, còn cache hoặc grounding có thể được tính riêng. Vì vậy, khi đầu ra đã bao gồm token suy luận theo cách tính của nhà cung cấp, đừng cộng phần đó thêm lần nữa.

Với cache, tài liệu Claude về prompt caching tách việc ghi cache, đọc token từ cache và đầu vào chưa cache. Cache chỉ tiết kiệm khi điều kiện tái sử dụng thật sự được đáp ứng; hãy dùng trường mức dùng của nhà cung cấp để xác nhận cache được dùng thay vì giả định. Nếu ảnh chụp màn hình hoặc hình ảnh đã được quy đổi thành token đầu vào, đừng cộng thêm một khoản “phí ảnh” riêng trừ khi bảng giá hiện hành yêu cầu.

Tính lại một lô giả định

Ví dụ sau là số giả định để dạy cách tính, không phải giá hiện hành của Google, Anthropic, FoneClaw hoặc nhà cung cấp nào. Giả sử bạn chạy 100 tác vụ nháp tin nhắn giống nhau. Toàn bộ lô, bao gồm lần thử lại và tác vụ thất bại, có mức dùng như sau:

Nếu trong 100 tác vụ thử có 90 tác vụ hoàn tất và được kiểm chứng, chi phí mỗi tác vụ hoàn tất là 3,34 / 90 = khoảng 0,0371 USD. Không chia cho 100, vì 10 tác vụ còn lại vẫn tiêu tốn chi phí nhưng không tạo kết quả hoàn tất. Cũng không cộng lần thử lại thêm lần nữa nếu token của lần thử lại đã nằm trong tổng mức dùng của lô.

Ví dụ này không có phí ghi cache, phí lưu trữ cache, phí thuê bao phân bổ hoặc phí chuyển đổi tiền tệ. Trong phép tính thật, hãy thêm các dòng đó nếu nhà cung cấp tính riêng. Nếu không có tác vụ nào hoàn tất, mẫu số bằng 0; khi đó chi phí mỗi tác vụ hoàn tất là không xác định, không phải bằng 0.

Thực thi trên điện thoại có thể thay đổi gì

Thực thi trên điện thoại có thể làm thay đổi lượng việc mô hình phải xử lý, nhưng không tự chứng minh tiết kiệm cố định. Trong FoneClaw, mô hình được cấu hình giúp hiểu và lập kế hoạch, còn FoneClaw thực hiện các hành động Android được hỗ trợ như đọc trạng thái màn hình có thể truy cập, dùng thông tin hiện tại để xác định ô nhập, và điền văn bản vào ô đó. Việc thực thi trên điện thoại không đồng nghĩa suy luận luôn nằm trên thiết bị hoặc không có phí mô hình; nếu bạn cấu hình mô hình trực tuyến, ngữ cảnh cung cấp cho tác vụ có thể được xử lý theo điều kiện của nhà cung cấp đó.

Một ví dụ phù hợp là tạo bản nháp trong một ô đang mở: FoneClaw đọc trạng thái màn hình được hỗ trợ, đặt văn bản vào ô chỉnh sửa đã xác định, rồi dừng để người dùng xem lại. Công cụ nhập văn bản không tự gửi, không gửi biểu mẫu và không nhấn Enter. Nếu màn hình thay đổi, cần đọc lại trạng thái thay vì dùng thông tin cũ.

Quy trình đã lưu cũng có thể giảm phần lặp lại của các bước công cụ, nhưng không bảo đảm lần chạy sau không cần mô hình. Chi phí thật vẫn phụ thuộc cách chọn mô hình, ngữ cảnh, lần thử lại và mức dùng do nhà cung cấp báo. Thông tin giao diện dạng văn bản và ảnh chụp màn hình cũng không có thứ hạng chi phí cố định; nhà cung cấp và tác vụ quyết định cách tính. Nếu cần nền tảng về thực thi cục bộ và xử lý mô hình, bài Niềm tin AI agent: Android cục bộ hay đám mây giải thích rõ hơn ranh giới này.

Chạy phép đo nhỏ có thể lặp lại

Để so sánh chi phí thật, hãy chọn một tác vụ ít rủi ro và lặp lại được. Ví dụ: chuẩn bị một bản nháp “Tôi sẽ đến muộn 10 phút” trong cùng một ứng dụng nhắn tin thử nghiệm, cùng một điện thoại, cùng một đầu vào và cùng tiêu chí hoàn tất. Chạy 10 lần cho mỗi cấu hình bạn muốn so sánh. Đây là giao thức đo đề xuất, không phải kết quả thử nghiệm đã thực hiện.

1. Định nghĩa hoàn tất: bản nháp nằm đúng ô, nội dung đúng, chưa gửi, người dùng kiểm tra được.
2. Ghi toàn bộ mức dùng từ nhà cung cấp nếu có: đầu vào chưa cache, token đọc từ cache, cache ghi, đầu ra, token suy luận, công cụ ngoài.
3. Ghi số lần thử lại và thất bại; lần thử lại đã nằm trong mức dùng thì không cộng thêm lần nữa.
4. Ghi thời gian trôi qua, thời gian người dùng xem lại và số lần phải chỉnh tay.
5. Nếu đo năng lượng, ghi mức Wh tăng thêm riêng; đừng trộn với chi phí thời gian nếu chưa thống nhất cách quy đổi.
6. Chia tổng chi phí cho số tác vụ hoàn tất và kiểm chứng.

Với tác vụ Android, hãy giữ quyền và xác nhận cần thiết. Không nên giảm chi phí bằng cách bỏ kiểm tra người nhận, bỏ phê duyệt hoặc gửi nội dung nhạy cảm tự động. Bài AI agent điều khiển điện thoại Android: từ ý định đến hành động giúp xác định điểm nào là hành động được hỗ trợ và điểm nào cần kết quả nhìn thấy được.

Giảm lãng phí mà không bỏ bước kiểm tra

Cách giảm lãng phí tốt nhất là làm đầu vào rõ hơn, giới hạn lịch sử không cần thiết, xác nhận cache được dùng bằng mức dùng do nhà cung cấp báo, và chẩn đoán lỗi trước khi chạy lại. Nếu một ô nhập không còn hiển thị, đọc lại màn hình thay vì lặp công cụ. Nếu trạng thái gửi không rõ, kiểm tra ứng dụng thật trước khi gửi lại.

Đừng coi việc bỏ phê duyệt là tiết kiệm. Với tin nhắn, cài đặt hoặc dữ liệu cá nhân, phê duyệt là một phần của kết quả đúng. Nếu đo năng lượng, công thức tối giản là: chi phí điện = Wh tăng thêm / 1000 × giá điện mỗi kWh theo tiền địa phương. Giữ chi phí tiền, thời gian và năng lượng riêng biệt, hoặc quy đổi nhất quán một lần.

Bạn có thể xem phạm vi tác vụ Android được hỗ trợ trên trang tính năng FoneClaw. Khi một tác vụ thất bại, bài Gỡ lỗi và khôi phục tác nhân điện thoại Android: checklist, nguyên nhân gốc và cách chạy lại an toàn giúp tìm nguyên nhân trước khi tiêu thêm token cho lần thử tiếp theo.