Claude memory có tính phí thêm không?
Anthropic không có giá riêng cho memory token. Text đã nhớ được gửi lại dưới dạng input token, nên chi phí phụ thuộc số token replay và prompt cache.
Tính năng memory của Claude có tốn thêm phí không?
Tính năng memory của Claude không có khoản phí riêng. Bảng giá Anthropic công bố được tính theo mỗi triệu input token và mỗi triệu output token, kèm mức phí riêng cho prompt caching; không khoản nào trong số đó được gọi là memory token. Việc lưu memory không tốn phí trên Claude API (application programming interface), vì memory tool chạy ở phía client và file được lưu trên storage do bạn sở hữu.
Memory vẫn có thể làm tăng hóa đơn, vì một thông tin đã nhớ chỉ thay đổi câu trả lời khi nằm trong request mà Claude đọc. Ghi nhớ nghĩa là gửi lại dữ liệu. Phần văn bản đó được tính là input token và chịu mức giá input thông thường của model, trừ khi được cache. Có 2 yếu tố quyết định chi phí: số token của phần văn bản đã nhớ được gửi lại trong mỗi lượt và phần văn bản gửi lại đó có được phục vụ từ prompt cache hay không.
Với gói Pro, Max hoặc Ultra, mức sử dụng nằm trong giới hạn đã bao gồm của gói không bị tính phí theo token. Khi đó, memory tiêu thụ hạn mức sử dụng thay vì tiền của bạn. Điều này thay đổi nếu bạn bật usage credits và vượt quá giới hạn: request của bạn chuyển sang pay-as-you-go, được tính theo mức giá API tiêu chuẩn và tính riêng với phí subscription. Từ thời điểm đó, một memory block quá lớn lại tốn tiền. Cơ chế bên dưới không thay đổi. Chỉ đơn vị tính thay đổi. Hạn mức đó là hữu hạn, vì vậy bạn nên biết Claude Pro có giá bao nhiêu và giới hạn bắt đầu chặn bạn từ đâu trước khi quyết định mỗi lượt nên mang theo bao nhiêu memory. Claude Enterprise tính phí theo usage cũng khác, vì tính từng token theo mức giá API ngoài phí seat, nên một memory block quá lớn lại trở thành chi phí thay vì hạn mức. Các gói Enterprise tính theo seat bao gồm một hạn mức sử dụng; usage credits có thể dùng sau khi thành viên đạt giới hạn đã bao gồm. Nếu việc cắt gọn memory giúp mức sử dụng của bạn nằm an toàn dưới giới hạn của một gói nhỏ hơn, hạ từ Max hoặc Ultra xuống Pro là bước tiếp theo đáng cân nhắc. Nếu bạn thực sự đang so sánh giữa các nhà cung cấp thay vì giữa các gói của Anthropic, đặt các gói Claude cạnh ChatGPT theo mức giá hiện tại là nơi nên bắt đầu.
"Memory" nghĩa là gì trên từng sản phẩm Claude
Ba sản phẩm khác nhau cùng dùng từ này. Việc nhầm lẫn giữa chúng là nguyên nhân chính khiến câu hỏi này khó hiểu.
Memory tool trên Claude API. Bạn thêm một entry vào array tools và tự triển khai các thao tác với file trong code của mình.
{"type": "memory_20250818", "name": "memory"}Tính đến tháng 10 năm 2026, tool này không cần beta header trên Messages API và hoạt động trên mọi model Claude 4 trở lên. Đây là tool phía client: Claude yêu cầu một thao tác như view /memories, handler của bạn thực thi thao tác đó trên storage do bạn kiểm soát, rồi bạn trả về kết quả trong block tool_result. Anthropic không lưu file, nên không có phí storage để tính thêm. Bạn trả phí cho round trip thay vào đó. Definition của tool được gửi trong mọi request, còn nội dung file trả về sẽ được giữ trong conversation từ thời điểm đó trở đi.
Anthropic công bố phần overhead cố định này. Trên Claude Opus 5 với tool choice là auto, system prompt cho tool-use có 286 token, theo tài liệu tháng 10 năm 2026. Khoản này được tính một lần cho mỗi request bất cứ khi nào có tool, dù là memory hay tool khác.
Claude Code. Hai cơ chế được load khi bắt đầu mỗi session. File CLAUDE.md chứa các instruction do bạn viết. Auto memory chứa các ghi chú Claude tự viết cho chính nó, tại ~/.claude/projects/<project>/memory/. Chỉ 200 dòng đầu tiên hoặc 25KB đầu tiên của MEMORY.md được load, tùy giới hạn nào đến trước; các topic file nằm cạnh đó được đọc khi cần thay vì lúc startup. Mọi nội dung được load lúc startup sẽ trở thành một phần của prefix mà mọi request sau đó trong session đều mang theo. Khi dùng subscription, memory sử dụng usage allowance đi kèm; nếu đã vượt limit và bật usage credits, nó sẽ sử dụng usage credits. Qua Console hoặc cloud provider, Claude Code được tính phí theo token cho tổ chức của bạn, và context của memory tuân theo cách tính phí đó. Cách Claude Code gọi lại memory giữa các session trình bày thứ tự load theo từng file.
Claude trên web. Trên claude.ai, memory là tập hợp các entry do Claude viết và cập nhật trong khi bạn chat, với một vùng memory riêng cho từng project. Mặc định, memory của project được dùng cùng với memory của account; hãy tắt Use account memory trên trang của project để tách hoàn toàn. Settings > Your Claude > Manage bên cạnh Your memory hiển thị những gì đang được lưu; trong layout cũ, mục này nằm tại Settings > Memory. Nút bật/tắt memory có các tùy chọn Pause memory hoặc Reset memory. Memory cũng có trên Free plan. Với paid plan có usage đi kèm, memory sử dụng usage limit; sau khi vượt limit và bật usage credits, nó sử dụng usage credits; Enterprise tính phí theo usage thì tính memory theo API rate.
Vì sao văn bản được ghi nhớ được tính phí như input token
Messages API là stateless. Nó không giữ lại gì giữa các lần gọi, nên client của bạn gửi toàn bộ cuộc hội thoại ở mỗi lượt và model đọc lại toàn bộ nội dung. Memory cũng không ngoại lệ. Nó chỉ là thêm một khối văn bản trong cùng request.
Phần tách này hiển thị trong object usage của mọi response.
"usage": {
"input_tokens": 412,
"cache_creation_input_tokens": 0,
"cache_read_input_tokens": 18240,
"output_tokens": 236
}input_tokens chỉ đếm các token không được đọc từ cache và cũng không được dùng để tạo cache. Trên thực tế, đó là các token nằm sau cache breakpoint cuối cùng. Tổng input của request là cache_read_input_tokens cộng với cache_creation_input_tokens cộng với input_tokens. Một memory file mà Claude đã mở từ 3 lượt trước vẫn nằm trong tổng này ở mọi lượt sau đó. Nó được tính vào cache_read_input_tokens khi prefix được giữ trong cache, vào cache_creation_input_tokens khi prefix được ghi lại, và vào input_tokens khi prefix không được cache. Cùng một văn bản nhưng giá khác nhau. Input và output token có mức giá khác nhau, và memory được phát lại được tính ở phía input.
Xem các con số này trong usage của bạn
Đừng lấy một con số từ bài blog, kể cả bài này. Hãy đo memory block của chính bạn. Việc đếm token là miễn phí và có rate limit riêng, nên phép đo này không tốn gì.
curl https://api.anthropic.com/v1/messages/count_tokens \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "content-type: application/json" \
-H "anthropic-version: 2023-06-01" \
-d '{
"model": "claude-opus-5",
"system": "You are a scientist",
"messages": [{"role": "user", "content": "Hello, Claude"}]
}'Response là một con số, chẳng hạn như { "input_tokens": 14 }. Hãy chạy lệnh một lần với văn bản memory được dán vào trường system, rồi chạy lại một lần không có memory. Phần chênh lệch chính là chi phí của memory đó trong mỗi turn. Có 2 điểm cần lưu ý. Con số này chỉ là ước tính, và các token bổ sung mà Anthropic thêm vào để tối ưu system riêng sẽ không bị tính phí cho bạn. Ngoài ra, hãy đếm theo model mà bạn thực sự sẽ chạy, vì Claude 4.7 trở lên dùng tokenizer mới hơn, tạo ra khoảng 30 phần trăm token nhiều hơn với cùng một văn bản.
Trong Claude Code, bạn có thể nhận cùng thông tin mà không cần dùng curl.
/contexthiển thị những gì đang được load ngay lúc này, bao gồm cả các file memory, để bạn biết chúng chiếm bao nhiêu phần của window trước khi nhập bất kỳ nội dung nào./memoryliệt kê các file CLAUDE.md của bạn và mở thư mục auto memory./usagein ra tổng số của session, trong đó có cache reads và cache writes.- Status line có thể liên tục hiển thị mức sử dụng context window, nên bạn sẽ thấy mức tăng ngay khi nó xảy ra.
Session block /usage có dạng như sau:
Total cost: $0.55
Total duration (API): 6m 20s
Total duration (wall): 6h 33m 10s
Total code changes: 0 lines added, 0 lines removed
Usage by model:
claude-sonnet-4-6: 1.2k input, 5.3k output, 940.0k cache read, 50.0k cache write ($0.55)Hãy đọc kỹ dòng cuối. Con số cache read 940.0k là toàn bộ conversation, bao gồm cả memory, được gửi lại trong mỗi turn với cache rate. Con số input 1.2k chỉ là phần input không được cache và không được dùng để tạo cache entry. Claude Code tính cục bộ số tiền đó từ list price, trừ khi administrator đã đặt contracted rate thông qua managed setting modelPricing. Vì vậy đây chỉ là ước tính và có thể khác với invoice của bạn. Usage page trong Claude Console mới là con số chính thức.
Tiếp theo, hãy chạy phép so sánh trực tiếp. Đặt cùng một câu hỏi mở đầu trong 2 session mới, một session bình thường và một session đã tắt auto memory.
CLAUDE_CODE_DISABLE_AUTO_MEMORY=1 claudeChạy /context trong mỗi session rồi so sánh mục memory files. Phần chênh lệch chính là chi phí của memory đã tích lũy ở đầu mỗi session, trước khi thực hiện bất kỳ công việc nào. Đọc tiếp phần phân tích đầy đủ về nơi Claude Code sử dụng token để đối chiếu với 2 con số đó.
Chi phí phát lại memory trên mỗi triệu token là bao nhiêu?
Prompt caching là lý do cùng một block memory có thể tốn gấp 10 lần ở một lượt này so với lượt khác. Anthropic công bố mức giá cache dưới dạng bội số của giá input cơ bản của từng model, nên mối quan hệ này vẫn giữ nguyên ngay cả khi giá tính bằng dollar thay đổi.
Dữ liệu đằng sau biểu đồ này
[
{
"label": "Base input",
"price_multiple": 1
},
{
"label": "5 minute cache write",
"price_multiple": 1.25
},
{
"label": "1 hour cache write",
"price_multiple": 2
},
{
"label": "Cache read",
"price_multiple": 0.1
}
]Đọc cache có chi phí bằng 0.1 lần giá input cơ bản trên hầu hết model. Các model mới nhất có chi phí đọc thấp hơn: 0.05 lần giá cơ bản trên Claude Opus 5.5 và Claude Sonnet 5.5, và 0.025 lần giá cơ bản trên Claude Fable 5.1 và Claude Mythos 5.1. Ghi một entry với thời hạn 5 phút có chi phí bằng 1.25 lần giá cơ bản, còn thời hạn 1 giờ có chi phí bằng 2 lần giá cơ bản. Trang pricing của Anthropic nêu rõ điểm hòa vốn: caching có lợi sau một lần đọc cache với thời hạn 5 phút, hoặc sau hai lần đọc cache với thời hạn 1 giờ. Tuyên bố này dựa trên mức đọc tiêu chuẩn 0.1x, còn hướng dẫn prompt caching không đưa ra con số hòa vốn riêng. Tuy nhiên, mức đọc rẻ hơn không làm thay đổi hai con số này, vì phần phụ phí khi ghi là khoản mà các lần đọc phải bù lại. Điểm hòa vốn của prompt caching là phép tính cần thực hiện trước khi quyết định memory nên đặt ở đâu.
Các bội số đó biến số lần phát lại thành phép tính số học. Block tiếp theo chỉ là phép tính từ các bội số đã công bố ở trên, không phải số đo của workload đang chạy. Nó tính chi phí của một block memory theo 3 cách trong một session 100 lượt, biểu diễn dưới dạng số token tương đương được tính theo giá input cơ bản thông thường.
Dữ liệu đằng sau biểu đồ này
[
{
"label": "4,000 tokens, never cached",
"base_rate_equivalent_tokens": "400,000"
},
{
"label": "4,000 tokens, 1 write and 99 reads",
"base_rate_equivalent_tokens": "44,600"
},
{
"label": "1,000 tokens, 1 write and 99 reads",
"base_rate_equivalent_tokens": "11,150"
}
]Một block memory 4,000 token bị cache miss trong cả 100 lượt sẽ được tính phí tương đương 400,000 token theo base rate. Cùng block đó, nếu có 1 lần ghi cache trong 5 phút và 99 lần đọc cache, sẽ được tính như 44,600. Nếu giảm block còn một phần tư kích thước và vẫn giữ caching, mức tính phí sẽ tương đương 11,150. Feature không thay đổi trong 3 dòng đó. Chỉ replay behaviour thay đổi. Các dòng dùng mức đọc tiêu chuẩn 0.1x. Trên Claude Opus 5.5 hoặc Claude Sonnet 5.5, nơi một lần đọc có giá 0.05x, block 4,000 token được cache giảm còn 24,800; trên Claude Fable 5.1, mức này giảm còn 14,900. Đây vẫn là số token, không phải số tiền. Quy đổi số token thành số tiền trên hóa đơn hàng tháng chỉ cần nhân với đơn giá theo triệu token của model bạn dùng. Đơn giá đó do model bạn chạy quyết định. Vì vậy, nếu agent sẽ chạy trên Claude Fable 5, hãy bắt đầu từ đơn giá theo triệu token được công bố của model này và các loại tác vụ phù hợp. Nếu agent chạy trên model nhỏ hơn để tiết kiệm chi phí, hãy kiểm tra Claude Haiku 5.5 tính giá prompt vượt quá 100K token như thế nào trước khi để memory tăng lên, vì memory được replay là yếu tố đẩy request vượt ngưỡng đó. Nếu vẫn chưa quyết định provider mà mới chỉ xác định model, so sánh chi phí của cùng các tác vụ trên API của Claude và trên ChatGPT sẽ cho thấy phép nhân đó cho kết quả khác nhau như thế nào. Agent sử dụng nhiều memory thường phụ thuộc nhiều vào chi phí input.
Dòng thứ hai giả định mỗi request trong 99 request tiếp theo đến khi entry trong cache vẫn còn hiệu lực. Đây là giả định khiến phần lớn hóa đơn thực tế bị tính sai.
Vì sao cùng một câu hỏi lại tốn nhiều hơn sau khi nghỉ?
Một cache entry có thời hạn, và đồng hồ bắt đầu tính từ request ghi hoặc đọc entry đó. Mặc định là 5 phút. Tùy chọn 1 hour có chi phí bằng 2x lần ghi được nêu ở trên. Trong Claude Code, thời hạn mặc định 1 hour của subscription áp dụng cho cuộc hội thoại chính và các request helper được chọn trong usage đã bao gồm; subagent có thời hạn 5 phút, trừ khi bạn chọn thời hạn dài hơn. Cuộc hội thoại chính giảm xuống 5 phút khi bạn bắt đầu dùng usage credits; với API key hoặc cloud provider, mặc định là 5 phút. Đặt ENABLE_PROMPT_CACHING_1H=1 sẽ giữ thời hạn 1 hour khi dùng usage credits, và từ Claude Code v2.1.242, đặt promptCacheTtl thành 1h cũng thực hiện điều tương tự cho cuộc hội thoại chính. Cũng từ phiên bản này, đặt subagentPromptCacheTtl thành 1h sẽ chọn thời hạn dài hơn cho các request ngoài cuộc hội thoại chính.
Vì vậy, một câu hỏi chỉ có một dòng được nhập vào session bạn để mở trong lúc nghỉ trưa lại tốn nhiều vì cache entry đã hết hạn khi bạn vắng mặt. Toàn bộ prefix, bao gồm cả memory, được xử lý và ghi lại vào cache theo mức giá cache-write. Thời gian tạm dừng quyết định chi phí đó.
Bạn có thể xác nhận điều này thay vì chỉ tin vào nó. Trên gói Pro, Max, Ultra, Team hoặc Enterprise, phần phân tích /usage đánh dấu mọi hành vi chiếm từ 10 phần trăm usage gần đây trở lên; long context và cache miss đều được liệt kê theo tên. Từ Claude Code v2.1.251, session block trong /usage cũng thêm một dòng Prompt cache (main) cho biết tỷ lệ input được phục vụ từ cache, số cache miss và cache hiện có đang warm hay không. Trên API, hãy theo dõi cache_creation_input_tokens tăng trở lại bằng toàn bộ kích thước prefix trong request đầu tiên sau một khoảng thời gian không hoạt động.
Điều gì âm thầm làm mất hiệu lực của cache
Prefix được cache theo thứ tự: tools, sau đó system, rồi messages. Thay đổi ở một cấp sẽ làm mất hiệu lực của cấp đó và mọi cấp phía sau. Chỉnh sửa định nghĩa của một tool sẽ xóa toàn bộ cache. Chỉnh sửa system prompt sẽ xóa cache của system và message.
Đây là cái bẫy đối với những ai lưu memory trong system prompt rồi viết lại prompt đó khi agent học thêm. Mỗi lần viết lại sẽ xóa bản đã cache của mọi nội dung phía sau, nên request tiếp theo lại phải trả toàn bộ chi phí ghi từ đầu. Hãy đặt nội dung ổn định ở phía trước và giữ nguyên nội dung đó. Đặt nội dung hay thay đổi ở cuối danh sách message, nơi việc làm mất hiệu lực cache ít tốn kém hơn.
Có một lỗi khác kín đáo hơn. Mỗi model có một prefix tối thiểu có thể cache: 512 tokens trên Claude Opus 5, 1,024 trên Claude Sonnet 5, 4,096 trên Claude Haiku 4.5, theo tài liệu được công bố vào tháng 10 năm 2026. Tài liệu của Anthropic nêu rõ điều xảy ra khi thấp hơn ngưỡng này: các request dưới mức tối thiểu được xử lý mà không caching, và không trả về lỗi. Vì vậy, một memory file nhỏ được đánh dấu bằng cache_control hoàn toàn không có tác dụng và không có dấu hiệu rõ ràng. Dấu hiệu bạn có thể thấy là cache_creation_input_tokens vẫn ở 0 dù prompt rõ ràng có chứa một breakpoint.
Loại bỏ những memory không còn giá trị
Mỗi dòng memory đều tiêu tốn token trong mọi lượt có mang theo nó, vì vậy với mỗi dòng, hãy xem gần đây nó có làm thay đổi câu trả lời hay không. Claude Code đặt ra giới hạn cụ thể. Hãy cố giữ CLAUDE.md dưới 200 dòng, vì file dài hơn sẽ tiêu tốn nhiều context hơn và làm giảm độ tin cậy khi Claude làm theo nội dung trong file. MEMORY.md bị giới hạn ở 200 dòng đầu tiên hoặc 25KB khi được load, và mọi nội dung vượt quá giới hạn đó sẽ bị bỏ qua khi bắt đầu session tiếp theo. Vì vậy, một index quá lớn vừa dùng context cho phần được load, vừa khiến phần còn lại không được đọc.
Hai thói quen giúp giữ file nhỏ. Chuyển phần chi tiết sang các file theo chủ đề, để Claude đọc khi cần thay vì đọc lúc khởi động. Chuyển hướng dẫn về workflow ra khỏi CLAUDE.md và đưa vào skills, chỉ load khi được invoke. Với các memory file đã có frontmatter ở đầu, Claude Code ghi thời điểm ghi file vào trường modified dưới dạng timestamp ISO 8601, từ version 2.1.214 trở lên. Timestamp này là cách nhanh nhất để phát hiện một thông tin đã lỗi thời. Loại bỏ memory lỗi thời trình bày sâu hơn về quy trình review.
Khi retrieval hiệu quả hơn việc nạp mọi thứ vào context
Memory tool được dùng để retrieval đúng lúc. Thay vì nạp mọi thứ ngay từ đầu, agent ghi lại những gì đã biết và chỉ đọc lại file khi task cần. Điều này làm thay đổi cách tính, vì lần đọc file đầu tiên sẽ thêm nội dung của file khi cần, sau đó nội dung vẫn nằm trong các request tiếp theo cho đến khi bị xóa khỏi context, còn một block được nạp cố định sẽ phát sinh chi phí trong mọi turn.
Từ hai biểu đồ trên, có thể rút ra một quy tắc đơn giản. Nội dung được dùng trong gần như mọi turn nên nằm trong stable cached prefix. Nội dung chỉ được dùng 1 lần trong 20 turn nên đặt sau một lệnh gọi view. Điểm hòa vốn thay đổi theo số lần replay, không phụ thuộc vào bất kỳ khoản phí nào Anthropic tính.
Trên API, bạn cũng có thể để platform tự rút gọn conversation. Context editing sẽ xóa các kết quả tool cũ khi conversation vượt quá ngưỡng bạn đặt. Tính năng này vẫn đang ở beta, nên các request sử dụng nó cần có beta header context-management-2025-06-27.
{
"edits": [
{
"type": "clear_tool_uses_20250919",
"trigger": {"type": "input_tokens", "value": 30000},
"keep": {"type": "tool_uses", "value": 3},
"clear_at_least": {"type": "input_tokens", "value": 5000}
}
]
}Giá trị mặc định là ngưỡng 100,000 input token và giữ lại 3 lần dùng tool. Hãy đọc phần interaction với caching trước khi bật tính năng này: việc xóa nội dung sẽ làm cached prefix không còn hợp lệ tại điểm xóa, nên request tiếp theo sẽ phát sinh chi phí ghi cache. Đó là mục đích của clear_at_least. Tính năng này trì hoãn việc xóa cho đến khi khoản tiết kiệm đủ lớn để bù cho chi phí ghi. Response báo chính xác những gì đã xảy ra trong context_management, cùng với cleared_tool_uses và cleared_input_tokens, nên bạn có thể đo lường trade-off thay vì chỉ suy đoán. Quản lý context window trong Claude Code áp dụng cùng ý tưởng cho một coding session.
Tính năng nào có dòng phí riêng
Memory không có khoản phí riêng, nhưng một số tính năng thực sự có và bạn nên biết đó là những tính năng nào. Đây là bảng giá Claude API được công bố tính đến tháng 10 năm 2026. Một số thao tác hoàn toàn không mất phí, và credit dùng thử Claude API giúp người dùng mới trải nghiệm. FAQ về giá của Anthropic chỉ nói rằng người dùng mới nhận được một lượng free credit nhỏ để thử API, không công bố số tiền cụ thể. Người đăng ký Max, Ultra và Team cũng nhận được API credit hằng tháng. Theo tài liệu Anthropic được liệt kê vào ngày 31 tháng 10 năm 2026, Max nhận $100 và Ultra nhận $200. Với Team, credit là $20 cho mỗi seat Standard và $100 cho mỗi seat Premium, dùng chung trong tổ chức và bị giới hạn ở $500 mỗi tháng. Các gói Free, Pro và Enterprise không đủ điều kiện. Credit chưa dùng không được chuyển sang tháng sau và không áp dụng cho Claude Code tương tác hoặc usage credit. Chúng áp dụng cho claude -p và Claude Agent SDK khi bạn chạy trực tiếp bằng API key từ organization trong Console được liên kết. Các run do Claude Code GitHub Action, extension IDE hoặc desktop app khởi chạy vẫn bị loại trừ, ngay cả khi có -p. Đây là quyền lợi của gói trả phí. Các khoản phí bên dưới sẽ trừ vào credit còn lại hoặc số dư trả phí của bạn.
- Web search: $10 cho mỗi 1,000 lượt tìm kiếm, cộng thêm chi phí token thông thường của toàn bộ nội dung tìm kiếm được đưa vào context.
- Code execution: 1,550 giờ miễn phí cho mỗi organization mỗi tháng, sau đó là $0.05 cho mỗi giờ trên mỗi container. Tính năng này miễn phí khi cùng request có web search hoặc web fetch ở tool version
20260209trở lên. - Claude Managed Agents: runtime của session là $0.08 cho mỗi session-hour, tính thêm vào các khoản phí token thông thường.
- Web fetch: không có phí bổ sung, chỉ tính chi phí token của nội dung được fetch.
Memory không xuất hiện trong bất kỳ dòng phí nào ở trên. Nó được tính trong số input token của bạn. Đây chính xác là nơi bạn có thể đo memory, đồng thời pruning và caching có thể giảm chi phí này. Nếu bạn đang lập ngân sách cho một agent chạy không giám sát trên virtual private server (VPS), các cơ chế kiểm soát chi phí cho AI agent trên VPS là việc tiếp theo cần triển khai. Một agent có memory file tăng dần nhưng không có pruning sẽ đắt hơn sau mỗi tuần mà không có cơ chế nào báo cho bạn biết.
FAQ
Các tính năng memory của Claude có tính phí riêng không?
Không. Bảng giá của Anthropic tính phí theo mỗi triệu input token, mỗi triệu output token và các hệ số của prompt caching; không có dòng phí riêng cho memory. Trên Claude API, memory tool nằm ở phía client, nên các file được lưu trên storage mà bạn đã trả phí. Memory chỉ làm tăng số input token, được tính theo mức giá input thông thường của model hoặc mức giá caching áp dụng trong mỗi lượt có chứa chúng.
Tắt memory có làm Claude rẻ hơn không?
Việc này làm giảm số token của mỗi request, từ đó giảm chi phí cho từng request. Tổng chi phí có giảm hay không còn tùy vào các bước tiếp theo. Nếu Claude phải đọc lại 3 file và hỏi bạn 2 câu để khôi phục thông tin mà memory đã lưu, số token đó có thể tốn hơn phần memory. Hãy đo thay vì đoán: chạy /context trong một session bật auto memory và trong một session được khởi động bằng CLAUDE_CODE_DISABLE_AUTO_MEMORY=1, rồi so sánh tổng số token đã dùng cho cùng một tác vụ.
Tại sao usage của tôi tăng dù tôi không thay đổi gì?
Nguyên nhân phổ biến nhất là cache miss sau một khoảng dừng. Mặc định, cache entry tồn tại trong 5 phút, hoặc 1 giờ nếu bật extended setting. Vì vậy, request đầu tiên sau khi tạm dừng phải xử lý lại toàn bộ prefix và ghi lại prefix đó theo mức giá cache-write. Nguyên nhân phổ biến thứ hai là chỉnh sửa prefix: thay đổi tool definition sẽ invalidate toàn bộ cache, còn thay đổi system prompt sẽ invalidate system cache và message cache. Trên subscription plan, phần phân tích /usage sẽ ghi nhận hành vi này khi nó chiếm từ 10 phần trăm usage gần đây trở lên.
Nên đặt memory trong system prompt hay phía sau một tool call?
Đặt memory trong system prompt khi gần như mọi lượt đều sử dụng nó, vì khi đó memory nằm trong cached prefix và chịu mức giá cache-read. Đặt memory phía sau một lời gọi view khi chỉ một số tác vụ cần nó, vì cách này trì hoãn việc thêm token của file cho đến khi cần. Kết quả vẫn được replay trong các lượt sau cho đến khi bị xóa khỏi context. Con số quyết định là replay count của bạn. Object usage hiển thị số input token, cache-write token và cache-read token của từng request.
Các tính năng memory có được tính vào giới hạn usage của subscription không?
Có, nhưng theo cách gián tiếp, vì giới hạn subscription được tiêu thụ bởi số token mà mỗi request mang theo. Tài liệu trợ giúp của Anthropic nêu rằng các cuộc hội thoại dài hơn, khi kích hoạt automatic context management, sẽ tiêu thụ nhiều hơn trong giới hạn usage của bạn. Memory làm mỗi request dài hơn một chút, và session dài sẽ replay độ dài đó ở mỗi lượt. Giới hạn usage thực tế của Claude hoạt động như thế nào giải thích nội dung nào được reset và khi nào.