Nên dùng mô hình AI nào cho từng nhiệm vụ để không trả quá nhiều tiền cho token

Tóm lại: hãy để mô hình mạnh đảm nhiệm việc suy nghĩ, còn mô hình đơn giản hơn thực hiện công việc. Giao việc lập kế hoạch và đưa ra quyết định phức tạp cho mô hình hàng đầu (GPT-6 Astra, Claude Fable 5.1 hoặc Claude Opus 5.5), dùng mô hình tầm trung để làm theo kế hoạch đã hoàn tất, và giao các nhiệm vụ thường lệ cũng như lệnh gọi tác nhân nền cho mô hình rẻ nhất có thể xử lý chúng. Đồng thời, hãy kiểm tra kết quả: mô hình càng rẻ, bạn càng cần xem xét công việc của nó kỹ hơn; nếu không, khoản tiết kiệm sẽ mất vào việc sửa lại.

Dưới đây là bảng “nhiệm vụ → mô hình” do tác giả ban đầu đăng trong một kho mã mở vào ngày 23 tháng 9 năm 2026. Các mô hình chính trong bảng là lựa chọn cá nhân của tác giả dựa trên kinh nghiệm làm việc. Bảng này không được kiểm chứng bằng thử nghiệm so sánh, và không đảm bảo sẽ có cùng kết quả với các nhiệm vụ khác. Tôi chọn phần lớn các phương án rẻ hơn dựa trên bảng xếp hạng công khai và khuyến nghị của chính các nhà phát triển; lựa chọn Opus 5.5 cho việc viết mã cũng dựa trên kinh nghiệm của tôi. Giá trong tài liệu gốc được đối chiếu với các trang chính thức của OpenAI và Anthropic tính đến 23.09.2026.

Để biết thêm hướng dẫn làm việc với Ailoot, hãy xem tài liệu.

Vì sao dùng một mô hình cho mọi việc lại tốn kém#

Nếu trả tiền cho token qua API, mọi nhiệm vụ chạy trên mô hình hàng đầu đều bị tính theo mức giá của mô hình hàng đầu, ngay cả khi một mô hình đơn giản hơn đã đủ dùng. Nếu dùng gói đăng ký, hãy tính đến giới hạn của gói và mô hình đã chọn: xem giới hạn trên trang gói. Để biết giới hạn gói đăng ký Claude hoạt động như thế nào và điều gì làm chúng cạn nhanh, hãy xem bài viết riêng Cách không dùng hết giới hạn Claude Code trong một ngày. Bài viết này nói về việc chọn mô hình cho một công việc cụ thể.

Giá API chính thức cho mỗi 1 triệu token tính đến 23.09.2026:

Hãy xét một lần chạy tác nhân giả định: 100 nghìn token đầu vào và 10 nghìn token đầu ra. Đây là ví dụ tính toán theo giá cơ bản, không dùng bộ nhớ đệm, chứ không phải số đo từ một nhiệm vụ thực tế. Một lần chạy như vậy tốn khoảng $1,5 với GPT-6 Astra hoặc Fable 5.1, $0,6 với Opus 5.5, $0,3 với Sonnet 5 hoặc GPT-6 Sol, $0,15 với Haiku 4.5 và $0,015 với GPT-6 Luna. Trong phép tính này, mô hình hàng đầu có giá cao gấp một trăm lần mô hình rẻ nhất. Xem Cách tính mức sử dụng token API để biết chi tiết cách tính một lần chạy như vậy dựa trên khối lượng sử dụng của bạn.

Hai lưu ý về giá. Với các mô hình GPT-6, những yêu cầu có hơn 272 nghìn token đầu vào sẽ bị tính toàn bộ theo mức giá cao hơn: đầu vào gấp đôi và đầu ra gấp một phẩy năm lần. Yêu cầu Batch có giá bằng một nửa giá tiêu chuẩn ở cả OpenAI lẫn Anthropic.

Quy tắc: suy nghĩ bằng mô hình mạnh, thực hiện bằng mô hình rẻ#

Các bước tiếp theo phụ thuộc vào kế hoạch, vì vậy tôi không tiết kiệm ở khâu này và dùng mô hình mạnh nhất. Mô hình đơn giản hơn có thể viết theo kế hoạch đã hoàn tất, thu thập dữ liệu, đổi tên cuộc trò chuyện và nén hội thoại.

Tôi cũng tuân theo ba quy tắc khác khi chọn mô hình:

1. Mô hình càng rẻ, bạn càng cần kiểm tra công việc của nó kỹ hơn. Việc xem xét cũng tiêu tốn thời gian của bạn.
2. Hãy so sánh giá của kết quả hoàn chỉnh, không phải một yêu cầu đơn lẻ. Ví dụ, Opus 5.5 rẻ hơn Fable 5.1 2,5 lần ở cả đầu vào lẫn đầu ra. Nếu việc sửa lại khiến Opus dùng lượng token đầu vào và đầu ra gấp ba lần cho một nhiệm vụ, cuối cùng nó sẽ tốn kém hơn. Thời gian bạn dành để xem xét là khoản chi phí cộng thêm ngoài token. Bài viết Tác nhân AI nào rẻ hơn: chi phí cho một nhiệm vụ được giải quyết giải thích cách tính chi phí của một kết quả.
3. Nếu một mô hình không phù hợp với bạn, hãy thử mô hình khác. Không có lựa chọn nào thắng trong mọi trường hợp; mỗi mô hình đều có điểm mạnh và hạn chế riêng.

Chọn mô hình là một phần trong quá trình làm việc với tác nhân AI.

Bảng: nhiệm vụ → mô hình#

Cột “Chính” liệt kê các mô hình tôi tự dùng. Cột tiếp theo liệt kê các phương án thay thế, phần lớn được chọn dựa trên bảng xếp hạng công khai và khuyến nghị của nhà phát triển. Tôi cũng chọn Opus 5.5 cho việc viết mã dựa trên kinh nghiệm cá nhân. Hãy kiểm tra kết quả của mô hình rẻ hơn kỹ hơn. Các phương án cho công việc thường lệ dùng những cách thanh toán khác nhau, vì vậy lựa chọn này chưa chắc sẽ rẻ hơn.

Chiến lược và kế hoạch. Một lỗi trong kế hoạch có thể kéo theo các bước sau. Ở đây tôi dùng mô hình mạnh nhất. GPT-6 Sol là phương án rẻ hơn: OpenAI định vị mô hình này cho mã phức tạp và các tình huống sử dụng tác nhân.

Viết mã. Tôi dùng Fable 5.1 để viết mã. Tuy nhiên, Anthropic khuyến nghị bắt đầu với Opus 5.5 cho hầu hết nhiệm vụ, và dùng Fable 5.1 cho suy luận phức tạp, công việc tác nhân kéo dài, hoặc khi Opus với mức suy luận cao không xử lý được nhiệm vụ. Qua API, Opus 5.5 rẻ hơn 2,5 lần; theo kinh nghiệm của tôi, làm việc với mô hình này cũng tốn ít hơn. Nếu đã có kế hoạch, mô hình rẻ hơn có thể viết theo kế hoạch đó. Để xem so sánh chi tiết hai mô hình hàng đầu dành cho viết mã, hãy xem GPT-6 Astra hay Claude Fable 5.1: nên chọn mô hình nào?.

Viết lách. Nếu văn bản dành cho khách hàng, tôi dùng mô hình mạnh. Sonnet 5 là phương án rẻ hơn: Anthropic gọi đây là lựa chọn cân bằng tốt nhất giữa tốc độ và trí tuệ. Hãy xem xét đầu ra của mô hình kỹ hơn.

Số liệu và tài chính. Ở đây tôi cũng dùng mô hình mạnh. Đây là lựa chọn dựa trên kinh nghiệm làm việc của tôi, không phải kết quả của thử nghiệm so sánh. Nhưng ngay cả mô hình mạnh cũng không loại bỏ nhu cầu kiểm tra: hãy đối chiếu số liệu với nguồn sơ cấp. Đừng gửi dữ liệu tài chính hoặc dữ liệu cá nhân cho các gói miễn phí có điều khoản cho phép sử dụng dữ liệu của bạn.

Tìm kiếm và nghiên cứu. Tôi dùng Sonnet 5 cho các nhiệm vụ đơn giản và tìm kiếm; lựa chọn này dựa trên kinh nghiệm của tôi. GPT-6 Luna là phương án rẻ hơn: OpenAI định vị mô hình này cho các nhiệm vụ lặp lại với khối lượng lớn.

Nhiệm vụ thường lệ. Các nhiệm vụ thường lệ được lặp lại thường xuyên, vì vậy chi phí của từng lần chạy sẽ cộng dồn. Tôi dùng Kimi K3 với gói đăng ký Kimi Code. DeepSeek Flash là lựa chọn thanh toán qua API. Đây là hai hình thức thanh toán khác nhau, và lựa chọn nào rẻ hơn phụ thuộc vào khối lượng sử dụng của bạn.

Những việc tôi không tiết kiệm#

Các quy tắc này dựa trên cách tôi làm việc. Tôi chưa kiểm chứng chúng qua một nghiên cứu so sánh.

• Lập kế hoạch và kiến trúc. Một lỗi trong kế hoạch có thể kéo theo các bước sau.
• Số liệu và tài chính. Ở đây tôi dùng mô hình mạnh nhưng vẫn đối chiếu số liệu với nguồn sơ cấp.
• Kiểm tra kết quả. Mô hình thực hiện nhiệm vụ càng rẻ thì bạn càng cần kiểm tra công việc của nó kỹ hơn.

Việc nén hội thoại quyết định tác nhân ghi nhớ điều gì từ một cuộc trò chuyện dài, và mô hình quá yếu có thể làm mất thông tin quan trọng. Bạn có thể chuyển việc nén sang một mô hình rẻ, nhưng hãy tự kiểm tra chất lượng trên các nhiệm vụ của mình.

Cách chuyển các tác vụ nền của Hermes Agent sang mô hình rẻ#

Ngoài công việc chính, một tác nhân còn thực hiện các tác vụ phụ: nghĩ tiêu đề cho cuộc trò chuyện, nén hội thoại dài, phân tích hình ảnh và quyết định liệu có thể tự động phê duyệt lệnh hay không. Trong Hermes Agent, các tác vụ này được gọi là tác vụ phụ. Theo mặc định, mỗi tác vụ được đặt thành auto: mô hình chính của bạn sẽ xử lý tác vụ đó. Nếu mô hình chính là mô hình hàng đầu và bạn thanh toán qua API, các tác vụ phụ cũng bị tính theo mức giá của mô hình hàng đầu.

Với việc phê duyệt lệnh trong chế độ smart, tài liệu Hermes khuyến nghị dùng mô hình nhanh, giá rẻ và cho rằng dùng mô hình đắt tiền là lãng phí. Tài liệu cũng khuyến nghị dùng mô hình nhanh thay vì mô hình suy luận đắt tiền để nén ngữ cảnh và tóm tắt trang web — tức là kể lại nội dung một cách ngắn gọn.

Các bước:

1. Kết nối trước nhà cung cấp cho mô hình rẻ, kèm theo khóa. Theo tài liệu Hermes, nếu bạn gán cho một tác vụ nhà cung cấp không có khóa, hệ thống sẽ quay về lựa chọn mặc định và ghi cảnh báo vào nhật ký agent.log. Trong chế độ auto, nếu mô hình chính không thể thực hiện tác vụ và chưa cấu hình chuỗi dự phòng, Hermes sẽ bỏ qua tác vụ kèm cảnh báo và không chuyển sang các nhà cung cấp khác đã kết nối.
2. Mở bảng điều khiển web Hermes và làm theo Models → Model Settings → Auxiliary tasks → Configure. Ở hàng của tác vụ bạn cần (ví dụ: Compression, Title Gen, Vision), nhấp Change, chọn nhà cung cấp và mô hình, sau đó nhấp Switch. Thay vào đó, tài liệu Hermes liệt kê nút Show auxiliary để thực hiện việc này; tên nhãn tùy thuộc vào phiên bản.
3. Hoặc nhập các thiết lập tương tự vào ~/.hermes/config.yaml. Ví dụ trong tài liệu Hermes: phân tích hình ảnh (vision) bằng mô hình nhanh.

Tìm hướng dẫn về các công cụ trong tài liệu Ailoot

Với tiêu đề cuộc trò chuyện, tài liệu đề xuất ghim một mô hình nhanh hoặc đặt auxiliary.title_generation.prefer_fast_model: true, khi đó Hermes sẽ chọn một mô hình nhanh từ nhà cung cấp của bạn.

4. Mở một phiên mới. Thay đổi mô hình chỉ áp dụng cho các phiên mới; những cuộc trò chuyện đã mở vẫn tiếp tục dùng thiết lập cũ. Nếu bạn chỉnh sửa config.yaml thủ công mà phiên mới không nhận thiết lập, hãy khởi động lại Hermes.

Cách kiểm tra. Hàng tác vụ sẽ hiển thị provider · model thay cho auto (use main model). Nếu vẫn ghi auto, tác vụ vẫn đang dùng mô hình chính. Để đưa tất cả tác vụ trở lại mô hình chính, hãy nhấp Reset all to auto.

Với các tác vụ nền, bảng liệt kê GPT-6 Luna, Gemini 3.8 Flash, DeepSeek Flash và Claude Haiku 4.5. Hãy chọn từ những nhà cung cấp bạn đã kết nối. Nếu bạn kết nối các mô hình OpenAI thông qua nhà cung cấp gói đăng ký ChatGPT / Codex và GPT-6 Sol cùng GPT-6 Luna chưa có trong danh sách mô hình Hermes, bảng khuyến nghị GPT-5.6 Sol hoặc GPT-5.6 Luna. Theo trang Anthropic, Haiku 4.5 sẽ không bị ngừng cung cấp trước ngày 15 tháng 10 năm 2026. Chưa có ngày chính xác, vì vậy hãy kiểm tra trạng thái trước thời điểm đó.

Những điều bảng không bao gồm#

• Tỷ lệ phần trăm tiết kiệm. Tôi chưa đo lường con số này. Mức tiết kiệm phụ thuộc vào nhiệm vụ và mô hình bạn chọn.
• Mức sử dụng chính xác giới hạn gói đăng ký. Tài liệu Hermes không mô tả chính xác các yêu cầu từ Hermes sử dụng giới hạn gói đăng ký ChatGPT như thế nào.
• Giá không bao giờ thay đổi. Mô hình và gói dịch vụ sẽ thay đổi. Hãy xem các trang chính thức trước khi mua.

Việc cần làm hôm nay#

1. Liệt kê ba hoặc bốn loại nhiệm vụ mà bạn thường giao cho tác nhân nhất.
2. Với từng loại, hãy quyết định: nhiệm vụ đó cần suy nghĩ hay chỉ cần thực hiện theo một kế hoạch đã hoàn tất?
3. Dành mô hình hàng đầu cho “suy nghĩ”, dùng mô hình thấp hơn một bậc cho “thực hiện”, và dùng mô hình rẻ nhất có thể xử lý nhiệm vụ cho công việc thường lệ.
4. Trong Hermes, hãy bắt đầu với tiêu đề cuộc trò chuyện: đây là tác vụ dễ chuyển sang mô hình rẻ nhất. Tiếp theo, chuyển việc nén ngữ cảnh và kiểm tra các cuộc trò chuyện dài của chính bạn xem tác nhân có bắt đầu làm mất thông tin quan trọng hay không.

Để làm thêm với các mô hình, hãy truy cập Ailoot.