Token Claude là gì? Cách tính token trong Claude Code

Token trong Claude là gì?

Token là đơn vị văn bản mà Claude đọc và ghi: một phần của từ. Bảng thuật ngữ của Anthropic ước tính mỗi token có khoảng 3.5 ký tự tiếng Anh trên các model trước Claude Opus 4.7. Với tokenizer hiện tại, con số này gần 2.5 hơn, vì Anthropic quy đổi 1M token thành khoảng 2.5M ký tự. Dù theo cách nào, mỗi từ vẫn tương đương nhiều hơn 1 token sau khi tính cả khoảng trắng và dấu câu. Vì vậy, 1,000 từ văn xuôi thường có hơn 1,300 token. Code có mật độ token cao hơn trên mỗi dòng: dấu ngoặc nhọn, toán tử, dấu gạch dưới và indentation tạo ra nhiều token hơn trên cùng số ký tự so với tiếng Anh. Một source file vài trăm dòng thường có vài nghìn token. Một file 2,000 dòng mà agent quyết định đọc sẽ tiêu tốn token ở mức 5 chữ số trước khi có ai viết thêm một dòng code nào.

Có 2 điểm về tokenizer thường gây nhầm lẫn. Thứ nhất, tokenizer phụ thuộc vào model. Tính đến tháng 10 năm 2026, Claude Opus 4.7 và mọi model ra sau đó, gồm Fable 5.1, Opus 5.5, Sonnet 5.5 và Haiku 5.5 hiện tại, đều dùng tokenizer mới. Tokenizer này tạo ra nhiều hơn khoảng 30% token cho cùng một đoạn văn bản so với các model Claude trước đây như Haiku 4.5. Mức tăng chính xác thay đổi tùy nội dung. Điều này làm thay đổi mọi dự toán theo token, dù giá mỗi token không tăng theo. Thứ hai, tiktoken, thư viện mà hầu hết bài blog đều sử dụng, là tokenizer của OpenAI, không phải của Claude. Vì vậy, số liệu từ thư viện này sẽ không khớp với số token Anthropic tính phí. Chỉ có endpoint count_tokens mới cho số liệu đáng tin cậy. Endpoint này được đề cập bên dưới.

Chi phí của một phiên coding được tính như thế nào

Mọi khoản tính phí của Claude, dù là hóa đơn API hay giới hạn subscription, chủ yếu dựa trên một meter: token đầu vào và token đầu ra. Một số API tool tính thêm một mục riêng. Ví dụ, web search có giá $10 cho mỗi 1,000 lượt tìm kiếm tính đến tháng 10 năm 2026, chưa bao gồm token do kết quả tìm kiếm tạo ra. Tuy nhiên, trong một phiên coding, chính meter token là phần tăng nhanh nhất. Trang pricing khiến mọi thứ có vẻ đơn giản: một mức giá cho mỗi triệu input token và một mức giá khác cho mỗi triệu output token. Nhưng trang này không nói rằng trong một phiên coding có agent, phía input chạy nhiều hơn trực giác dự đoán, vì toàn bộ cuộc hội thoại được gửi lại ở mỗi turn. Tôi đã bán hạ tầng tính phí theo mức sử dụng trong mười lăm năm, và token là meter đầu tiên tôi thấy mà phần lớn khách hàng thực sự không thể nói chính xác thứ gì đang làm meter tăng. Đây là bài học về cách đọc meter: input và output trong một phiên có agent bao gồm những gì, vì sao vòng lặp gửi lại khiến chi phí tăng mạnh, prompt caching thay đổi phép tính như thế nào, và những đòn bẩy nào thực sự làm thay đổi con số.

Mọi thứ đều là input: meter thực sự đếm gì

Nhiều người nghĩ họ trả tiền cho phần code Claude viết. Trong một phiên agentic, đó chỉ là khoản nhỏ. Input token có mức giá thấp hơn nhưng khối lượng lớn hơn nhiều, bao gồm:

• System prompt. Các instruction của chính Claude Code, cùng với CLAUDE.md và các file memory của bạn, được load khi session bắt đầu và tiếp tục có mặt trong mọi request sau đó.
• Định nghĩa tool. Mọi schema của các tool mà agent có thể gọi. Mỗi MCP server bạn kết nối đều làm tăng overhead cố định này. Tuy nhiên, Claude Code hiện mặc định trì hoãn việc load đầy đủ định nghĩa MCP tool. Vì vậy, context chỉ chứa tên tool cho đến khi tool đó được dùng lần đầu. Cách này giảm chi phí nhưng không loại bỏ hoàn toàn.
• Mọi file agent đọc. Một Read của source file sẽ đưa toàn bộ file đó vào context và file vẫn ở đó.
• Mọi kết quả từ tool. Kết quả chạy test, output của grep, toàn bộ output từ terminal, build log, tất cả đều quay lại dưới dạng input token. Một test suite bị fail và in ra 8,000 dòng tương đương một cuốn sách mỏng. Từ October 2026, Claude Code mặc định truyền inline khoảng 30,000 ký tự command output. Phần dài hơn được lưu thành file kèm preview tối đa 2,000 ký tự. Tuy nhiên, mọi output không vượt quá giới hạn này và mọi lần đọc lại file đã lưu đều được tính phí đầy đủ.
• Toàn bộ conversation cho đến thời điểm hiện tại, được gửi lại trong mỗi turn. Phần này cần một section riêng.

Càng gửi lại, chi phí càng tăng

Claude API là stateless. API không ghi nhớ session giữa các request; không có thành phần nào làm việc đó. Vì vậy, ở lượt 2, client gửi lượt 1, response của lượt 1 và message mới của bạn. Ở lượt 50, client gửi lại mọi nội dung vẫn còn trong context từ lượt 1 đến lượt 49, mọi file đã đọc, kết quả tool và diff chưa bị compact, rồi thêm lượt 50. (Compaction thay lịch sử cũ bằng một bản tóm tắt. Các file mà subagent đọc vẫn nằm trong context riêng của nó; chỉ kết quả của subagent được gửi trở lại.) Model đọc lại toàn bộ transcript được giữ lại ở mỗi request. Mọi token được đọc lại đều bị tính phí input.

Hệ quả là chi phí mỗi lượt tăng gần tuyến tính theo độ dài session, còn tổng chi phí của session tăng gần theo bình phương. Một message có giá nửa cent ở lượt 3 có thể tốn gấp 20 lần ở lượt 60, dù cùng là một câu hỏi một dòng, vì request phải mang theo dữ liệu của 60 lượt. Đây là sự thật quan trọng nhất để giải thích phần lớn ticket kiểu “tại sao hóa đơn lại cao như vậy”. Đây không phải đặc điểm riêng của Claude. Mọi sản phẩm LLM tạo cảm giác có state đều dùng stateless API với một vòng lặp gửi lại ở bên dưới.

Output: phần bạn thấy và phần suy luận bạn không thấy

Output token có giá cao hơn input token, gấp 5 lần theo bảng giá hiện tại ($10/$50 trên Fable 5.1, $4/$20 trên Opus 5.5, $2/$10 trên Sonnet 5.5, $0.10/$0.50 trên Haiku 5.5 cho prompt tối đa 100,000 token, tính đến tháng 10 năm 2026). Output gồm văn bản và code Claude tạo ra, cùng thinking token: phần suy luận nội bộ model thực hiện trước khi trả lời. Có 2 điểm cần lưu ý. Thinking được tính theo giá output và tính vào max_tokens. Một API response kết thúc với stop_reason: "max_tokens" cùng câu trả lời bị cắt thường có nghĩa là thinking đã dùng hết ngân sách trước khi model hoàn tất câu trả lời. Với các model hiện tại, reasoning summary có thể hoàn toàn không được hiển thị. API mặc định không trả về phần này trên Fable 5.1, Opus 5.5, Sonnet 5.5, Haiku 5.5 và các model cũ hơn cho đến Opus 4.7. Tuy nhiên, thinking vẫn diễn ra và vẫn bị tính phí. Không nhìn thấy không có nghĩa là miễn phí.

Claude Code mặc định bật extended thinking vì tính năng này cải thiện rõ rệt các tác vụ nhiều bước. Ngân sách mặc định có thể lên đến hàng chục nghìn token cho mỗi request. Với tác vụ đơn giản hơn, bạn có thể giảm mức này: hạ effort level bằng /effort hoặc trong /model, hoặc tắt thinking bằng /config trên các model cho phép. Tính đến tháng 10 năm 2026, Claude Code không thể tắt thinking trên Opus 5.5, Sonnet 5.5, Haiku 5.5 hoặc các model Fable. Khi đó, effort là cần gạt để điều chỉnh. API cho phép kiểm soát nhiều hơn trên 2 model trong số này. Haiku 5.5 chấp nhận thinking: {"type": "disabled"} ở mức effort high hoặc thấp hơn, Opus 5 cũ cũng vậy. Sonnet 5 cũ chấp nhận tùy chọn này ở mọi effort level, kể cả xhigh và max. Sonnet 5.5 từ chối "disabled" và thay bằng thinking: {"type": "between_tools"}. Tùy chọn này giảm thinking ban đầu ở mức effort low, medium hoặc high, nên request không dùng tool sẽ nhận được câu trả lời mà không cần thinking trước. Chỉ Opus 5.5 và các model Fable vẫn thực hiện thinking với mọi nội dung bạn gửi. Đây là một cách thực sự để giảm chi phí, không phải suy đoán.

Cache prompt thay đổi hoàn toàn bài toán

Cache prompt là lý do vòng lặp gửi lại không khiến chi phí của mọi người tăng vọt. API có thể cache phần prefix ổn định của prompt, system prompt, định nghĩa tool và lịch sử hội thoại, rồi phục vụ phần này ở request tiếp theo với một phần chi phí. Tính đến tháng 10 năm 2026, các hệ số là: ghi vào cache có chi phí bằng 1.25× đơn giá input cơ bản (2× đối với biến thể 1 giờ), còn đọc từ cache có chi phí bằng 0.1× trên hầu hết model, 0.05× trên Claude Opus 5.5 và Claude Sonnet 5.5, và 0.025× trên Claude Fable 5.1. Ghi cache có phụ phí; đọc cache được giảm 90% trên hầu hết model, 95% trên Opus 5.5 và Sonnet 5.5, và 97.5% trên Fable 5.1. (Đơn giá đọc của Sonnet 5.5 đã giảm từ 0.1× xuống 0.05× vào ngày 7 tháng 10 năm 2026.) Chỉ một lần đọc đã đủ bù hơn phần phụ phí ghi cache 5 phút.

Claude Code tự quản lý việc cache cho bạn. Trong một session hoạt động bình thường, gần như toàn bộ phần gửi lại lớn đó được phục vụ từ cache. Tuy nhiên, cache hết hạn sau một khoảng thời gian không hoạt động. Tính đến tháng 10 năm 2026, Claude Code cấp cache một giờ cho cuộc hội thoại chính khi bạn dùng subscription trong phần usage đã bao gồm của plan, và 5 phút tính từ lần dùng cuối khi bạn dùng API key, cloud provider hoặc đã bắt đầu dùng usage credits (setting promptCacheTtl có thể yêu cầu thời hạn một giờ trong trường hợp này, với chi phí ghi cache là 2×). Với cache 5 phút, nếu bạn rời máy để uống cà phê lâu hơn dự kiến, quay lại và gửi message, cache đã hết hạn. Toàn bộ prefix tích lũy sẽ được ghi lại với giá 1.25× thay vì được đọc với giá cache. Trong session 150K-token, một turn lạnh sẽ ghi toàn bộ 150K token với giá 1.25×, trong khi turn ấm sẽ đọc chúng với giá 0.1×. Chênh lệch trên prefix là 12.5 lần (25 lần trên Opus 5.5 và Sonnet 5.5, 50 lần trên Fable 5.1). Đây là kết quả trái với trực giác cần ghi nhớ: nhịp làm việc rồi nghỉ rồi tiếp tục có thể tốn nhiều hơn làm việc liên tục, vì mỗi khoảng nghỉ vượt quá TTL sẽ biến turn tiếp theo từ một lần đọc rẻ thành một lần ghi lại đắt tiền. Hãy làm việc theo từng đợt. Với cache 5 phút, đừng nhỏ giọt một session lớn bằng cách gửi mỗi message cách nhau 10 phút.

Nếu bạn gọi API từ ứng dụng riêng trên VPS, không có cơ chế nào trong số này tự động diễn ra. Bạn phải bật bằng cache_control. Lỗi thường do chính mình gây ra là nội suy timestamp hoặc request ID vào system prompt. Việc này làm các byte của prefix thay đổi trong mỗi request và âm thầm vô hiệu hóa caching. Dấu hiệu là usage.cache_read_input_tokens luôn bằng 0 trong các lần gọi có vẻ giống hệt nhau.

Công thức, kèm ví dụ tính cụ thể

Đừng tin những ai đưa ra một mức cố định kiểu “mỗi session tốn $X”. Chi phí session có thể chênh lệch 2 bậc độ lớn. Công thức sau mới là điều có giá trị:

turn cost = (uncached input        x base input price)
          + (cache writes          x 1.25 x base input price)
          + (cache reads           x read multiplier x base input price)
          + (output incl. thinking x output price)

read multiplier = 0.10 on most models, 0.05 on Opus 5.5 and Sonnet 5.5, 0.025 on Fable 5.1
session cost = sum over all turns

Ví dụ tính trên Claude Opus 4.8, hiện đã là model legacy nhưng vẫn còn khả dụng và tính đến tháng 10 năm 2026 vẫn có giá $5 cho mỗi triệu input token và $25 cho mỗi triệu output token. Một lượt giữa session có tổng cộng 80,000 token context đã tích lũy gồm: 75,000 token đọc từ cache, 3,000 token mới ghi vào cache, 2,000 uncached fresh input và 1,500 output token, bao gồm cả thinking.

• Cache reads: 75,000 × $0.50/M = $0.0375
• Cache writes: 3,000 × $6.25/M = $0.019
• Uncached input: 2,000 × $5/M = $0.010
• Output: 1,500 × $25/M = $0.0375

Tổng cộng khoảng $0.10 cho lượt này; 50 lượt tương tự sẽ tốn khoảng $5. Nếu thực hiện cùng lượt đó sau khi cache hết hạn, 78,000 token có thể cache sẽ phải được ghi lại với giá $6.25/M. Cộng thêm 2,000 uncached token với giá $5/M, chi phí trước output là khoảng $0.50, tức gần gấp 5 lần toàn bộ lượt khi cache còn nóng, dù công việc giống hệt nhau. Chỉ một con số này đã cho thấy đầy đủ tác động của caching. Với Claude Opus 5.5 hiện tại ($4/$20, cache reads bằng 0.05×), cùng lượt khi cache còn nóng có chi phí khoảng $0.07 (reads $0.015, writes $0.015, uncached input $0.008, output $0.030). Phiên bản khi cache lạnh có chi phí $0.40 trước output, gần gấp 6 lần lượt khi cache nóng. 4 dòng trên cũng là cách duy nhất trung thực để so sánh các nhà cung cấp, vì bảng giá niêm yết bỏ qua cache reads và thinking. Chạy công thức này trên 3 công việc thực tế sẽ cho thấy chi phí Claude cao hơn hay thấp hơn OpenAI ở đâu.

Nếu bạn muốn hình dung về chính đơn vị tính phí thay vì một lượt riêng lẻ, một triệu token tương đương bao nhiêu trang, file và chi phí sẽ thực hiện cùng phép tính ở quy mô lớn hơn. Đây là số liệu để hiệu chỉnh, không phải để dự đoán: theo số liệu Anthropic công bố cho các đợt triển khai Claude Code dành cho doanh nghiệp, tính đến tháng 10 năm 2026, chi phí trung bình khoảng $13 cho mỗi developer trong một ngày hoạt động và $150 đến $250 mỗi tháng; 90% người dùng giữ chi phí dưới $30 mỗi ngày. Chi phí thực tế của bạn phụ thuộc vào lựa chọn model, cách quản lý session và kích thước codebase. Vì vậy, các yếu tố điều chỉnh bên dưới rất quan trọng.

Xem mức sử dụng của bạn

Trong Claude Code, command là /usage (/cost vẫn hoạt động vì là alias). Khối Session ở đầu màn hình hiển thị thống kê token và ước tính chi phí được tính cục bộ cho session hiện tại. Với subscription plan, màn hình này cũng hiển thị các thanh giới hạn của plan và phân bổ mức sử dụng gần đây theo skill, subagent, plugin và từng MCP server. Ở các version gần đây, khối Session còn có dòng Prompt cache (main) cho biết tỷ lệ input được phục vụ từ cache, số cache miss và cache hiện đang warm hay không. Với tài khoản API, trang usage trong Claude Console mới là nguồn dữ liệu chính thức về billing; số liệu trong CLI chỉ là ước tính. /context vẽ một grid màu cho biết nội dung đang chiếm context window, gồm system prompt, tool, định nghĩa MCP, file và history. Đây là cách nhanh nhất để phát hiện CLAUDE.md phình to hoặc MCP server tạo quá nhiều message. Ở chế độ fullscreen, command này thu gọn phần phân tích theo từng mục; truyền all sẽ mở rộng phần đó.

Từ API, mỗi response cho biết chính xác điều gì đã xảy ra:

response = client.messages.create(model="claude-sonnet-5-5", max_tokens=2048,
                                  messages=messages)
u = response.usage
total_prompt = u.input_tokens + u.cache_creation_input_tokens + u.cache_read_input_tokens
print(f"uncached={u.input_tokens} written={u.cache_creation_input_tokens} "
      f"read={u.cache_read_input_tokens} output={u.output_tokens}")

Lưu ý rằng input_tokens chỉ là phần còn lại chưa được cache. Kích thước prompt thực tế là tổng của cả 3 trường input. Một agent chạy trong 1 giờ và hiển thị input_tokens: 4000 không có nghĩa là nó rẻ; 200,000 token còn lại đã được phục vụ từ cache. Để ước tính trước khi gửi, hãy dùng token-counting endpoint. Endpoint này miễn phí, có rate limit riêng và đếm token bằng tokenizer của model bạn chỉ định. Hãy xem kết quả là ước tính gần đúng; billing dựa trên request thực tế:

count = client.messages.count_tokens(model="claude-sonnet-5-5",
                                     messages=[{"role": "user", "content": big_file}])
print(count.input_tokens)

Không bao giờ tiktoken vì lý do nêu trên.

Gói subscription so với trả theo mức sử dụng

Cơ chế trong hướng dẫn này giống nhau ở mọi nơi; chỉ cách tính phí là khác. Với API key, Anthropic tính phí theo mức sử dụng, theo từng token, với mức giá đã công bố; mọi con số bên trên đều tương ứng với tiền thật. Đồng hồ tính phí bắt đầu chạy sớm hơn nhiều người nghĩ, vì không có free tier để dùng tạm. Tài khoản chỉ có một khoản credit nhỏ khi đăng ký và một số endpoint không tính phí. Đây là những gì một tài khoản API mới thực sự nhận được trước khi bạn thêm thẻ thanh toán. Ngoại lệ, áp dụng từ October 7, 2026, là subscription Max hoặc Team: các gói này hiện bao gồm credit API hằng tháng cho app và agent của bạn trên Claude Platform, gồm $100 mỗi tháng với Max 5x, $200 với Max 20x, và với Team là $20 cho mỗi Standard seat và $100 cho mỗi Premium seat, dùng chung và giới hạn ở $500. Bạn nhận credit bằng cách liên kết một organization trong Console. Credit chưa dùng sẽ hết hạn khi chu kỳ thanh toán kết thúc và không áp dụng cho Claude Code tương tác.

Với Claude subscription (Pro, Max, Team và các gói Enterprise tính theo seat kiểu cũ), mức sử dụng Claude Code được trừ vào hạn mức có sẵn trong gói thay thế. Tính đến October 2026, hạn mức này gồm một session window kéo dài 5 giờ và một weekly window, dùng chung giữa các model và cả chat trên claude.ai. Con số dollar /usage chỉ để tham khảo, không phải khoản phí phải trả. Có 2 ngoại lệ tính đến October 2026: các Enterprise seat hiện tại tính phí theo mức sử dụng không bao gồm hạn mức sử dụng nào, nên mọi token đều bị tính theo mức giá API tiêu chuẩn; Fable model cũng không nằm trong hạn mức của Pro, standard Team seat hoặc standard Enterprise seat kiểu cũ, nên chúng sử dụng usage credit theo hình thức pay-as-you-go.

Khi hết một window, bạn sẽ thấy "Bạn đã đạt giới hạn session" hoặc "Bạn đã đạt giới hạn tuần", kèm thời điểm reset. Đổi model bằng /model cũng không khôi phục quyền truy cập, vì các window được dùng chung giữa các model. Các window này gắn với account chứ không phụ thuộc client mà bạn đang sử dụng. Điều này đáng lưu ý nếu bạn vẫn đang tìm hiểu những gì chạy native trên Linux và plan nào bao phủ từng surface. Bạn đã hết window nào sẽ quyết định phải chờ bao lâu và nên làm gì trong lúc chờ. Vì vậy, bạn nên biết các lựa chọn khi chạm giới hạn giữa chừng. Các plan có thể bật usage credit để mua thêm usage vượt hạn mức, được quản lý bằng /usage-credits.

Tôi cố ý không nêu quota của plan. Đây là những con số biến động nhiều nhất trong toàn bộ chủ đề này, nên hãy kiểm tra claude.com/pricing và các thanh /usage của chính bạn. Cơ chế tính theo token vẫn quan trọng khi dùng subscription; một session lãng phí sẽ tiêu hao window của bạn giống hệt như khi tiêu tốn dollar. Về phần subscription, xem Claude plan nào phù hợp với usage của bạn.

Các đòn bẩy thực sự hiệu quả

• Giới hạn phạm vi đọc của agent. "Sửa lỗi validation trong auth.py" chỉ đọc một file; "cải thiện codebase này" đọc bốn mươi file. Hãy giữ cho CLAUDE.md gọn nhẹ, nó được load vào mọi session, vì vậy chỉ để những thứ thiết yếu, và chuyển các hướng dẫn cụ thể theo workflow vào các kỹ năng được load theo yêu cầu.
• Xóa và nén. /clear giữa các tác vụ không liên quan, context cũ sẽ bị gửi lại và tính phí lại trong mọi tin nhắn tiếp theo. Trong một tác vụ dài, /compact Focus on the failing tests and the diff sẽ tóm tắt lịch sử và giúp bạn thoát khỏi đường cong bậc hai.
• Chọn kích thước model phù hợp. Sonnet xử lý hầu hết các tác vụ lập trình với giá $2/$10 mỗi triệu token tính đến tháng 10 năm 2026, hiện là mức giá tiêu chuẩn thay vì giá ưu đãi ban đầu: Sonnet 5.5 có giá $2/$10, và Sonnet 5 giữ nguyên mức $2/$10 khi kế hoạch tăng giá lên $3/$15 vào tháng 9 bị hủy bỏ. Mức giá này so với Opus 5.5 là $4/$20, và Haiku 5.5 là $0.10/$0.50 (cho prompt lên đến 100,000 token, $0.50/$2.50 cho phần vượt quá) là công cụ phù hợp cho các công việc subagent mang tính cơ học như phân loại log. Fable 5.1 nằm ở đầu kia với mức $10/$50, cùng mức giá với Fable 5 và gấp hai lần rưỡi Opus 5.5 ở cả hai chiều, vì vậy cần biết công việc nào thực sự xứng đáng với mức giá đó trước khi bạn để nó được chọn cho các công việc thường ngày. /model có thể chuyển đổi giữa chừng trong session.
• Lọc trước output dài dòng. Một hook dùng grep để lọc kết quả test chỉ còn lại các lỗi trước khi Claude nhìn thấy sẽ biến 20,000 token kết quả tool thành 300, và nó thực hiện điều đó trong mọi lần gửi lại lượt đó sau này.
• Batch các tác vụ không tương tác. Đối với các pipeline API của riêng bạn, phân loại, đánh giá hàng loạt, các job chạy đêm, Batches API chạy cùng các model đó với mức giảm giá 50% để đổi lấy việc trả kết quả bất đồng bộ.
• Tôn trọng bộ đếm thời gian cache. Làm việc trong các phiên liên tục. Một session Claude Code trong tmux trên VPS bị ngắt kết nối sẽ không tốn phí khi ở trạng thái idle, token chỉ bị trừ khi một lượt chạy, nhưng thời gian idle vượt quá TTL của cache sẽ làm mất cache ấm, và lượt tiếp theo sẽ phải trả phí cho việc ghi lại.

FAQ

Một phiên coding trong Claude Code sử dụng bao nhiêu token?

Không có con số cố định. Một lượt giữa phiên thường đã có hàng chục nghìn prompt token khi các file và history tích lũy. Một phiên làm việc có thể lên đến hàng triệu token. Phần lớn token được phục vụ từ cache với mức giá bằng một phần mười hoặc thấp hơn so với mức cơ bản, tùy model. Để tham khảo, số liệu doanh nghiệp do Anthropic công bố tính đến tháng 10 năm 2026 cho thấy mức trung bình khoảng $13 cho mỗi developer trong một ngày hoạt động, với 90% người dùng ở mức dưới $30. Chạy /usage trong chính phiên của bạn. Theo dõi trong năm phút hữu ích hơn mọi số liệu trung bình được công bố.

Thinking token có bị tính phí ngay cả khi tôi không nhìn thấy không?

Có. Thinking token được tính như output token theo mức giá cao hơn và được tính vào max_tokens. Các model hiện tại vẫn tính phí cho chúng ngay cả khi giao diện không hiển thị phần tóm tắt reasoning. Nếu phản hồi bị cắt với stop_reason: "max_tokens" trước khi phần trả lời hiển thị hoàn tất, nguyên nhân có thể là thinking đã dùng hết ngân sách. Trong Claude Code, giảm mức effort bằng /effort cho các tác vụ không cần reasoning sâu.

Vì sao một phiên Claude Code dài lại đắt hơn theo mỗi message?

Vì API là stateless: mỗi lượt đều gửi lại toàn bộ conversation vẫn còn trong context, cùng mọi file đã đọc, kết quả tool và exchange trước đó chưa bị compact, dưới dạng input được tính phí. Vì vậy, lượt 50 mang theo các lượt từ 1 đến 49 như dữ liệu kèm theo. Prompt caching cung cấp prefix lặp lại với giá bằng một phần mười mức input cơ bản trên hầu hết model (5% trên Opus 5.5 và Sonnet 5.5, 2.5% trên Fable 5.1). Tuy nhiên, chính prefix đó vẫn tiếp tục dài ra. Nếu thời gian idle vượt quá cache TTL, lượt tiếp theo sẽ phải ghi lại toàn bộ prefix với mức giá đầy đủ. /compact thu gọn history; /clear reset history.

Làm thế nào để kiểm tra mức sử dụng token và chi phí Claude?

Trong Claude Code, /usage hiển thị thống kê token của phiên, ước tính chi phí local và các thanh giới hạn plan trên subscription (/cost là alias). /context hiển thị nội dung đang chiếm window. Để xem thông tin billing API chính thức, dùng trang usage trong Claude Console. Trong code của bạn, đọc response.usage. Cộng input_tokens, cache_creation_input_tokens và cache_read_input_tokens sẽ cho kích thước prompt thực tế. Để ước tính trước, dùng endpoint count_tokens, không dùng tiktoken.