# AI có rẻ đi không? Theo đo lại chi phí theo mức trí tuệ

[Theo Browne](https://homus.dev/speakers/theo-browne) · [Theo - t3․gg](https://homus.dev/orgs/theo-t3-gg)

> Theo giải thích vì sao hoá đơn AI tăng dù AI đã rẻ đi: giá token, token cho mỗi việc, giá theo mức trí tuệ, và nghịch lý Jevons.

Topics: Model Routing, Evals, Coding Agents

Canonical: https://homus.dev/talks/i-thought-ai-was-gonna-get-cheaper

## 1. Lời hứa "quá rẻ để đo đếm" và hoá đơn AI của Theo

Theo mở đầu bằng một câu của Sam Altman hồi tháng 7 năm 2025: trí tuệ rẻ tới mức không cần đo đếm là biên giới tiếp theo của AI. Trên màn hình là bài của Fortune với tiêu đề "'Intelligence too cheap to meter' is AI's next frontier, Sam Altman says", đăng ngày 23/07/2025.

![Tiêu đề bài Fortune: Intelligence too cheap to meter is AI's next frontier, Sam Altman says](https://homus.dev/photos/vRS2leJLAI0-0003.jpg)

Bài viết trên Fortune (mục Fortune Intelligence, ngày 23/07/2025) dẫn lời Sam Altman rằng trí tuệ "quá rẻ để đo đếm" là biên giới tiếp theo của AI. Đây là điểm xuất phát của cả video.

Rồi anh so với chính mình. Anh khá chắc rằng trong cả năm 2025, toàn bộ việc dùng AI của cá nhân anh cộng lại chỉ khoảng 800 đến 1.000 đô. Còn trong năm 2026 này, theo lời anh trong video đăng ngày 12/10/2026, bất kỳ ngày nào anh cũng có thể đốt hơn 1.000 đô tiền token. Nhìn vậy thì có vẻ trí tuệ đang đắt lên rất nhiều, nhất là với các model như Fable và Astra (tính đến video đăng ngày 12/10/2026), vốn đắt hơn trên mỗi token theo đúng nghĩa đen, lại làm nhiều việc hơn và sinh ra nhiều token hơn.

![Theo Browne ngồi trước micro trong phòng thu tối, bên cạnh laptop và cốc nước](https://homus.dev/photos/vRS2leJLAI0-0009.jpg)

Theo Browne mở đầu video bằng câu hỏi: tại sao AI không rẻ đi như đã được hứa?

Theo Theo (video đăng ngày 12/10/2026), chuyện đó đang đẩy chi phí của các doanh nghiệp thật lên rất mạnh. Có vẻ như hoá đơn AI của ai cũng chỉ tăng, tăng mãi, không có dấu hiệu dừng lại. Vậy chuyện gì đã xảy ra? Vì sao mình chưa chạm được tới biên giới mới mà Sam Altman đã hứa? Vì sao trí tuệ không rẻ đi? Anh kể cảm giác của mình: năm ngoái mỗi prompt chỉ tốn vài xu, còn bây giờ là hàng chục, thậm chí hàng trăm đô. Đã sai ở đâu? Vì sao các công ty này lại thu nhiều tiền hơn đến vậy? Anh tưởng mọi thứ phải rẻ đi chứ.

## 2. Câu hỏi của ThePrimeagen và câu trả lời ngắn

Video này lấy cảm hứng từ ThePrimeagen. Anh ấy viết một bài trên X nhắc lại một lời hứa có thật của Sam Altman: AI sẽ rẻ đi 10 lần mỗi năm. ThePrimeagen nói mình hơi bối rối, vì anh ấy tưởng mình sẽ có được thứ AI rẻ hơn 10 lần đó, vậy mà Astra ra mắt và nó lại đắt hơn nhiều (bài đăng ngày 08/09/2026).

![Bài đăng của ThePrimeagen trên X về việc chờ AI rẻ hơn 10 lần mỗi năm sau khi Astra ra mắt](https://homus.dev/photos/vRS2leJLAI0-0329.jpg)

Bài đăng của ThePrimeagen ngày 08/09/2026: "After Astra released I once again am waiting for this 10x cheaper AI per year thing I kept being promised...", tức là sau khi Astra ra mắt, anh ấy lại tiếp tục chờ cái AI rẻ hơn 10 lần mỗi năm đã được hứa.

Vậy đã sai ở đâu? Theo nói anh có rất nhiều suy nghĩ về chuyện này. Phiên bản ngắn của câu trả lời, theo Theo (video đăng ngày 12/10/2026): AI thực ra đã rẻ đi. Chỉ là mình đang đo không đúng cách. Phiên bản dài chính là phần còn lại của video.

## 3. Ba cách đo chi phí, và giá token của GPT-6 Astra

Để giải thích vì sao AI thật ra đang rẻ đi (theo Theo, video đăng ngày 12/10/2026), anh nói sẽ phải nhìn vào vài con số và nói thêm về cách model hoạt động. Thứ đầu tiên cần bàn là giá token. Anh cảnh báo trước "flashbang" cho trang Artificial Analysis mà anh sắp mở.

Khi nhìn giá model theo thời gian, các con số khá đáng sợ. Theo các con số Theo đọc (giá theo video đăng ngày 12/10/2026), GPT-5 ở mức medium có giá 10 đô cho mỗi triệu token output và 1,25 đô cho mỗi triệu token input. Trong khi đó một model như GPT-6 Astra có giá 50 đô mỗi triệu token output và 10 đô mỗi triệu token input. Đó là mức tăng từ 5 đến 10 lần cho cả token input lẫn output.

![Biểu đồ cột giá cache hit, input, output của GPT-5.6 Sol, Claude Opus 5, GPT-6 Astra, Claude Fable 5.1 và Claude Fable 5](https://homus.dev/photos/vRS2leJLAI0-0403.jpg)

Biểu đồ giá trên Artificial Analysis (theo video đăng ngày 12/10/2026), con trỏ đặt ở GPT-6 Astra (max): cache hit 1 đô, input 10 đô, output 50 đô cho mỗi triệu token. Bên cạnh là GPT-5.6 Sol (max) với 0,4/4/20, Claude Opus 5 (max) với 0,5/5/25, và hai bản Claude Fable 5.1 và Fable 5 cùng mức 10 đô input và 50 đô output.

Theo nói điều này thật điên rồ, thật đáng sợ, ngược hẳn với những gì người ta được hứa. Mình được hứa giảm 10 lần, vậy mà lại thấy tăng 10 lần. Nhưng chuyện này có nhiều lớp, vì theo anh (video đăng ngày 12/10/2026) giá token là một trong những cách tệ nhất để đo chi phí.

Anh đưa ra ba thứ cần cân nhắc. Thứ nhất, đúng vậy, giá token; anh sẽ nói một chút về nó. Nhưng hai thứ còn lại mới chứa phần lớn những điều quan trọng. Thứ hai là cần bao nhiêu token để hoàn thành một phần việc cụ thể. Thứ ba là loại việc mà model làm được, cụ thể là có bao nhiêu trí tuệ trên mỗi đô, nói nôm na như vậy.

Ba thước đo Theo dùng trong video: giá mỗi token, số token cần cho một việc, và số tiền phải bỏ ra để có lời giải ở một mức trí tuệ nhất định.

Tóm lại có ba thứ: giá token, tức token trên mỗi đô; số token trên mỗi việc, tức cần bao nhiêu token để giải một việc; và chi phí trên mỗi mức trí tuệ, tức phải chi bao nhiêu tiền để có lời giải cho một bài toán ở một mức trí tuệ nhất định.

## 4. Phía giá rẻ: GLM 5.3 Flash

Theo thừa nhận giá token đúng là đã tăng với những model mạnh nhất trong số mạnh nhất (tính đến video đăng ngày 12/10/2026). Nhưng anh nói phải nhìn thẳng: cũng có những lựa chọn rẻ mà cực kỳ tốt. Ví dụ là GLM 5.3 Flash, model anh nói mình vô cùng yêu thích, một trong những bản phát hành model anh thích nhất từ trước tới nay.

Theo các con số anh đọc (giá theo video đăng ngày 12/10/2026), GLM 5.3 Flash có giá 0,15 đô cho mỗi triệu token input và 0,50 đô cho mỗi triệu token output. Anh nói nó còn đang được giảm 50% ở nhiều nơi, nên thực tế chỉ còn khoảng 0,07 đô mỗi triệu token input và 0,25 đô mỗi triệu token output. Nghĩa là nó có giá khoảng một phần ba mươi so với GPT-5.

![Biểu đồ giá với tooltip GLM-5.3-Flash: cache hit 0,026 đô, input 0,15 đô, output 0,50 đô](https://homus.dev/photos/vRS2leJLAI0-0523.jpg)

Tooltip của GLM-5.3-Flash trên biểu đồ giá (theo video đăng ngày 12/10/2026): cache hit 0,026 đô, input 0,15 đô, output 0,50 đô mỗi triệu token. Cùng hàng có GPT-5.6 Luna (max), Grok 4.6 (high), GPT-5 (medium) với 1,25/10, GPT-5.6 Terra (max) và Kimi K3 (max).

Với giá mỗi token chỉ bằng một phần hai mươi đến một phần ba mươi, theo Theo (video đăng ngày 12/10/2026), GLM 5.3 Flash vẫn "chạy vòng quanh" GPT-5 ở rất nhiều việc agentic ngoài đời thật. Vậy nên, nếu nhìn vào các model hạng cao nhất thì đúng là giá mỗi token đã tăng. Nhưng nhìn sang chỗ khác, mình cũng đã có những model rất có năng lực mà rẻ hơn hẳn trước đây. Đầu cao nhất đã trở nên điên rồ hơn, nhưng đầu thấp cũng vậy: cả hai phía đều có tiến bộ đáng kể. Và như anh đã nói, giá mỗi token chỉ là một mảnh rất nhỏ của công thức.

## 5. Số token cho mỗi việc: Gemini 3.8 Flash và Sonnet 5

Theo lấy một ví dụ mà anh gọi là rất vui: Gemini 3.8 Flash. Trên biểu đồ giá, nó trông như một món hời. Theo con số anh đọc (giá theo video đăng ngày 12/10/2026), nó có giá 3,75 đô mỗi triệu token output, tức chưa bằng một nửa giá GPT-5 và chưa tới một phần mười giá Astra và Fable.

Nhưng khi kéo lên biểu đồ chi phí cho mỗi tác vụ của Intelligence Index, khoảng cách bỗng hẹp lại nhiều, vì Gemini 3.8 Flash dùng rất nhiều token cho phần việc nó làm. Dù rẻ hơn tới mức buồn cười trên mỗi token, lượng token bị phí của 3.8 Flash khiến khoảng cách co từ hơn 10 lần xuống dưới 3 lần (theo biểu đồ Theo mở, video đăng ngày 12/10/2026). Gemini 3.5 Flash còn tệ hơn ở điểm này vì nó cực kỳ "đói" token: chi phí của nó lên tới hơn một nửa chi phí của GPT-5.6 Sol, trong khi 5.6 Sol là một model đắt hơn nhiều.

![Biểu đồ Cost to Run Artificial Analysis Intelligence Index Task với các cột chi phí của 18 model](https://homus.dev/photos/vRS2leJLAI0-0703.jpg)

Biểu đồ chi phí cho mỗi tác vụ Intelligence Index trên Artificial Analysis (theo video đăng ngày 12/10/2026): Gemini 3.8 Flash (high) 1,24 đô, Gemini 3.5 Flash 1,56 đô, GPT-5.6 Sol (max) 1,99 đô, GPT-6 Astra (max) 3,26 đô, Claude Sonnet 5 (max) 5,09 đô, Claude Opus 5 (max) 5,86 đô, Claude Fable 5.1 7,63 đô và Claude Fable 5 8,75 đô.

Vì vậy, theo Theo, phải tính hết những thứ này vào. Buồn cười nhất là Sonnet 5 còn đắt hơn Astra trên biểu đồ này, vì theo anh (video đăng ngày 12/10/2026) Sonnet cứ thế đốt token. Đó là hai chiều đầu tiên cần xét: giá mỗi token, và lượng token dùng để giải một việc cụ thể.

## 6. Mỗi loại việc một cách tính, và đường Pareto

Theo nói rõ thêm (video đăng ngày 12/10/2026): mỗi loại việc có cách vận hành khác nhau. Ví dụ, nếu việc cần làm là nạp vào 800.000 token rồi phân loại chúng theo cách nào đó, thì phần phân loại và token output sẽ không quan trọng bằng. Token input mới là thứ quyết định. Bạn gần như luôn phải trả chi phí đó, dù thế nào. Lúc ấy, tối ưu để chọn model rẻ nhất cho phần đọc token input có lẽ là lựa chọn đúng.

Còn nếu bạn làm việc dev kiểu agentic, theo Theo (video đăng ngày 12/10/2026), những thứ như caching, độ ổn định và hiệu quả dùng token bỗng quan trọng hơn rất, rất nhiều.

Anh nói mình cũng đang nhìn chưa đúng cách, vì đến giờ mới chỉ nhìn chi phí. Thứ mình muốn thấy là chi phí so với trí tuệ. Biểu đồ đó thú vị hơn nhiều: bạn thấy một lần chạy tốn bao nhiêu và đạt kết quả ra sao trên benchmark. Theo video đăng ngày 12/10/2026, trang này có thêm một đường đẹp cho Pareto frontier, tức model tốt nhất ở mỗi mức chi phí.

![Biểu đồ Intelligence Index vs. Cost per Intelligence Index Task với đường Pareto và vùng xanh most attractive quadrant](https://homus.dev/photos/vRS2leJLAI0-0743.jpg)

Biểu đồ Intelligence Index so với chi phí mỗi tác vụ (thang log) trên Artificial Analysis, theo video đăng ngày 12/10/2026. Đường chấm là đường Pareto đi từ GPT-5.6 Luna, GLM-5.3-Flash, qua các bản GPT-5.6 Sol tới GPT-6 Astra (max); Claude Fable 5.1 nằm xa phía bên phải. Tooltip đang hiện GPT-5.6 Sol (high): 0,81 đô mỗi tác vụ, điểm 42.

Bạn sẽ thấy GPT-6 Astra chiếm khá nhiều điểm trên đường này. Fable thì đắt hơn hẳn, nằm tít đằng kia. Nhưng ở một mức trí tuệ cho trước, chi phí có thể giảm rất mạnh. Theo ví dụ Theo đọc trên biểu đồ (video đăng ngày 12/10/2026): nếu bạn hài lòng với điểm 45 đến 46, chi phí sẽ là 82 xu mỗi tác vụ; còn nếu muốn lên mức 50, chi phí bỗng thành 3,26 đô. Chỉ thêm vài điểm thôi mà bạn trả gấp ba lần.

## 7. Lật câu hỏi: trí tuệ cỡ GPT-5 giờ tốn bao nhiêu?

Theo vẫn chưa cho đó là cách nghĩ tốt nhất. Anh muốn lật ngược lại: thay vì hỏi mỗi đô mua được bao nhiêu trí tuệ, hãy lấy một mức trí tuệ cố định và xem giá của nó thay đổi ra sao theo thời gian. Ví dụ, lấy năng lực của GPT-5: hôm nay (tính đến video đăng ngày 12/10/2026), với các lựa chọn rẻ hơn, có được cùng mức trí tuệ đó thì tốn bao nhiêu?

Anh kể đã bỏ khá nhiều công tìm xem model nào có điểm tương đương GPT-5, và việc này khó hơn anh tưởng, vì theo anh (video đăng ngày 12/10/2026) trong năm qua người ta đã phải làm lại gần như toàn bộ các benchmark đang dùng, do mọi benchmark đều đã bão hoà. Cuối cùng anh tìm ra DeepSeek V4 Flash gần tương đương GPT-5 Codex ở mức high, vì trên một số ít benchmark mà hai model cùng có điểm, kết quả khá giống nhau.

![Bảng so sánh DeepSeek V4 Flash (Reasoning, High Effort) với GPT-5 Codex (high) trên Artificial Analysis](https://homus.dev/photos/vRS2leJLAI0-0906.jpg)

Bảng so sánh Theo đính kèm trong bài đăng ngày 08/09/2026 của mình (số liệu Artificial Analysis lúc đó): DeepSeek V4 Flash (Reasoning, High Effort) và GPT-5 Codex (high) cùng 25 điểm Intelligence Index; Humanity's Last Exam 30% so với 28%; CritPt 3% so với 5%; AA-Omniscience -23 so với -8; AA-LCR cùng 72%. Nhiều dòng khác chỉ có điểm của DeepSeek.

Theo nói buồn cười là DeepSeek V4 Flash còn vượt GPT-5 Codex ở nhiều chỗ, như Humanity's Last Exam và AA-Omniscience, một benchmark đo tỉ lệ hallucination, nhưng nhìn chung điểm Intelligence Index tổng thì gần như bằng nhau. Theo các con số anh đưa ra (video đăng ngày 12/10/2026), DeepSeek V4 Flash rẻ hơn GPT-5 21 lần với token input và 55 lần với token output. Trong bài đăng trên X, anh viết cụ thể: token input mỗi triệu từ 1,25 đô xuống 0,06 đô, token output mỗi triệu từ 10 đô xuống 0,18 đô.

Anh không tìm được số liệu tốt để đo thay đổi về hiệu quả dùng token ở đây. Nhưng kể cả nếu giả định DeepSeek kém hiệu quả hơn 3 lần, phép tính vẫn cho ra mức cải thiện khoảng 20 lần (ước tính của Theo, video đăng ngày 12/10/2026). Vậy nếu mục tiêu là trí tuệ rẻ hơn 10 lần ở một mức cho trước, thì theo anh mình đã vượt xa mục tiêu đó: đang ở mức rẻ hơn 20 lần.

## 8. Biểu đồ giá theo từng dải điểm: dải dưới 10 và dải 10 đến 20

Theo nói may là chuyện này thật ra đang được theo dõi (tính đến video đăng ngày 12/10/2026) bởi "những người bạn" ở Artificial Analysis. Họ chọn từng mức điểm cố định và vẽ giá của mức đó theo thời gian, trên biểu đồ giá inference theo dải Intelligence Index.

Với dải điểm dưới 10, theo biểu đồ Theo đọc (video đăng ngày 12/10/2026), mức đó từng tốn 60 xu mỗi tác vụ, rồi giảm xuống tận 2 xu mỗi tác vụ trong khoảng hai năm, từ tháng 11/2022 tới tháng 7/2024. Giá giảm rất mạnh.

Sang dải từ 10 đến 20 điểm. Ban đầu dải này đắt, lên tới khoảng 15 đô mỗi tác vụ với o1-preview, vì model đó cực kỳ đắt. Nhưng theo thời gian, giá giảm rất nhanh. Tháng 9/2024 mức này còn tốn 15 đô. Tới tháng 2/2025, chỉ vài tháng sau, Grok 3 Mini đã đạt điểm tương tự với giá rẻ hơn rất, rất nhiều: vài xu thay vì vài đô như trước. Cụ thể là 16 xu để đạt một điểm thực ra còn cao hơn o1-preview, vì o1-preview chỉ được 11 điểm (các con số theo biểu đồ Theo mở, video đăng ngày 12/10/2026).

![Biểu đồ Model Inference Price by Intelligence Index Band Over Time với tooltip o1 ngày 5/12/2024, 14,25 đô](https://homus.dev/photos/vRS2leJLAI0-1103.jpg)

Biểu đồ giá inference theo dải Intelligence Index trên Artificial Analysis (theo video đăng ngày 12/10/2026). Đường xanh lá là dải 10 đến 20 điểm; tooltip đang hiện o1 ngày 05/12/2024 với giá 14,25 đô, điểm 15. Sau đó đường xanh tụt xuống rất nhanh trong mấy tháng đầu năm 2025.

Vậy là tháng 9/2024 có o1-preview, và tới tháng 2/2025 Grok 3 Mini đã hơn nó bốn điểm với giá chưa tới một phần trăm. Theo tự sửa lại: đúng hơn là khoảng một phần trăm. Anh nói (video đăng ngày 12/10/2026) thật điên rồ khi giá giảm gần 99% chỉ trong khoảng bốn tháng.

Một người trong chat vừa đưa ra một nhận xét hay về biểu đồ: mỗi lần giảm lại nhanh hơn lần trước. Theo nói đây chính là chỗ mọi thứ trở nên thật sự thú vị. Theo anh (video đăng ngày 12/10/2026), tốc độ giảm lần này hơi điên, vì o1-preview và o1 đắt hơn mức lẽ ra chúng nên có, nhưng cú giảm xảy ra gần như ngay sau đó.

## 9. Dải 20, 30 và 40 đến 50: giá mỗi lần lên nấc

Tiếp theo là dải 20 điểm, nơi o3 là model đầu tiên vượt mốc 20. Từ tháng 4 tới tháng 8 năm đó, GPT-5 mini đạt điểm cao hơn đáng kể. Theo tự sửa: thật ra là gần như bằng điểm, 20 so với 21. Nhưng thay vì tốn 1,55 đô, nó chỉ tốn 26 xu. Rồi DeepSeek 3.2 đạt cùng điểm với giá 10 xu. Và giờ có những model như Ling 3.0 Flash đạt cùng điểm với giá 4,7 xu (các con số theo biểu đồ Theo đọc, video đăng ngày 12/10/2026).

Nhưng giờ các model còn thông minh hơn nữa. Dải 30 điểm bắt đầu ở 1,90 đô với GPT-5.2, và không lâu sau đã xuống còn đúng 3 xu. Rồi tới dải 40 đến 50 điểm, nơi Opus 4.7 mở màn khá mạnh với 3,85 đô mỗi tác vụ (theo biểu đồ, video đăng ngày 12/10/2026).

![Biểu đồ giá theo dải điểm phóng to phần từ tháng 10/2024 tới tháng 9/2026 với các đường xanh lá, đỏ, tím nhạt và tím đậm](https://homus.dev/photos/vRS2leJLAI0-1223.jpg)

Phần bên phải của biểu đồ giá theo dải điểm (theo video đăng ngày 12/10/2026): mỗi đường màu là một dải (xanh lá 10 đến 20, đỏ 20 đến 30, tím nhạt 30 đến 40, tím đậm 40 đến 50). Mỗi đường bắt đầu ở một mức giá rồi bậc thang đi xuống theo thời gian, và các đường mới bắt đầu không cao hơn đường trước bao nhiêu.

Trên biểu đồ (theo video đăng ngày 12/10/2026), Theo chỉ ra một xu hướng mà anh thấy vui. Lúc một mức trí tuệ mới xuất hiện, model mới ở mức đó thường không đắt hơn bao nhiêu. Với o1, mức mới tốn của mình nhiều hơn hẳn. Mức mới kế tiếp thì tốn thêm ít hơn. Mức sau nữa thì gần như ngang giá. Mức sau đó đắt hơn một chút, nhưng chỉ một chút. Nghĩa là ngay cả khi có một mức trí tuệ mới, chi phí cũng không tăng vọt. Anh nhắc thêm rằng các trục ở đây đều là hàm mũ: trục chi phí dùng thang log, đỉnh là 16 đô còn ở giữa là 1 đô. Hãy nhớ điều đó khi nhìn biểu đồ.

Rồi tới hiện tại (tính đến video đăng ngày 12/10/2026), nơi theo Theo đang diễn ra một trong những cuộc đua khốc liệt nhất lịch sử LLM. Khi Opus 4.7 ra mắt, đó là một bước tiến đáng kể với 41 điểm Intelligence Index. Không lâu sau GPT-5.6 Terra có điểm cao hơn với giá gần bằng một nửa. Rồi GLM 5.3 đạt điểm còn cao hơn với giá chưa tới một phần ba. Rồi GLM 5.3 Flash đạt gần như cùng điểm với giá bằng một phần trăm (các so sánh theo Theo, video đăng ngày 12/10/2026).

Vì vậy, dù bây giờ cảm giác có thể tệ vì mình vừa trải qua thêm một lần "lên nấc" như thế, thì ở một mức trí tuệ cho trước, giá vẫn giảm rất mạnh, theo Theo (video đăng ngày 12/10/2026) là hơn xa mức 10 lần mỗi năm.

## 10. Thứ tư: cách dùng đã đổi, và nghịch lý Jevons

Theo nhắc lại: lúc nãy anh nói có ba thứ cần xét, nhưng anh đã nói dối một chút, vì còn một mảnh cuối quan trọng. Khi trí tuệ ngày càng thông minh hơn, cách mình dùng nó cũng đã thay đổi. Trước đây mình để model autocomplete một function trong codebase. Giờ mình đưa cho nó ảnh chụp màn hình một bug và để nó tự đưa thay đổi vào code cho mình. Theo Theo (video đăng ngày 12/10/2026), model làm được nhiều hơn rất nhiều. Chúng đi từ đầu tới cuối. Và mình không phải can thiệp nhiều nữa, vì chúng cũng bám nhiệm vụ tốt hơn.

Vậy nên, đúng là hoá đơn đang cao lên. Theo nói anh không cố "thao túng" để bạn tin điều ngược lại. Nhưng theo anh (video đăng ngày 12/10/2026), hoá đơn tăng không phải vì giá token tăng, mà vì lượng dùng tăng. Mình đang dùng các model này nhiều hơn rất nhiều. Chúng chạy lâu hơn, làm những việc lớn hơn, hoàn thành những phần việc mà trước đây mình phải can thiệp liên tục. Theo anh, việc mình sinh ra nhiều token hơn hẳn trên mỗi prompt chính là thành công: điều đó xảy ra vì model đã rẻ hơn, tốt hơn và có năng lực hơn.

Lập luận của Theo theo kiểu nghịch lý Jevons (video đăng ngày 12/10/2026): hoá đơn tăng không vì model đắt hơn, mà vì model đủ rẻ và đủ tốt để được dùng ở những chỗ trước đây chưa dùng được.

Anh gọi đây là một chuyện kiểu nghịch lý Jevons (video đăng ngày 12/10/2026). Khi năng lượng hơi nước rẻ đi và than đá dễ tiếp cận hơn, người ta bắt đầu chi nhiều tiền hơn hẳn cho những thứ đó, vì bỗng nhiên chúng đủ rẻ và đủ tốt để dùng ở những chỗ trước đây không dùng được. Hoá đơn của mình không tăng vì model đắt hơn. Chúng tăng vì mình đang dùng các model đắt tiền nhiều hơn. Theo nói chuyện thật sự đơn giản như vậy.

## 11. So GLM 5.3 Flash với GPT-5 là bất công cho GLM

Và đây là chỗ mọi thứ trở nên thật vui, theo Theo. Một người trong chat viết: hãy tưởng tượng có được trí tuệ cỡ Fable 5.1 với giá của GLM 5.3 Flash. Theo dự đoán (video đăng ngày 12/10/2026) chuyện đó sẽ xảy ra, chắc chắn sẽ xảy ra, vì lúc nãy anh đã "nhảy vòng quanh" một điều.

Anh đã so GLM 5.3 Flash và giá của nó với giá của GPT-5. Đặt mức 25 đến 50 xu mỗi triệu token output của 5.3 Flash cạnh mức 10 đô mỗi triệu token output của GPT-5 (giá theo video đăng ngày 12/10/2026) là không công bằng. Không công bằng vì phép so đó chưa đánh giá đủ GLM 5.3 Flash.

![Biểu đồ giá phóng to: GLM-5.3-Flash 0,03/0,15/0,5, GPT-5.6 Luna, Gemini 3.8 Flash và Gemini 3.7 Flash](https://homus.dev/photos/vRS2leJLAI0-1523.jpg)

Theo quay lại biểu đồ giá (theo video đăng ngày 12/10/2026) và trỏ vào GLM-5.3-Flash: 0,03 đô cache hit, 0,15 đô input, 0,5 đô output mỗi triệu token, thấp hơn cả GPT-5.6 Luna (max) và các bản Gemini 3.8 và 3.7 Flash đứng cạnh.

Theo Theo (video đăng ngày 12/10/2026), 5.3 Flash là một model tốt hơn GPT-5 rất, rất nhiều. Anh thà dùng GLM 5.3 Flash cho mọi thứ còn hơn bị kẹt với GPT-5 cho bất cứ việc gì, vì 5.3 Flash có được nhiều tiến bộ chung của cả ngành trong năm qua. Theo nhận định của anh, cách nó xử lý vision tốt hơn. Cách nó xử lý tool call tốt hơn. Và quan trọng nhất, cách nó quản lý những việc chạy dài và các workflow agentic, nơi model đi làm việc hàng giờ thay vì vài giây, tốt hơn tới mức buồn cười.

Theo anh (video đăng ngày 12/10/2026), GLM 5.3 Flash không chỉ rẻ hơn GPT-5 ở một mức năng lực cho trước, mà còn tốt hơn hẳn ở mọi khía cạnh thực tế. Thứ duy nhất 5.3 Flash không có mà GPT-5 có là thêm một chút kiến thức sẵn trong model, không cần tìm kiếm. Và Theo cho rằng nhiều khả năng nếu đưa cả hai một search tool rồi benchmark trên bất kỳ bài kiểm tra kiến thức nào, 5.3 Flash sẽ đè bẹp GPT-5 với khoảng cách cỡ một bậc độ lớn, đơn giản vì nó tìm kiếm giỏi. Nó dùng tool giỏi.

## 12. Model nhỏ có tool tốt, và lần Theo sai to nhất

Theo Theo, model đó có thể tìm ra lời giải tốt hơn, kể cả khi bản thân model "ngốc" hơn xét về lượng kiến thức người ta nhồi vào "bộ não" của nó. Anh khẳng định (video đăng ngày 12/10/2026): model nhỏ có tool tốt vượt xa các model thông minh nhất năm ngoái, kể cả khi các model năm ngoái cũng có tool, vì mình đã giỏi lên rất nhiều ở khoản này. Và mình sẽ còn thấy ngày càng nhiều kiểu cải tiến như vậy.

Anh nói điều này đến từ chính người cách đây không lâu từng bảo AI đã chạm đỉnh. Hai năm trước (tính từ video đăng ngày 12/10/2026), hồi tóc anh còn gần như vàng và còn để ria mép, anh làm một video tên "AI isn't gonna keep improving", vì khi đó anh nghĩ AI đã gần như đi ngang.

![Kết quả tìm kiếm YouTube cho video AI isn't gonna keep improving của kênh Theo - t3.gg, thumbnail có biểu đồ cột GPT-2 tới GPT-4o](https://homus.dev/photos/vRS2leJLAI0-1605.jpg)

Theo tìm lại video cũ "AI isn't gonna keep improving" trên kênh của mình, đăng khoảng hai năm trước (tính từ video đăng ngày 12/10/2026). Thumbnail là Theo với tóc vàng, ria mép, cạnh biểu đồ cột điểm benchmark từ GPT-2, GPT-3, GPT-3.5 tới GPT-4, GPT-4T và GPT-4o.

Trong biểu đồ benchmark của video cũ đó, có thể thấy GPT-3.5, rồi GPT-4, GPT-4T và GPT-4o không cải thiện đáng kể trên các benchmark người ta đang nhìn lúc ấy. Bây giờ (video đăng ngày 12/10/2026) anh hiểu: đó là vì mình cần benchmark mới. Anh nói mình đã sai hoàn toàn. Cả đời anh chưa từng có một nhận định nào tệ đến vậy, và anh đã học được bài học.

Anh nói: anh đã sai tới mức buồn cười. Nếu muốn chế giễu anh là một người không biết mình đang làm gì, thì hãy chế giễu phiên bản đó của anh, chứ đừng chế giễu vì những chuyện bạn đang bực mỗi khi anh nói về compaction hay gì đó. Người ta giận anh vì những chuyện anh đúng, mà lại không giận anh vì những chuyện anh sai thật sự, sai rất nặng, không hiểu vì sao.

Nhưng điều anh muốn nói là mình vẫn đang tìm cách đo các mức trí tuệ này. Theo anh (video đăng ngày 12/10/2026), mọi thứ đã tốt hơn rất nhiều so với những gì anh từng đoán, nhanh hơn rất nhiều so với anh từng nghĩ, và rẻ hơn mức anh có thể tưởng tượng. Vấn đề, theo anh, là những thứ này đã trở nên rẻ và có năng lực tới mức mình đang "vung tiền" vào chúng. Mình chi rất nhiều vì chúng quá hữu ích. Và điều đó không có nghĩa là mình đã thất bại.

## 13. Kết: trí tuệ đã quá rẻ để đo đếm

Theo nói anh còn dám đi xa hơn: trí tuệ đã quá rẻ để đo đếm. Điều đó không xảy ra theo đúng cách mà Sam Altman có thể đã ngụ ý, nhưng lời hứa trước đó của ông về trí tuệ rẻ hơn 10 lần thì đã bị vượt xa. Theo nhận định của Theo (video đăng ngày 12/10/2026), mình hoàn toàn đã đạt được điều đó. Những việc mình dùng AI làm năm ngoái giờ thật sự rẻ hơn đến mức ấy. Khác biệt là bây giờ mình có thể làm những việc lớn hơn, khó hơn với nó, và theo ý anh điều đó còn hào hứng hơn nhiều.

Kết luận của Theo (video đăng ngày 12/10/2026) vẽ lại: đường nét đứt là giá của một mức trí tuệ cố định, giảm mạnh theo thời gian; đường liền là tổng tiền chi, tăng vì model làm được việc lớn hơn và được dùng nhiều hơn.

Dù vậy, anh thừa nhận thật điên khi bạn có thể tiêu tới 1.500 đô trong một ngày với các model này (theo video đăng ngày 12/10/2026). Anh không muốn xem nhẹ điều đó bằng những gì mình vừa nói. Điều anh muốn nói chỉ là: bạn sẽ không bao giờ tiêu được chừng đó với GPT-5, không phải vì GPT-5 rẻ hơn nhiều, mà vì đơn giản bạn không thể làm được nhiều việc đến thế với nó. Chi tiêu cho LLM gắn với năng suất mình nhận được từ LLM, và đúng là mình đang nhận được nhiều hơn.

Theo nói anh nghĩ mình đã nói hết những gì cần nói về chủ đề này. Anh mong người xem giờ hiểu rõ hơn tiền của mình đang đi đâu. Và theo anh (video đăng ngày 12/10/2026), đừng lo, mọi thứ sẽ tiếp tục rẻ đi, dù lúc này trông không giống vậy. Hãy ngẩng cao đầu và hào hứng với mọi tiến bộ sẽ tiếp tục làm model rẻ hơn và có năng lực hơn. Anh nói mình rất phấn khích về chuyện này, và mong người xem cũng vậy. Anh chào tạm biệt: "Until next time, peace, nerds."

## Nguồn và liên kết

- Tên gốc: I thought AI was gonna get cheaper?
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=vRS2leJLAI0](https://www.youtube.com/watch?v=vRS2leJLAI0)

- Kênh YouTube Theo - t3․gg (Theo Browne): [youtube.com/channel/UCbRP3c757lWg9M-U7TyEkXA](https://www.youtube.com/channel/UCbRP3c757lWg9M-U7TyEkXA)

- Bài đăng của ThePrimeagen trên X về lời hứa AI rẻ hơn 10 lần mỗi năm, nguồn Theo dẫn cho video: [x.com/ThePrimeagen/status/2097367208691208240](https://x.com/ThePrimeagen/status/2097367208691208240)

- Artificial Analysis, trang so sánh giá, chi phí mỗi tác vụ và Intelligence Index của các model mà Theo mở trong video: [artificialanalysis.ai/models](https://artificialanalysis.ai/models)

- Trang AI Insights & Trends của Artificial Analysis, nơi có biểu đồ giá theo dải Intelligence Index: [artificialanalysis.ai/trends](https://artificialanalysis.ai/trends)

- Trang GLM-5.3-Flash trên Artificial Analysis: [artificialanalysis.ai/models/glm-5-3-flash](https://artificialanalysis.ai/models/glm-5-3-flash)

Nguồn: https://homus.dev/talks/i-thought-ai-was-gonna-get-cheaper · cập nhật 2026-10-22