Tôi đã trả cho Anthropic $1,892.38 trong suốt 13 tháng. Đó là gói Claude Code Max $200/tháng, cộng thêm $20-100 cho Codex của OpenAI. Tính ra, mỗi tháng tôi bỏ ra đâu đó khoảng $200 đến $300 chỉ riêng cho công cụ AI.
Tôi đã hủy Claude Max vào tháng Tư. Tôi đã viết về chuyện đó — nhiều lần. Mỗi bài viết là một nỗ lực thành thật để tìm ra một thiết lập phù hợp, trong khi các công cụ cứ liên tục thay đổi dưới chân mình.
Hai tháng trước, tôi dừng hẳn việc xài song song hai công cụ. Tôi chuyển sang dùng duy nhất một mô hình — DeepSeek V4 Pro bật chế độ High Thinking — thông qua một coding agent duy nhất. Và đây là những gì đã thực sự xảy ra.
Tháng 6: $57.01. Tháng 7: $33.09.
Hóa đơn DeepSeek tháng 6 của tôi: 4,1 tỷ token đã xử lý, tổng cộng $57.01.
Tháng 7: 2,1 tỷ token, $33.09. Số tiền giảm một phần vì tôi hoàn thành một dự án localization lớn trong tháng 6, phần còn lại là do tôi viết prompt khôn hơn — prompt ngắn gọn hơn, ít phải thử lại, nhưng chất lượng đầu ra vẫn y như cũ.
Tổng cộng hai tháng: $90.10. Con số này chưa bằng một nửa số tiền tôi trả cho một tháng Claude Max. Chưa bằng một phần ba nếu tính thêm phí đăng ký Codex.
Câu hỏi ngay lập tức mọi người đặt ra khi bạn cắt giảm 75% chi phí là: "Bạn có bị chậm lại không?". Đây là câu trả lời.
786 Commits. 4 Sản phẩm. Không hề chậm lại.
Tôi theo dõi công việc qua git. Đây không phải là thước đo năng suất hoàn hảo — số dòng code chẳng có ý nghĩa gì, và một commit có thể là sửa lỗi chính tả hoặc migrate database. Nhưng về mặt xu hướng, nó nói lên điều gì đó có thật.
Trong khoảng từ 1/6 đến 31/7/2026, trên bốn sản phẩm tôi đang phát triển:
-
DIALOGUE (nền tảng podcast): 382 commits. Đã ra mắt một mạng lưới podcast World Cup 6 ngôn ngữ, tự động xuất bản lên YouTube, Spotify và Apple Podcasts. Xây dựng lịch nội dung SEO 41 bài trong 8 tuần. Chạy toàn bộ pipeline đánh giá với 40 tập, dùng một LLM judge chấm 7 tiêu chí mỗi tập.
-
chandlernguyen.com (trang này + Ask Sydney): 168 commits. Đã localization toàn bộ khóa học chuyên nghiệp 7 module sang tiếng Nhật — từng video, slide, template, và tài liệu hướng dẫn đi kèm. Xây dựng khung đánh giá 30 câu hỏi cho Ask Sydney, có checkpointing, chấm điểm bằng LLM-as-judge, và truy xuất trực tiếp từ Supabase. Cấu trúc lại toàn bộ system prompt 8.000 ký tự cho Sydney từ đầu. Thiết kế lại luồng bài viết trên trang chủ.
-
Prova (huấn luyện viên AI cho builder): 228 commits. Đã ship chuỗi bài học thống nhất cho ba chân dung người dùng. Xây dựng trải nghiệm gốc iPad với pattern master-detail và kéo thả. Thêm đồng bộ bản nháp xuyên thiết bị. Xây dựng quy trình reset dựa trên brief, có kế thừa dữ liệu trước đó.
-
STRAŦUM (nền tảng marketing intelligence): 8 commits. Giai đoạn yên ắng — đồng bộ tài liệu, cập nhật dependency, sửa lỗi đăng nhập Apple. Đôi khi không ship gì mới cũng là quyết định đúng.
Tôi không hề chậm lại. Nếu có gì, tôi đang tăng tốc — 786 commit trong hai tháng là quãng thời gian năng suất nhất của tôi kể từ khi tôi bắt đầu xây dựng công khai vào năm 2023.
Mô hình: DeepSeek V4 Pro bật High Thinking
Mô hình tôi đang dùng không phải là lựa chọn rẻ nhất của DeepSeek. Phiên bản V4 Flash có giá $0.14 mỗi triệu token đầu vào (cache miss) và $0.28 mỗi triệu token đầu ra. Tôi dùng bản Pro — $0.435 mỗi triệu đầu vào, $0.87 mỗi triệu đầu ra — và bật cả chế độ High Thinking. Đây không phải là cấu hình rẻ nhất. Nhưng khi tổng hóa đơn cả tháng chỉ có $33, tôi lười chuyển lắm.
Từ giờ tôi sẽ chuyển sang dùng Flash nhiều hơn. Nhưng điều đó cũng nói lên tâm lý khi dùng công cụ rẻ: khi chi phí đủ thấp, bạn không còn tối ưu nữa. Bạn cứ thế xây thôi.
Hệ số nhân cache mà không ai bàn tới
Đây mới là phần quan trọng nhất, và cũng là lý do giúp những con số tiêu đề ở trên thành hiện thực.
OpenCode, coding agent tôi đang dùng, có duy trì một prompt cache cho DeepSeek. Tỉ lệ cache hit của tôi đạt 90–95%+. Điều này làm thay đổi hoàn toàn bài toán chi phí:
| Loại token | Giá mỗi 1 triệu token |
|---|---|
| Đầu vào (cache miss) | $0.435 |
| Đầu vào (cache hit) | $0.003625 |
| Đầu ra | $0.87 |
Token đầu vào được cache rẻ hơn 120 lần so với token không cache. Với tỉ lệ cache hit trên 90%, chi phí đầu vào thực tế của bạn gần như không đáng kể. Phần lớn những gì bạn trả tiền là đầu ra — code được sinh ra, câu trả lời thực tế. Đó chính là kiến trúc giúp việc xài nặng mà chỉ tốn $33/tháng trở nên khả thi.
Không có cache, 4,1 tỷ token đầu vào với giá $0.435/triệu sẽ tốn khoảng $1.780 — chỉ riêng tháng 6. Với 95% cache hit, chi phí đầu vào thực tế giảm xuống còn khoảng $7. Bản thân model đã rẻ. Cache khiến nó gần như miễn phí.
Chất lượng trông như thế nào ở mức giá này
Câu hỏi thành thật: Liệu DeepSeek V4 Pro có cho chất lượng tương đương với những gì tôi nhận được từ combo $200/tháng Claude Max + Codex không?
Câu trả lời là: tùy vào cách bạn đo, nhưng với khối lượng công việc của tôi, khoảng cách là nhỏ và đang được thu hẹp.
Về các tác vụ code: OpenCode + DeepSeek xử lý cùng một dải công việc mà tôi từng làm với Claude Code và Codex — TypeScript, React, Next.js, FastAPI, Python, Swift, database migrations, YAML configs, shell scripts. Sự khác biệt về hiệu quả token mà tôi từng nhận thấy ở Codex (dùng ít token hơn Claude khoảng 3 lần cho cùng một việc, như tôi đã đề cập trong bài tháng Ba) cũng xuất hiện ở đây theo cách khác — DeepSeek súc tích hơn. Bạn nhận được ít lời bình luận hơn, nhiều code hơn.
Về việc viết lách: Tôi dùng chính model DeepSeek này cho các tác vụ viết — bài blog, nội dung khóa học, system prompt — trực tiếp trong OpenCode. Chu kỳ biên tập khác so với những gì tôi quen với Claude. Phong cách mặc định của Claude bóng bẩy hơn; DeepSeek trực tiếp hơn. Chẳng cái nào hay hơn. Bạn điều chỉnh prompt của mình là được.
Về đánh giá Sydney: Sau khi chuyển Ask Sydney sang dùng DeepSeek, tôi chạy một bài đánh giá 30 câu hỏi với một LLM judge. Kết quả: chất lượng truy xuất không đổi, độ chính xác trích dẫn trung bình 4.2/5, và độ trung thực giọng văn — Sydney nghe giống tôi đến mức nào — đạt 4.4/5. Wha