Claude Pro tiêu hao giới hạn bởi những gì?

Claude Pro bị tiêu hao giới hạn bởi những gì

Anthropic không công bố hạn mức token cho Claude Pro, nên không ai có thể cho bạn biết giới hạn của bạn là bao nhiêu token. Tuy nhiên, có thể xác định những yếu tố tiêu hao giới hạn và thông tin này hữu ích hơn: trước hết là độ dài cuộc trò chuyện, tiếp theo là tệp đính kèm và hình ảnh, rồi đến mức độ suy luận, sau đó là việc sử dụng tool và agent.

Token là một phần của văn bản, thường tương đương với một từ ngắn hoặc một phần của từ dài hơn. Mỗi request bạn gửi đều được đo bằng token, và plan của bạn tự đếm số token đó ở chế độ nền. Trang các phương pháp tốt nhất để quản lý usage limit của Anthropic nêu các yếu tố làm thay đổi số lượng này: độ dài message, kích thước tệp đính kèm, độ dài hiện tại của cuộc trò chuyện, việc sử dụng tool như Research và tìm kiếm web, lựa chọn model, mức độ effort, việc tạo và sử dụng artifact, cũng như các tác vụ nhiều bước như chạy code, tạo tệp hoặc duyệt website. Mỗi yếu tố trong danh sách đều có cùng tác động. Chúng làm thay đổi số token mà một request duy nhất sử dụng.

Hai câu hỏi liên quan có trang riêng. Plan Pro bao gồm bao nhiêu usage giải thích quy mô hạn mức và lý do hạn mức được mô tả theo session thay vì token. Cần làm gì khi đã chạm giới hạn giải thích cách khôi phục quyền sử dụng. Trang này giải thích giới hạn đã được tiêu hao vào đâu.

Mỗi message gửi lại toàn bộ conversation

Đây là cơ chế khiến gần như ai cũng bất ngờ. Model không có memory giữa các turn. Để trả lời message tiếp theo, model đọc lại toàn bộ conversation từ từ đầu tiên. Tài liệu của Anthropic nêu rõ: mỗi request gửi lại toàn bộ lịch sử conversation.

Vì vậy, một follow-up gồm năm từ không phải là request năm từ. Đó là toàn bộ thread cộng thêm năm từ.

Hãy tính thử một lần. Giả sử mỗi turn thêm khoảng 500 token, gồm message của bạn và câu trả lời của Claude. Turn 2 gửi khoảng 1,000 token. Turn 10 gửi khoảng 5,000. Turn 20 gửi khoảng 10,000, tức gấp mười lần chi phí của turn 2, dù lượng nội dung bạn gõ là như nhau. Sau 20 turn, thread đã truyền tổng cộng khoảng 105,000 token, trong khi 20 câu hỏi tương tự được gửi trong 20 chat mới chỉ truyền khoảng 10,000 token. Đây là các con số tính toán chứ không phải phép đo thực tế, nhưng xu hướng là đúng.

Đó là lý do cùng một công việc nhìn bên ngoài có thể tốn rất khác nhau. Bạn gõ cùng một nội dung trong cả hai trường hợp. Khác biệt nằm ở lượng lịch sử nằm phía trên nội dung đó.

Thread dài còn có chi phí thứ hai. Mỗi conversation có một context window. Với các gói trả phí, kích thước của window phụ thuộc vào model: tính đến tháng 10 năm 2026, các model hiện tại như Opus 5.5 và Sonnet 5.5 có 1 million token, một số model cũ hơn như Opus 4.7 có 500,000 token, còn các model khác có 200,000 token. Khi conversation tiến gần đến giới hạn này, Claude sẽ tóm tắt các message cũ để chat tiếp tục được, miễn là code execution đã được bật. Anthropic cho biết automatic context management cần tính năng này. Anthropic cũng lưu ý rằng những conversation kích hoạt automatic context management sẽ tiêu tốn nhiều hơn trong usage limit của bạn. Việc tóm tắt cần tài nguyên thực tế và được trừ từ cùng allowance đó.

Bạn có thể theo dõi quá trình này. Mở Settings, sau đó mở Usage. Trong gói Pro, mục này hiển thị progress bar cho session window 5 giờ và weekly window. Gửi message thứ 20 trong một thread dài, sau đó gửi message đầu tiên trong một chat mới, rồi so sánh mức độ dịch chuyển của progress bar. Cách session window và weekly window hoạt động giải thích thời điểm reset của từng window.

Một file hoặc PDF tốn bao nhiêu?

[
  {
    "label": "Text question only",
    "input_tokens": 14
  },
  {
    "label": "One tool definition plus a question",
    "input_tokens": 403
  },
  {
    "label": "One JPEG photo plus a question",
    "input_tokens": 1028
  },
  {
    "label": "One small PDF plus a question",
    "input_tokens": 2188
  }
]

Đó là các kết quả mẫu được in trong tài liệu đếm token của Anthropic, đo trên claude-opus-5-5. Bốn prompt có khác biệt nhỏ, vì vậy hãy nhìn vào độ chênh lệch thay vì các con số chính xác. Một câu hỏi ngắn bằng văn bản được tính là 14 token đầu vào. Một bức ảnh kèm câu hỏi ngắn được tính là 1028. Một PDF nhỏ (file định dạng tài liệu di động) kèm câu hỏi ngắn được tính là 2188, khoảng 150 lần so với câu hỏi văn bản thông thường.

Bây giờ kết hợp điều đó với việc gửi lại nội dung ở trên. Một file đính kèm được chuyển thành token một lần, rồi đi kèm với mọi lượt tiếp theo trong cuộc hội thoại đó. Đính kèm một báo cáo 40 trang ở message đầu tiên thì bạn sẽ trả phí cho 40 trang đó lần nữa ở message thứ hai, message thứ ba và message thứ hai mươi.

Các số liệu được công bố cho mỗi trang khá lớn. Trên API (giao diện lập trình ứng dụng), nơi các con số này được ghi rõ, một trang PDF thường sử dụng 1.500 đến 3.000 token văn bản, tùy độ dày nội dung, cộng thêm chi phí của ảnh trang vì mỗi trang cũng được chuyển thành ảnh. Do đó, 40 trang tốn hơn 60.000 token trước khi có ai đặt câu hỏi. Với model có context window 200.000 token, đó là một phần lớn dung lượng. Ngay cả với model 1 triệu token, bạn vẫn phải mang theo 60.000 token ở mỗi lượt, cho những trang có thể không cần dùng.

Vì vậy, cách làm rất đơn giản. Chỉ đính kèm phần bạn cần, không đính kèm toàn bộ file. Yêu cầu Claude đọc một báo cáo và tìm điều khoản thanh toán sẽ khiến toàn bộ báo cáo bị tính phí ở mọi lượt tiếp theo. Dán riêng phần điều khoản thanh toán chỉ tốn vài trăm token một lần.

Chi phí của screenshot cao hơn bạn tưởng

[
  {
    "label": "200 x 200 crop",
    "standard_tokens": 64,
    "high_res_tokens": 64
  },
  {
    "label": "1000 x 1000 screenshot",
    "standard_tokens": 1296,
    "high_res_tokens": 1296
  },
  {
    "label": "1920 x 1080 screenshot",
    "standard_tokens": 1560,
    "high_res_tokens": 2691
  },
  {
    "label": "3840 x 2160 screenshot",
    "standard_tokens": 1560,
    "high_res_tokens": 4784
  }
]

Claude đọc một image dưới dạng lưới các patch. Mỗi patch là một khối 28 x 28 pixel và được tính là một visual token. Vì vậy, chi phí của một image bằng chiều rộng chia cho 28 rồi làm tròn lên, nhân với chiều cao chia cho 28 rồi làm tròn lên. Một screenshot 1000 x 1000 pixel tốn 1296 visual token, nhiều hơn toàn bộ câu hỏi của phần lớn người dùng.

Model được chọn cũng làm thay đổi chi phí này. Claude 4.7 và các model mới hơn đọc image ở tier độ phân giải cao hơn. Vì vậy, một screenshot 4K đầy đủ tốn 4784 visual token trên các model đó, so với 1560 trên model cũ, vốn thu nhỏ image trước khi đọc. Cùng một file và cùng một màn hình nhưng số token có thể cao hơn khoảng 3 lần.

Claude app cho phép tối đa 20 image trong một message. 20 screenshot đầy đủ đã tạo thành một request rất lớn trước cả khi bạn nhập nội dung. Mỗi turn tiếp theo trong chat đó cũng gửi lại toàn bộ các image này. Hãy crop thay vì gửi nguyên screenshot. Một crop 200 x 200 pixel chỉ chứa thông báo lỗi thực tế tốn 64 visual token và thường trả lời câu hỏi tốt hơn ảnh chụp toàn bộ desktop.

Chi phí của thinking và mức effort là bao nhiêu?

Effort kiểm soát mức độ Claude thực hiện thinking trước khi trả lời. Trong Claude app, tùy chọn này nằm trong model menu bên cạnh nút gửi. Các mức gồm low, medium, high, extra high và max. Anthropic nói rõ về sự đánh đổi này: effort cao hơn sử dụng nhiều token hơn, nên bạn đạt giới hạn sử dụng nhanh hơn. Trang này cũng khuyến nghị dùng low hoặc medium cho các tác vụ thường ngày, vì effort thấp giúp kéo dài hạn mức sử dụng.

Thinking cũng có chi phí kéo dài sang các lượt sau. Với những model giữ lại các lượt trước, phần thinking từ các câu trả lời trước được tính là input token trong mọi lượt tiếp theo của cùng conversation. Một phiên reasoning dài được tính chi phí một lần khi diễn ra, sau đó tiếp tục được tính một phần trong mỗi message tiếp theo.

Việc chọn model còn có một ảnh hưởng khác mà nhiều người không để ý. Tokenizer, thành phần chia văn bản thành token, đã thay đổi từ Claude 4.7. Cùng một nội dung input tạo ra nhiều hơn khoảng 30 percent token trên Claude 4.7 và các model mới hơn so với các model trước đó. Anthropic không công bố cách quy đổi các số liệu này thành phần hạn mức Pro đã sử dụng, vì vậy hãy xem đây là lý do để dùng setting nhẹ hơn cho công việc thường ngày, không phải một tỷ giá quy đổi. Với hình thức pay as you go, cách tính được công khai, và input token và output token có mức giá khác nhau tại đó.

Vì sao agent và Claude Code làm cạn limit nhanh nhất

Claude Code và ứng dụng Claude dùng chung một allowance. Bài viết trợ giúp Claude Code của Anthropic cho biết các gói Pro và Max đều có limit phiên 5 giờ và limit theo tuần, đồng thời:

Các limit này được dùng chung giữa Claude và Claude Code. Điều đó có nghĩa là mọi hoạt động trong cả hai công cụ đều tính vào cùng các limit này.

Agent đọc nhiều hơn rất nhiều so với ghi. Một request sửa bug có thể mở 10 file, chạy một lệnh tìm kiếm, đọc kết quả rồi trả lời bằng 4 dòng giải thích. Bạn chỉ thấy 4 dòng. Limit tính cả mọi file đã được đọc trên đường đi đến kết quả đó. Đây là khoảng cách lớn nhất giữa cách một session hiển thị và chi phí thực tế của nó.

Tool cũng tiêu tốn token trước khi bạn yêu cầu bất kỳ việc gì, vì mô tả của từng tool được gửi kèm request. Trong các ví dụ đã công bố ở trên, một câu hỏi ngắn không dùng tool tính 14 input token, còn một câu hỏi ngắn kèm định nghĩa của 1 tool tính 403. Các setup agent thực tế thường có nhiều tool hơn 1.

Trong Claude Code, /status hiển thị phần còn lại của session. Giữ working context nhỏ là đòn bẩy hiệu quả nhất bạn có, và quản lý context trong một session Claude Code dài trình bày cách thực hiện. Phần overhead mà agent harness mang theo trước instruction đầu tiên của bạn giải thích phần chênh lệch còn lại.

Chi phí cho cùng một công việc cao hơn ở một số ngôn ngữ

Tokenizer chủ yếu được huấn luyện trên văn bản tiếng Anh, nên các từ tiếng Anh phổ biến thường chỉ chiếm một token. Cùng một ý được viết bằng tiếng Nga, tiếng Ả Rập, tiếng Hindi hoặc tiếng Nhật thường bị tách thành nhiều token hơn. Vì vậy, cùng một câu hỏi sẽ tiêu tốn nhiều hơn trong giới hạn của bạn. Cơ chế trên trang này giống nhau ở mọi ngôn ngữ. Chi phí cho mỗi câu thì không.

Hãy đo trường hợp của bạn thay vì tin vào một ước tính. Endpoint đếm token của Anthropic có thể gọi miễn phí trong giới hạn rate limit mỗi phút và trả về số token input của một message. Endpoint này từ chối một số input mà Messages API chấp nhận, chẳng hạn như hầu hết server tool và hình ảnh hoặc PDF được truyền bằng URL hoặc tham chiếu file. Hãy gửi các tệp đó dưới dạng base64. Văn bản thuần như ví dụ này hoạt động:

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",
    "messages": [{"role": "user", "content": "Paste your paragraph here"}]
  }'

Phản hồi chỉ có một dòng:

{"input_tokens": 14}

Hãy chạy lệnh này 2 lần: một lần với một đoạn văn tiếng Anh và một lần với cùng đoạn văn đó bằng ngôn ngữ của bạn. Sau đó so sánh 2 con số. Việc gọi endpoint không tốn phí, nhưng cần API key từ Claude Console tại platform.claude.com. Đây là tài khoản riêng, không phải tài khoản trong gói Pro của bạn. Chuyển sang tiếng Anh thường là một lựa chọn không hiệu quả, vì bạn suy nghĩ và viết nhanh hơn bằng ngôn ngữ của mình. Thay vào đó, hãy giữ thread ngắn và tệp đính kèm nhỏ. Hai thói quen này giúp bạn tiết kiệm nhiều hơn so với người nói tiếng Anh.

Thói quen giúp gói Pro dùng được lâu hơn

• Bắt đầu cuộc trò chuyện mới khi chủ đề thay đổi. Đây là thói quen quan trọng nhất trong danh sách, vì độ dài của thread làm tăng chi phí của mọi message sau đó.
• Chỉ đính kèm phần cần thiết, không đính kèm cả file. Gửi 3 trang thay vì 40 trang.
• Cắt ảnh chụp màn hình để chỉ còn thông báo lỗi.
• Đặt context dùng thường xuyên trong project thay vì paste vào từng chat mới. Anthropic cho biết nội dung trong project được cache và tính ít hơn vào giới hạn khi được dùng lại, vì vậy style guide hoặc schema nên đặt trong project knowledge.
• Chuyển sang mức effort thấp hoặc trung bình cho các câu hỏi thường lệ, và chỉ dùng mức effort cao cho những việc thực sự cần.
• Đặt toàn bộ câu hỏi trong một message. 3 vòng hỏi đáp để làm rõ tốn nhiều hơn 1 message chi tiết, vì mỗi vòng đều gửi lại toàn bộ nội dung phía trên.

Khi giới hạn không còn là vấn đề

Tính đến tháng 10 năm 2026, gói Pro có giá $20 mỗi tháng nếu thanh toán theo tháng, hoặc $17 mỗi tháng nếu thanh toán theo năm. Anthropic mô tả gói này cung cấp ít nhất gấp 5 lần mức sử dụng trong mỗi phiên 5 giờ so với gói miễn phí. Chi phí và giới hạn của gói Pro trình bày riêng về gói này. Những thói quen ở trên giúp tăng mức sử dụng thực tế, nhưng vẫn có giới hạn. Nếu bạn hết hạn mức 1 lần mỗi tháng, các thói quen đó sẽ giải quyết được vấn đề. Nếu bạn hết hạn mức vài ngày 1 lần khi đang làm công việc được trả tiền, quyết định Max có phải lựa chọn phù hợp hay không sẽ giúp bạn sử dụng thời gian hiệu quả hơn.

FAQ

Tại sao giới hạn Claude Pro của tôi hết nhanh như vậy hôm nay?

Gần như luôn là do cuộc trò chuyện dài, tệp đính kèm, hoặc cả hai. Mỗi message gửi lại toàn bộ thread, nên message thứ hai mươi tốn nhiều hơn message thứ hai dù bạn nhập cùng số lượng từ. Tệp đính kèm cũng được gửi lại cùng message mỗi lần. Mở Settings, rồi chọn Usage, để xem bạn đã dùng bao nhiêu trong session kéo dài năm giờ và khoảng thời gian hằng tuần. Sau đó, hãy bắt đầu các chat riêng cho những câu hỏi không liên quan.

Bắt đầu cuộc trò chuyện mới có tiết kiệm usage không?

Có. Đây là thói quen tiết kiệm nhất. Chat mới không có history, nên message đầu tiên chỉ tốn phần bạn viết. Đổi lại, Claude không còn biết nội dung trước đó. Vì vậy, hãy dán một bản tóm tắt ngắn của phần cần thiết thay vì toàn bộ thread cũ. Dán toàn bộ cuộc trò chuyện cũ vào chat mới sẽ khôi phục đúng vấn đề mà bạn đang cố tránh.

Tệp đính kèm có tiếp tục tốn usage sau message đầu tiên không?

Có, trong cùng một cuộc trò chuyện. Tệp được chuyển thành token một lần, sau đó các token này trở thành một phần của history mà mọi turn tiếp theo đều mang theo. Một PDF 40 trang vẫn nằm trong request cho đến khi chat kết thúc. Các tệp đặt trong project hoạt động khác, vì Anthropic cho biết nội dung project được cache và tính ít hơn vào giới hạn khi được dùng lại.

Viết bằng ngôn ngữ khác tiếng Anh có dùng nhiều giới hạn hơn không?

Thường là có. Tokenizer tách văn bản không phải tiếng Anh thành nhiều token hơn cho cùng một ý nghĩa. Vì vậy, cùng một câu hỏi sẽ tốn nhiều hơn bằng tiếng Nga hoặc tiếng Nhật so với tiếng Anh. Bạn có thể tự đo sự khác biệt bằng cách đếm cùng một đoạn văn bằng cả hai ngôn ngữ với endpoint đếm token miễn phí. Hãy giữ thread ngắn và tệp đính kèm nhỏ thay vì đổi ngôn ngữ. Những thói quen này giúp bạn tiết kiệm nhiều hơn so với người dùng tiếng Anh.

Claude Code có dùng cùng giới hạn với ứng dụng Claude không?

Có. Anthropic cho biết giới hạn usage của Pro và Max được chia sẻ giữa Claude và Claude Code. Vì vậy, hoạt động trên cả hai đều tính vào cùng các giới hạn. Agent session dùng giới hạn rất nhanh, vì một request có thể đọc nhiều tệp và chạy nhiều tool trước khi trả lời. Chạy /status trong Claude Code để xem session hiện tại còn lại bao nhiêu.