> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tokenlab.sh/llms.txt
> Use this file to discover all available pages before exploring further.

# Tối Ưu Chi Phí Coding Agent

> Các chiến lược thực tế để giảm chi phí API của coding agent từ 60–90%

## Vấn Đề Chi Phí

Một phiên coding agent điển hình tiêu thụ token rất nhanh:

| Hoạt động          | Token mỗi lần gọi | Lần gọi mỗi giờ | Token mỗi giờ |
| ------------------ | ----------------- | --------------- | ------------- |
| Sinh code          | 5.000–50.000      | 10–30           | 150K–1,5M     |
| Tìm kiếm code      | 2.000–20.000      | 20–50           | 100K–1M       |
| Review code        | 10.000–80.000     | 5–10            | 100K–800K     |
| Tự động hoàn thành | 500–3.000         | 50–200          | 50K–600K      |
| **Tổng**           |                   |                 | **400K–4M+**  |

Với mức giá model cao cấp, đó là $3–30/giờ mỗi lập trình viên. Với nhóm 10 người, đó là $500–5.000/tháng.

## Lựa Chọn Model Thông Minh

Không phải mọi tác vụ code đều cần model đắt nhất. Hãy chọn model phù hợp với từng loại tác vụ:

| Tác vụ             | Khuyến nghị                                   | Mức chi phí       | Lý do                                |
| ------------------ | --------------------------------------------- | ----------------- | ------------------------------------ |
| Thiết kế kiến trúc | `claude-opus-4-6`, `gpt-5.4`                  | \$\$\$\$ Cao cấp  | Cần lý luận phức tạp                 |
| Sinh code          | `claude-sonnet-4-6`, `gemini-3.1-pro-preview` | \$\$\$ Tiêu chuẩn | Cân bằng tốt nhất chất lượng/chi phí |
| Review code        | `claude-sonnet-4-6`, `deepseek-v4-pro`        | \$\$–\$\$\$       | Nhận dạng mẫu, ít sáng tạo hơn       |
| Sửa lỗi            | `claude-sonnet-4-6`, `gpt-5-mini`             | \$\$–\$\$\$       | Tác vụ tập trung, xác định rõ ràng   |
| Tự động hoàn thành | `gpt-5-mini`, `gemini-3.5-flash`              | \$\$ Tiết kiệm    | Tốc độ quan trọng hơn độ sâu         |
| Boilerplate        | `deepseek-v4-flash`, `gpt-5-mini`             | \$ Cơ bản         | Mẫu đơn giản, lặp lại                |

<Tip>
  Xem [Hướng Dẫn Chọn Model](/vi/guides/coding-agent-models) để so sánh chi tiết và cấu hình theo từng công cụ.
</Tip>

## Chiến Lược Cache

Coding agent rất phù hợp để cache vì chúng liên tục lặp lại các mẫu tương tự.

### Cache Prompt (Cấp Nhà Cung Cấp)

Cache prompt ở cấp nhà cung cấp được tự động hóa qua TokenLab. Các system prompt dài — mà coding agent luôn bao gồm — được cache ở cấp nhà cung cấp:

| Nhà cung cấp | Giảm giá Cache   | Token tối thiểu |
| ------------ | ---------------- | --------------- |
| Anthropic    | Giảm 90% khi đọc | 1.024           |
| OpenAI       | Giảm 50% khi đọc | 1.024           |
| DeepSeek     | Giảm 90% khi đọc | 64              |

Vì coding agent gửi cùng system prompt + ngữ cảnh dự án trong mỗi lần gọi, tỷ lệ cache hit của prompt cache thường là **70–90%**.

### Ví Dụ Tiết Kiệm Kết Hợp

Với yêu cầu có 50.000 token đầu vào (lần gọi coding agent điển hình):

```
API trực tiếp (không cache):
  50.000 token × $3,00/1M = $0,150

Với cache prompt (40.000 đã cache + 10.000 mới):
  Đã cache:  40.000 × $0,30/1M = $0,012
  Mới:       10.000 × $3,00/1M = $0,030
  Tổng: $0,042 (tiết kiệm 72%)

```

## So Sánh Chi Phí Thực Tế

Chi phí ước tính cho một phiên code điển hình 1 giờ (\~3M token):

| Cấu hình                         | Chi phí mỗi giờ | Hàng tháng (160h) |
| -------------------------------- | --------------- | ----------------- |
| API trực tiếp (model cao cấp)    | \~\$15–25       | \~\$2.400–4.000   |
| TokenLab (định tuyến thông minh) | \~\$10–18       | \~\$1.600–2.900   |
| TokenLab + cache prompt          | \~\$4–8         | \~\$640–1.280     |

<Warning>
  Đây là các ước tính minh họa. Chi phí thực tế phụ thuộc vào lựa chọn model, mẫu sử dụng và tỷ lệ cache hit. Kiểm tra [giá thời gian thực](/api-reference/pricing/get-pricing) để biết mức giá hiện tại.
</Warning>

## Mẹo Quản Lý Token

### Đặt max\_tokens

Ngăn chặn việc sinh quá mức:

```json theme={null}
{
  "model": "claude-sonnet-4-6",
  "max_tokens": 4096,
  "messages": [...]
}
```

Hầu hết các tác vụ code cần 1.000–4.000 token đầu ra. Đặt giới hạn ngăn model tạo ra phản hồi dài không cần thiết.

### Sử Dụng Auto-Compact

Hầu hết coding agent hỗ trợ nén ngữ cảnh — tóm tắt các lượt hội thoại cũ để giảm số lượng token. Bật tính năng này:

* **Claude Code**: Auto-compact tích hợp kích hoạt tại giới hạn ngữ cảnh
* **Cursor**: Quản lý ngữ cảnh tự động
* **Codex CLI**: Sử dụng flag `--max-context`

### Tránh Phình To Ngữ Cảnh

* Đừng dán toàn bộ file khi chỉ cần một hàm
* Sử dụng các mẫu kiểu `.gitignore` để loại trừ các file không liên quan khỏi ngữ cảnh agent
* Xóa lịch sử hội thoại khi chuyển sang tác vụ khác

## Cấu Hình Nhanh

Mỗi công cụ chỉ cần vài dòng để kết nối qua TokenLab:

<AccordionGroup>
  <Accordion title="Claude Code">
    ```bash theme={null}
    export ANTHROPIC_API_KEY="sk-your-tokenlab-key"
    export ANTHROPIC_BASE_URL="https://api.tokenlab.sh"
    ```

    [Hướng dẫn đầy đủ →](/integrations/claude-code)
  </Accordion>

  <Accordion title="Cursor">
    Cài đặt → Mô hình → Khóa API OpenAI: `sk-your-key`, URL cơ sở: `https://api.tokenlab.sh/v1`

    [Hướng dẫn đầy đủ →](/integrations/cursor)
  </Accordion>

  <Accordion title="Codex CLI">
    ```bash theme={null}
    export OPENAI_API_KEY="sk-your-tokenlab-key"
    export OPENAI_BASE_URL="https://api.tokenlab.sh/v1"
    ```

    [Hướng dẫn đầy đủ →](/integrations/codex-cli)
  </Accordion>

  <Accordion title="Gemini CLI">
    ```bash theme={null}
    export GEMINI_API_KEY="sk-your-tokenlab-key"
    export GOOGLE_GEMINI_BASE_URL="https://api.tokenlab.sh"
    ```

    [Hướng dẫn đầy đủ →](/integrations/gemini-cli)
  </Accordion>
</AccordionGroup>