So sánh các mô hình AI và giá cả: API lưu trữ, chạy cục bộ, API này
Để so sánh công bằng các mô hình AI và giá cả, bạn cần số token của chính mình, không chỉ là bảng giá. Bài viết này cung cấp công thức, bốn tùy chọn đáng để so sánh và lời giải thích trung thực về khi nào API này không phải là lựa chọn tốt.

Bốn cách để có mô hình và chi phí của mỗi cách
Hầu hết các so sánh nhầm lẫn những thứ không giống nhau. Một mô hình, một nhà cung cấp và một cơ chế tính phí là ba lựa chọn riêng biệt. Để tạo văn bản trong ứng dụng, có bốn hướng khả thi, và mỗi hướng có một cấu trúc chi phí riêng.
- API riêng của một nhà cung cấp đóng. Bạn nhận được các mô hình hàng đầu của nhà cung cấp đó, bộ tính năng và chính sách sử dụng của họ. Giá tính theo token và thay đổi, vì vậy hãy kiểm tra giá hiện tại của họ thay vì tin vào bài viết trên blog, bao gồm bài viết này.
- Một router hoặc thị trường. Một tài khoản, nhiều mô hình từ nhiều nhà cung cấp. Tiện lợi cho các thử nghiệm, với mức phí hoặc lớp phí bổ sung trên giá cơ sở, tùy thuộc vào dịch vụ.
- Tự chạy một mô hình trọng số mở. Không có phí mỗi token. Bạn trả tiền cho GPU hoặc một máy trạm có khả năng, điện, thời gian thiết lập và bảo trì, và thông lượng của bạn là những gì phần cứng cung cấp cho bạn.
- Một API trọng số mở được lưu trữ với một nhiệm vụ cụ thể. Đó là những gì trang web này là: một mô hình trọng số mở, do một nhà cung cấp độc lập vận hành, được tinh chỉnh để trả lời mà không từ chối nội dung cho mục đích người trưởng thành hợp pháp, phía sau một endpoint tương thích OpenAI. Nó không phải là API chính thức của Meta, Mistral, Qwen, DeepSeek, OpenAI, xAI, Google hay Anthropic, và nó không phải là bộ định tuyến.
Phần còn lại của bài viết này cung cấp cho bạn cách định lượng cho từng tuyến mà không dựa vào trang quảng cáo của bất kỳ ai.
Những gì API này cung cấp, dựa trên các sự thật bạn có thể kiểm chứng
Hãy bắt đầu từ phía bạn có thể xác minh. Mọi thứ ở đây được công bố trên trang giá cả và trong tài liệu.
| Mục | API này |
|---|---|
| ID mô hình | uncensored (một mô hình) |
| Endpoint | POST /v1/chat/completions, GET /v1/models |
| Tương thích | SDK và client OpenAI, bằng cách thay đổi base URL và khóa API |
| Cửa sổ ngữ cảnh | 100.000 token, prompt cộng với hoàn tất |
| Giá đầu vào | $0,15 cho mỗi 1M token |
| Giá đầu ra | $0,50 cho 1 triệu token |
| Thanh toán | Tín dụng trả trước, không đăng ký, không hết hạn, yêu cầu lỗi hoặc từ chối không bị tính phí |
| Tính năng | Truyền phát (streaming), gọi hàm, chế độ JSON, điều khiển seed và lấy mẫu |
| Giới hạn | Khóa đầy đủ: 8 đồng thời, 300 yêu cầu mỗi phút. Khóa dùng thử: 2 đồng thời, 60 yêu cầu mỗi phút |
| Không cung cấp | Hình ảnh, âm thanh, video, embedding, tinh chỉnh |
Sử dụng cùng bảng làm mẫu cho các endpoint khác. Nếu bạn không thể điền một hàng cho dịch vụ cạnh tranh từ tài liệu của họ, hãy coi đó là một phát hiện. Độ đồng thời và giới hạn tốc độ đặc biệt thường bị thiếu trên trang marketing và rất quyết định cho công việc hàng loạt.
Công thức tính chi phí, với các ví dụ chính xác
Chi phí hàng tháng là số token đầu vào chia cho một triệu nhân với tỷ lệ đầu vào, cộng với số token đầu ra chia cho một triệu nhân với tỷ lệ đầu ra. Không có gì khác được ẩn trong công thức này. Ba ví dụ ở mức $0.15 và $0.50:
- Công cụ nhỏ. 2 triệu token đầu vào và 0.5 triệu token đầu ra trong một tháng: 2 x $0.15 = $0.30, cộng 0.5 x $0.50 = $0.25, tổng $0.55.
- Sản phẩm tải cao. 50M token đầu vào và 10M token đầu ra: 50 x $0.15 = $7.50, cộng 10 x $0.50 = $5.00, tổng $12.50.
- Ứng dụng viết nặng về đầu ra. 5 triệu token đầu vào và 5 triệu token đầu ra: 5 x $0.15 = $0.75, cộng 5 x $0.50 = $2.50, tổng $3.25.
Dòng thứ ba cho thấy tại sao tỷ lệ đầu vào trên đầu ra lại quan trọng. Với khối lượng bằng nhau, chi phí đầu ra cao hơn hơn ba lần chi phí đầu vào ở đây, vì vậy một trường hợp sử dụng tạo câu trả lời dài từ prompt ngắn sẽ hoạt động khác với trường hợp đọc tài liệu dài và trả lời ngắn gọn. Khi bạn so sánh bất kỳ hai dịch vụ nào, hãy chạy cả hai tỷ lệ qua cả hai bảng giá.
Bây giờ hãy đặt cùng câu hỏi cho các tùy chọn khác. Đối với nhà cung cấp đóng hoặc router, hãy lấy tỷ lệ mỗi token hiện tại của họ và chạy ba kịch bản tương tự. Đối với chạy cục bộ, hãy chia chi phí phần cứng hàng tháng, điện và thời gian bạn dành để bảo trì cho số token thực tế mà nó tạo ra trong một tháng. GPU nhàn rỗi khiến chạy cục bộ trông đắt đỏ mỗi token, và một GPU tải đầy đủ có thể trông rất rẻ. Những gì bạn nhận được phụ thuộc vào tải của bạn, vì vậy hãy đo lường.
Đo lường trên chính các prompt của bạn
Giá công bố cho bạn biết tỷ lệ và không nói gì về số token của bạn. Các mô hình khác nhau phân tách token khác nhau, và các mô hình dài dòng sẽ viết câu trả lời dài hơn cho cùng một câu hỏi. Cách so sánh trung thực nhất là chạy các prompt thực tế của bạn và ghi lại kết quả. Script này làm điều đó với API này; hãy trỏ base URL và mô hình sang dịch vụ khác để lấy cùng số liệu từ nó.
import os, time
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredaimodels.com/v1",
api_key=os.environ["UNCENSORED_KEY"],
)
IN_PER_M, OUT_PER_M = 0.15, 0.50 # dollars per 1M tokens
def cost(prompt_tokens, completion_tokens):
return prompt_tokens / 1e6 * IN_PER_M + completion_tokens / 1e6 * OUT_PER_M
def trial(prompt):
t0 = time.time()
r = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": prompt}],
max_tokens=500,
)
u = r.usage
return {
"seconds": round(time.time() - t0, 2),
"in": u.prompt_tokens,
"out": u.completion_tokens,
"dollars": round(cost(u.prompt_tokens, u.completion_tokens), 6),
"text": r.choices[0].message.content,
}
for p in open("my_real_prompts.txt").read().split("\n---\n"):
print(trial(p))
Đặt 20 đến 50 prompt thực tế vào my_real_prompts.txt được phân cách bằng một dòng chứa ba dấu gạch ngang. Đọc kết quả đầu ra của chính bạn. Chi phí mỗi prompt chỉ hữu ích nếu câu trả lời đáp ứng tiêu chuẩn của bạn, và một mô hình rẻ hơn nhưng cần hai lần thử cho mỗi nhiệm vụ thì không hề rẻ. Khóa dùng thử là đủ cho việc này: người dùng mới có thể nhận $0.50 tín dụng với một cú nhấp chuột trên trang khóa API, có hiệu lực trong 7 ngày, không cần thẻ. Lưu ý rằng khóa dùng thử bị giới hạn ở 2 yêu cầu đồng thời và 60 yêu cầu mỗi phút, vì vậy hãy chạy script theo trình tự.
Khi một API tiên phong đóng là lựa chọn tốt hơn
Hãy rõ ràng về điều này trước khi bạn chi bất kỳ khoản tiền nào. Nếu nhiệm vụ của bạn phụ thuộc vào khả năng suy luận chung mạnh nhất có sẵn, khả năng xử lý đầu vào hình ảnh, âm thanh, embedding cho tìm kiếm hoặc dịch vụ fine-tuning của nhà cung cấp, thì API của nhà cung cấp đóng là công cụ phù hợp và API này không thể thay thế. API này có một mô hình văn bản. Nó không tạo hoặc đọc hình ảnh hoặc âm thanh, không tạo embedding và không fine-tune.
Điều tương tự cũng áp dụng cho chính sách. Các nhà cung cấp đóng áp dụng quy tắc nội dung của riêng họ, và đối với bot hỗ trợ khách hàng hoặc công cụ gia sư trẻ em, những quy tắc đó là một tính năng. Một API được tinh chỉnh để trả lời mà không từ chối là một sự kết hợp kém cho sản phẩm mà bạn muốn mô hình phản đối các yêu cầu ở ranh giới. Bạn có thể thêm bộ lọc của riêng mình, nhưng nếu bạn muốn từ chối, hãy chọn một dịch vụ được xây dựng xung quanh chúng.
Cuối cùng, hãy kiểm tra nhu cầu doanh nghiệp. Nếu bạn cần thỏa thuận xử lý dữ liệu có chữ ký, đảm bảo khu vực hoặc cam kết thời gian hoạt động, hãy yêu cầu từng nhà cung cấp cung cấp chúng bằng văn bản. Trang web này công bố các sự thật đã liệt kê ở trên và không có gì hơn nữa.
Khi chạy cục bộ thắng thế
Chạy cục bộ là câu trả lời đúng khi dữ liệu không bao giờ được phép rời khỏi phần cứng của bạn, khi bạn cần hoạt động ngoại tuyến, khi khối lượng của bạn cao và ổn định đủ để giữ GPU bận rộn, hoặc khi bạn muốn kiểm soát hoàn toàn các tệp mô hình và lấy mẫu. Bạn cũng có thể chọn bất kỳ mô hình trọng số mở nào bạn thích và hoán đổi nó tùy ý.
Giá của sự kiểm soát đó là có thật. Bạn xử lý các trình điều khiển, phần mềm phục vụ, các lựa chọn lượng tử hóa, giới hạn bộ nhớ và bản cập nhật. Ngữ cảnh dài tốn kém bộ nhớ, vì vậy một cửa sổ 100.000 token chỉ là một tham số trên API nhưng có thể là một dự án phần cứng khi chạy cục bộ. Đối với một bản mẫu hoặc một ứng dụng có lưu lượng truy cập đến theo đợt, một API thường đạt được sản phẩm hoạt động sớm hơn. Nếu bạn muốn hiểu rõ hơn về các sự đánh đổi kỹ thuật trong việc lập trình, danh sách kiểm tra sản xuất cho một LLM lập trình không kiểm duyệt sẽ đi qua chúng.
API này phù hợp ở đâu và cách bắt đầu
Nó phù hợp khi bạn muốn một endpoint tương thích OpenAI, một mô hình không từ chối các yêu cầu hợp pháp của người lớn, thanh toán trả trước không đăng ký và giới hạn rõ ràng. Các công việc điển hình là nền tảng tiểu thuyết và nhập vai, ứng dụng bạn đồng hành cho người lớn, công cụ red-team và viết, và vòng lặp agent thất bại ở nơi khác khi từ chối. Nội dung tình dục liên quan đến người chưa thành niên là giới hạn cứng. Các prompt không được sử dụng để huấn luyện.
Chuyển đổi client hiện có chỉ mất hai dòng: thay đổi base URL thành https://api.uncensoredaimodels.com/v1 và mô hình thành uncensored. Nạp tiền là các số nguyên từ $20 đến $500 với tiền thưởng +5% từ $50, +10% từ $100 và +15% từ $200, thanh toán bằng tiền mã hóa (USDT trên TRC20, USDC trên Base). Tín dụng không bao giờ hết hạn, vì vậy lần nạp tiền đầu tiên $20 là cách ít rủi ro để chạy script đo lường ở trên với khối lượng thực. Hướng dẫn bắt đầu nhanh có định dạng yêu cầu đầy đủ.
Hướng dẫn khác
Hỏi đáp
Tôi so sánh giá mô hình AI đúng cách như thế nào?
Thu thập tỷ lệ token đầu vào và đầu ra, sau đó nhân mỗi tỷ lệ với khối lượng token hàng tháng của bạn và cộng lại. Chạy các prompt thực tế qua từng dịch vụ để có số token chính xác, vì các mô hình khác nhau có độ dài và cách token hóa khác nhau.
API lưu trữ có rẻ hơn chạy mô hình cục bộ không?
Với lưu lượng thấp hoặc biến động, thường là có, vì bạn chỉ trả tiền cho token đã dùng. Với tải cao, ổn định giữ GPU hoạt động liên tục, chạy cục bộ có thể rẻ hơn mỗi token. Hãy tính cả phần cứng, điện và thời gian của bạn vào chi phí cục bộ.
API này cung cấp nhiều mô hình không?
Không. API này cung cấp một mô hình, với ID là uncensored. Nó không phải là bộ định tuyến giữa các nhà cung cấp và không phải là API chính thức của bất kỳ nhà cung cấp nào.
Giá của 1 triệu token cho đầu vào và đầu ra ở đây là bao nhiêu?
Input là $0.15 cho mỗi 1M token và output là $0.50 cho mỗi 1M token. Việc tính phí được thực hiện từ tín dụng trả trước, và các yêu cầu bị lỗi hoặc từ chối sẽ không bị tính phí.
Khóa của bạn chỉ cách một bước
Tạo tài khoản, sao chép khóa, thay đổi URL cơ sở. Đó là toàn bộ thiết lập.