Subscription hay API LLM: mốc hoà vốn ~200 USD/tháng

Bạn ship một feature gọi LLM, demo chạy mượt, rồi cuối tháng hoá đơn API cao gấp ba lần dự tính. Hoặc ngược lại: team trả bốn gói subscription trong khi phần lớn lưu lượng đến từ cron job chứ không phải người. Bài này đưa ra cách tính điểm hoà vốn giữa subscription và API bằng chính số liệu của bạn, trước khi launch.

Mốc ~200 USD/tháng là rule of thumb, không phải luật

Guide AI Subscriptions vs API Pricing của API Cost Lab (cập nhật 10/2026) nói thẳng con số này là heuristic chứ không phải quy luật: dưới khoảng 200 USD/tháng usage, gói flat (ChatGPT Plus/Pro, Claude Pro/Max tier tương đương) thường thắng; trên mốc đó, metered API kèm caching và routing thường rẻ hơn và scale tuyến tính.

Lý do nằm ở cấu trúc giá, không phải ở thương hiệu. Theo guide, ở volume thấp thì phí phẳng đang được trợ giá: "you're getting more value than you pay for, because the provider averages you against lighter users". Ở volume cao, bạn chính là người dùng nặng mà phần còn lại được bình quân vào.

Subscription gãy ở đâu

Ranh giới không phải số tiền, mà là lúc usage thôi đi theo nhịp con người. Guide mô tả: usage cap được thiết kế quanh thao tác của người, nên một agent loop gọi hàng trăm request mỗi giờ có thể đốt hết cap "generous" trước giờ ăn trưa. Guide cũng lưu ý phần lớn điều khoản subscription hạn chế hoặc cấm usage kiểu tự động — đó là việc của API product.

Ba biến quyết định hoá đơn API

• Input tokens — mọi thứ bạn gửi đi đều tính: system prompt, message của user, và context đính kèm. System prompt dài và chunk tài liệu lớn cộng dồn rất nhanh vì chúng lặp lại ở từng request.
• Output tokens — tính tiền riêng và thường ở rate cao hơn input. Câu trả lời dài, reasoning output và agent loop nhiều bước âm thầm nhân khối lượng output lên.
• Requests/ngày và lựa chọn model — token count chỉ có nghĩa khi nhân với traffic, và model nào thì rate per-token đó.

Chạy phép tính bằng số của bạn

Công thức guide đưa ra: monthly cost = tasks × [(fresh_in × P_in) + (cached_in × P_cache) + (out × P_out)]. Đo một tháng thật (hoặc ước lượng từ một tuần nặng rồi nhân lên), tách input lặp lại khỏi input mới, rồi so với tổng tiền subscription phủ cùng khối lượng đó — nhớ tính cả per-seat × số người và chi phí lên tier khi cap bị chạm.

Các đòn bẩy chỉ tồn tại ở phía API. Guide dẫn bảng giá ví dụ của riêng nó và tuyên bố prompt caching giảm khoảng 90% cho input lặp lại (0,40 USD so với 4,00 USD mỗi 1M), batch processing giảm khoảng 50%, còn routing task đơn giản sang model rẻ hơn kéo workload tham chiếu của họ từ 205,92 USD xuống 97,68 USD/tháng. Đây là con số do tác giả công bố, không phải kết quả đo lại — hãy coi là thứ tự độ lớn, và tự benchmark trên workload của bạn.

Tín hiệu bạn đã chuyển quá muộn

Hai dấu hiệu đáng theo dõi, theo guide: khi usage cap của tier bắt đầu bị chạm thường xuyên, và khi bạn trả per-seat chủ yếu để phủ usage tự động thay vì phủ người thật. Kết luận của guide là hybrid: subscription cho người, API cho máy — "Using both isn't indecision — it's the correct architecture."

Việc nên làm tuần này: bật cost tracking tách theo key cho từng workload máy, đo tỉ lệ input lặp lại để biết caching có đáng không, và đặt lịch tính lại công thức mỗi khi traffic tăng gấp đôi.